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.
Article Metrics
Abstract view : 744 times
PDF - 207 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 StatisticsUniversitas Muhammadiyah Semarang
Jl. Kedungmundu No. 18 Semarang Indonesia
Published by: Department of Statistics Universitas Muhammadiyah Semarang
<div class="statcounter"><a title="web counter" href="https://statcounter.com/" target="_blank"><img class="statcounter" src="https://c.statcounter.com/11268275/0/493c3c8e/0/" alt="web counter"></a></div> View My Stats
This work is licensed under a Creative Commons Attribution 4.0 International License