Search engine for discovering works of Art, research articles, and books related to Art and Culture
Javascript must be enabled to continue!
Penerapan Metode Penalized Maximum Likelihood Estimation pada Regresi Multinomial
View through CrossRef
Abstract. Multinomial regression models are often used to analyze the relationship between categorical response variables that have more than two categories. Parameter estimation in multinomial logistic regression using the Maximum Likelihood Estimation (MLE) method followed by iteration using the Newton-Raphson method. However, sometimes the Maximum Likelihood Estimation (MLE) method cannot be used because it produces an estimator that does not converge, this is due to data separation. To overcome this problem, the Penalized Maximum Likelihood Estimation (PMLE) approach is used. The PMLE method is the result of modifying the probability score function into a penalty probability score. The data used is the 2012 IDHS data for the province of Aceh using data on the desire to have children, after analyzing the data on the desire to have children there are factors that most influence the desire to have children, namely the number of children who are still alive.
Abstrak. Model regresi multinomial sering digunakan untuk menganalisis hubungan antara peubah respon yang bersifat kategorik yang memiliki lebih dari dua kategorik. Penduga parameter pada regresi logistik multinomial menggunakan metode Maximum Likelihood Estimation (MLE) yang dilanjutkan dengan iterasi menggunakan metode Newton-Raphson. Namun, terkadang jika menggunakan metode Maximum Likelihood Estimation (MLE) tidak dapat digunakan karena menghasilkan penduga yang tidak konvergen hal ini disebabkan karena adanya pemisahan pada data. Untuk mengatasi pemasalahan ini maka digunakan pendekatan Penalized Maximum Likelihood Estimation (PMLE). Metode PMLE merupakan hasil modifikasi fungsi skor likelihood menjadi skor penalized likelihood. Data yang digunakan adalah data SDKI tahun 2012 untuk wilayah Provinsi Aceh dengan menggunakan data keinginan memiliki anak, setelah dianalisis pada data keinginan memiliki anak terdapat faktor yang paling mempengaruhi keinginan memiliki anak yaitu jumlah anak hidup.
Title: Penerapan Metode Penalized Maximum Likelihood Estimation pada Regresi Multinomial
Description:
Abstract.
Multinomial regression models are often used to analyze the relationship between categorical response variables that have more than two categories.
Parameter estimation in multinomial logistic regression using the Maximum Likelihood Estimation (MLE) method followed by iteration using the Newton-Raphson method.
However, sometimes the Maximum Likelihood Estimation (MLE) method cannot be used because it produces an estimator that does not converge, this is due to data separation.
To overcome this problem, the Penalized Maximum Likelihood Estimation (PMLE) approach is used.
The PMLE method is the result of modifying the probability score function into a penalty probability score.
The data used is the 2012 IDHS data for the province of Aceh using data on the desire to have children, after analyzing the data on the desire to have children there are factors that most influence the desire to have children, namely the number of children who are still alive.
Abstrak.
Model regresi multinomial sering digunakan untuk menganalisis hubungan antara peubah respon yang bersifat kategorik yang memiliki lebih dari dua kategorik.
Penduga parameter pada regresi logistik multinomial menggunakan metode Maximum Likelihood Estimation (MLE) yang dilanjutkan dengan iterasi menggunakan metode Newton-Raphson.
Namun, terkadang jika menggunakan metode Maximum Likelihood Estimation (MLE) tidak dapat digunakan karena menghasilkan penduga yang tidak konvergen hal ini disebabkan karena adanya pemisahan pada data.
Untuk mengatasi pemasalahan ini maka digunakan pendekatan Penalized Maximum Likelihood Estimation (PMLE).
Metode PMLE merupakan hasil modifikasi fungsi skor likelihood menjadi skor penalized likelihood.
Data yang digunakan adalah data SDKI tahun 2012 untuk wilayah Provinsi Aceh dengan menggunakan data keinginan memiliki anak, setelah dianalisis pada data keinginan memiliki anak terdapat faktor yang paling mempengaruhi keinginan memiliki anak yaitu jumlah anak hidup.
Related Results
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review Anna Tri Wahyuni1), Masfuri2), Liya Arista3)1,2,3 Fakultas Ilmu Keperawatan Univers...
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAFTAR PUSTAKAAditama, M. H. R., & Selfiardy, S. (2022). Kehidupan Mahasiswa Kuliah Sambil Bekerja di Masa Pandemi Covid-19. Kidspedia: Jurnal Pendidikan Anak Usia Dini, 3(...
On the Efficiency of the newly Proposed Convex Olanrewaju-Olanrewaju Lo-oλγ(|θ|) Penalized Regression-Type Estimator via GLMs Technique.
On the Efficiency of the newly Proposed Convex Olanrewaju-Olanrewaju Lo-oλγ(|θ|) Penalized Regression-Type Estimator via GLMs Technique.
In this article, we proposed a novel convex penalized regression-type estimator, termed Olanrewaju-Olanrewaju penalized regression-type estimator, denoted by Lo-oλγ(|θ|) for ultra...
Estimating the variance for heterogeneity in arm‐based network meta‐analysis
Estimating the variance for heterogeneity in arm‐based network meta‐analysis
Network meta‐analysis can be implemented by using arm‐based or contrast‐based models. Here we focus on arm‐based models and fit them using generalized linear mixed model procedures...
Computing Two Heuristic Shrinkage Penalized Deep Neural Network Approach
Computing Two Heuristic Shrinkage Penalized Deep Neural Network Approach
Linear models are not always able to sufficiently capture the structure of a dataset. Sometimes, combining predictors in a non-parametric method, such as deep neural networks (DNNs...
Tinjauan Singkat Tentang Regresi Parametrik dan Regresi non Parametrik
Tinjauan Singkat Tentang Regresi Parametrik dan Regresi non Parametrik
Dalam analisis regresi, terdapat dua pendekatan yang digunakan untuk mengestimasi fungsi regresi, yaitu pendekatan parametrik dan pendekatan nonparametrik. Metode regresi parametri...
FAKTOR - FAKTOR YANG MEMPENGARUHI TINGKAT INFLASI DI INDONESIA
FAKTOR - FAKTOR YANG MEMPENGARUHI TINGKAT INFLASI DI INDONESIA
Tesis ini menganalisa pengaruh tingkat suku bunga SBI, jumlah uang beredar, nilai tukar rupiah, pertumbuhan ekonomi, produk domestik bruto (PDB) dan pengeluaran pemerintah terhadap...