METODE BUCKLEY-JAMES UNTUK ESTIMASI MODEL REGRESI LINIER PADA DATA TERSENSOR KANAN

Muhammad Bayu Nirwana(1*)


(1) 
(*) Corresponding Author

Abstract


Data tersensor merupakan permasalahan yang sering dihadapi pada penelitian yang berhubugan dengan lama waktu terjadinya suatu kejadian. Penggunaan analisis statistika tanpa memperhatikan komponen tersensor dapat mengakibatkan bias pada hasil analisis data yang diperoleh. Dalam analisis regresi linier, di mana variabel dependen adalah variabel yang mengandung data tersensor, analisis data tanpa memperhatikan komponen tersensor dapat mengakibatkan koefisien model regresi
yang diperoleh tidak tepat. Hal tersebut akan menjadikan model regresi yang diperoleh tidak dapat digunakan untuk memodelkan dan memprediksi data dengan baik. Metode Buckley-James adalah salah satu metode yang dapat digunakan untuk mengatasi permasalahan tersebut. Estimasi dari metode Buckley-James mengubah titik tersensor pada data tersensor ke nilai ekspektasinya. Selanjutnya model regresi linier diestimasi dengan memberikan bobot pada metode least square menggunakan estimator Kaplan-Meier.
Kata kunci : Regresi Linear, Data Tersensor, Kaplan-Meier, Least Square.

Full Text:

PDF

Article Metrics

Abstract view : 542 times
PDF - 169 times

DOI: https://doi.org/10.26714/jsunimus.6.1.2018.%25p

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Jurnal Statistika Universitas Muhammadiyah Semarang

Editorial Office:
Department of Statistics
Faculty Of Mathematics And Natural Sciences
 
Universitas Muhammadiyah Semarang

Jl. Kedungmundu No. 18 Semarang Indonesia



Published by: 
Department of Statistics Universitas Muhammadiyah Semarang

View My Stats

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License