•  
  •  
 

PYTHAGORAS : Jurnal Matematika dan Pendidikan Matematika

Document Type

Article

Abstract

Pada regresi linier klasik, peubah respon diasumsikan merupakan peubah yang bersifat kontinu. Bila peubah respon tidak lagi kontinu melainkan berupa kategori (biner, cacahan) maka model regresi linier klasik tidak dapat digunakan. Permasalahan tersebut dapat diatasi dengan model linier terampat. Model linier terampat yang digunakan dalam menganalisis peubah berskala biner adalah model logit, model probit dan model complementary log-log. Pada tulisan ini akan dikaji penggunaan ketiga model tersebut dalam menganalisis peubah respon biner. Bila nilai galat baku Pearson semakin kecil maka semakin baik pula model yang digunakan.
Kata kunci : peubah respon biner, model logit, model probit, model complementary log- log

Page Range

63-77

Issue

1

Volume

3

Digital Object Identifier (DOI)

10.21831/pg.v3i1.643

Source

https://journal.uny.ac.id/index.php/pythagoras/article/view/643

References

Agresti, Allan. 2002. Categorical Data Analysis. New York: John Wiley & Sons. Agresti, Allan. 1996. An Introduction to Categorical Data Analysis. New York: John Wiley & Sons.

Hosmer, D.W. dan Lemeshow, S. 1989. Applied Logistic Regression. New York: John Wiley & Sons.

McCullagh, P. dan Nelder, J. A. 1989. Generalized Linear Models 2nd Edition. London: Chapman & Hall.

Myers, R. H. 1989. Classical and Modern Regression with Application. Boston: PWS- KENT.

Download

Share

COinS