DSpace logo

Please use this identifier to cite or link to this item: http://repository.uksw.edu/handle/123456789/4610
Title: Efisiensi Model Campuran Linear Distribusi T Dengan Proses Autoregresifpada Data Longitudinal
Authors: Sumarni, Cucu
Keywords: autoregresif;data longitudinal;distribusi-t;efisiensi model;model campuran linear
Issue Date: Jun-2014
Publisher: Fakultas Sains dan Matematika Universitas Kristen Satya Wacana
Abstract: Data longitudinal adalah data dengan ciri khas pengukurannya dilakukan secara berulang terhadap objek amatan yang sama (repeated measurement), sehingga dalam subjek amatan antar waktu terdapat autokorelasi. Salah satu tujuan pengumpulan data longitudinal adalah untuk efisiensi sampel. Dalam penerapannya, data longitudinal sering dimodelkan dengan model campuran linear, dimana model ini sangat ketat dengan asumsi normalitas, yaitu komponen error dan komponen acaknya diasumsikan berdistribusi Normal. Padahal dalam kenyataannya, asumsi normalitas ini sulit dipenuhi, apalagi jika sampelnya kecil. Distribusi t biasanya cukup efektif dalam menggambarkan sebaran data dengan sampel yang kecil. Sementara proses Autoregresif(AR) sering digunakan untuk kasus time series yang dapat menangani masalah data objek amatan yang mengandung autokorelasi antar waktu. Sehingga alternatif model campuran linear yang dapat menangani kedua masalah tersebut adalah model campuran linear dimana bagian error-nya diasumsikan berdistribusi-t dan mengandung proses Autoregresif, AR(p). Di samping itu, model campuran linear dengan metode estimasi Restricted Maximum Likelihood(REML) juga merupakan salah satu pendekatan yang robust terhadap asumsi normalitas. Oleh karena itu, dalam makalah ini akan dikaji mengenai efisiensi kedua model campuran linear tersebut. Berdasarkan kajian simulasi data dan aplikasi data real, untuk kasus data yang mengandung korelasi serial yang cukup tinggi antar amatan, model campuran linear distribusi-t dengan proses autoregresif AR(1) lebih efisien dibanding model campuran linear metode REML. Namun dalam penghitungan estimasi parameternya secara komputasional seperti menggunakan software R, model campuran linear dengan metode REML lebih praktis
Description: Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika UKSW Salatiga, 21 Juni 2014, Vol 5, No.1, p. 748-755
URI: http://repository.uksw.edu/handle/123456789/4610
ISSN: 2087-0922
Appears in Collections:Bidang Matematika dan Pendidikan Matematika



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.