Pembangkitan model regresi dari data longitudinal dengan metode doolittle dipersingkat

Abstract

ABSTRAK Permasalahan pembangkitan model regresi dimaksudkan untuk memunculkan variabel baru dari komponen residu yang sating berkorelasi, E (ei e ) *0, Sehingga didapatkan model regresi dengan error yang berdistribusi normal N ( 0,62 }yang sesuai dengan assumsi model regresi secara umum. }Criteria yang digunakan dalam mencari model yang sesuai yaitu nilai koefisien determinasi (R2) tinggi, parameternya stabil dan dari uji kesesuaian model, model adalah sesuai. Dalam pembangkitan model regresi dapat digunakan metode doolittle dipersingkat, suatu metode untuk mendapatkan perhitungan-perhitungan yang diperlukan untuk memperoleh komponen uji yang disajikan dalam suatu tabel doolittle. Pembangkitan model regresi seharusnya dilakukan untuk mendapatkan model regresi dari data dengan residu saling berkorelasi; seperti data longitudinal. Proses pembangkitan model regresi dari data longitudinal ini dapat dihentikan setelah ketiga kriteria untuk uji model regresi yang sesuai telah terpenuhi. ABSTRACT Problem in the generating of regression model was purposed to appear new variable from autocorrelation between residual, E (el si) # 0, i # j. So that, it was get regression model with normal distribution from error, N (0, cr2), that fit with general of regression model assumption. Kriterium that were used to search fit model are the value determination koefisien (R2) is high, paramater is stabil and from test of fit model, model is fit. In the generating of regression model can be used abbreviated doolittle method, that method to get numerical test component and written on doolittle table. The generating of regression model should be done to get regression model from data with autocorrelation between residual, instance longitudinal data. Processing the generating of regression model from longitudinal data can be stopped, after the third kriterium for test of fit regression model were fit qualification.