Advance Search

Pemodelan Regresi Logistik Menggunakan Metode Momen Diperumum

Grace Oktavia Yusuf | Andi Kresna Jaya Bio | Nirwan Ilyas Bio
DOI: https://doi.org/10.20956/ejsa.v1i2.9304
Article History

Submited : February 6, 2020
Published : February 2, 2022

Keywords:
Regresi logistik merupakan model regresi yang sering digunakan dalam pemodelan data kategori, namun dalam menentukan modelnya terkadang tidak dapat diselesaikan dengan cara biasa dikarenakan variabel respon yang bersifat kategorikal mengikuti distribusi bernoulli. Sehingga dalam menentukan model diperlukan suatu estimasi parameter untuk  mendapatkan informasi mengenai parameter populasi. Metode momen diperumum (Generalized method of moments/GMM) adalah salah satu metode estimasi parameter yang digunakan untuk mengeksploitasi informasi bentuk kondisi momen populasi yang merupakan perluasan dari metode momen. Dari penggunaan estimasi parameter GMM diperoleh bahwa dengan menggunakan kondisi momen yang sama dengan metode momen pada umumnya menghasilkan estimasi yang sama dengan metode momen ataupun dengan estimasi OLS. Dalam mengestimasi parameter regresi logistik pun diperlukan suatu algoritma untuk menyelesaikan bentuk nonlinear-nya, sehingga digunakan iterasi Reweighted least square yang pembobotnya berubah setiap pengiterasian.Kata Kunci: Regresi Logistik Biner, Metode Momen Diperumum, Iterasi Reweighted Least Square.Regresi logistik merupakan model regresi yang sering digunakan dalam pemodelan data kategori, namun dalam menentukan modelnya terkadang tidak dapat diselesaikan dengan cara biasa dikarenakan variabel respon yang bersifat kategorikal mengikuti distribusi bernoulli. Sehingga dalam menentukan model diperlukan suatu estimasi parameter untuk  mendapatkan informasi mengenai parameter populasi. Metode momen diperumum (Generalized method of moments/GMM) adalah salah satu metode estimasi parameter yang digunakan untuk mengeksploitasi informasi bentuk kondisi momen populasi yang merupakan perluasan dari metode momen. Dari penggunaan estimasi parameter GMM diperoleh bahwa dengan menggunakan kondisi momen yang sama dengan metode momen pada umumnya menghasilkan estimasi yang sama dengan metode momen ataupun dengan estimasi OLS. Dalam mengestimasi parameter regresi logistik pun diperlukan suatu algoritma untuk menyelesaikan bentuk nonlinear-nya, sehingga digunakan iterasi Reweighted least square yang pembobotnya berubah setiap pengiterasian. Kata Kunci: Regresi Logistik Biner, Metode Momen Diperumum, Iterasi Reweighted Least Square.

References

  1. Agresti, A. Categorical Data Analysis. New York: A John Wiley and Sons Inc, 2002.
  2. Islamiyati, A. Estimasi Parameter Model Regresi Logistik Biner Komponen Utama Non Linear dengan Maksimum Likelihood. Jurnal Matematika, Statistika dan Komputasi, Vol 11, No. 2: 122-128, 2015.
  3. Taurif, M. Estimation Of Generalized Method Of Moment In Logistic. Prosiding Seminar Nasional Matematika, Universitas Jember, 2014.
  4. Chausse, P. Computing Generalized Method of Moments and Generalized Empirical Likelihood with R. Journal of Statistical Software, 2010.
  5. Kadir S. Perbandingan Estimasi Model Respon Kualitatif Menggunakan Metode OLS, GMM dan Maximum Likelihood. Palembang: Universitas Sriwijaya, 2018.
  6. Kuan, C. M. Generalized Method of Moment. Taiwan: Department of Finance & CRETA National Taiwan University, 2010.
  7. Muliati, A. Pendugaan Parameter Model Regresi Logistik dengan Metode Ridge. Makassar: Statistika Universitas Hasanuddin, 2018.

Downloads

Download data is not yet available.
Fulltext
PDF
statcounter