PEMILIHAN MODEL TERBAIK Mega Khoirunnisak  1308.100.501 Vita Oktaviyanti  1308.100.511
<ul><li>Secara umum, metode penentuan model terbaik, dibedakan menjadi  </li></ul><ul><li>Metode tanpa seleksi variabel in...
METODE BACKWARD <ul><li>Mulai dengan model lengkap, kemudian variabel  independent  yang ada dievaluasi, jika ada yang tid...
METODE FORWARD <ul><li>Variabel independent yang pertama kali masuk ke dalam model adalah variabel yang mempunyai korelasi...
METODE STEPWISE <ul><li>Gabungan antara metode  forward  dan  backward , variabel yang pertama kali masuk adalah variabel ...
METODE BEST SUBSET <ul><li>Metode ini menyajikan  k  buah model terbaik dari setiap kelompok model regresi, berdasarkan ba...
Mendekati  p C p  Mallow 5. Maksimum Adjusted R 2 4. Maksimum R 2 3. Minimum MSE 2. Minimum SSE 1. Optimum Formula Kriteri...
STUDI KASUS 92 200 22 15618 79.4 3295 17 33 200 21 18573 78.9 4488 16 42 191 21 14556 73 3950 15 7 192 22 14575 64.7 2922 ...
<ul><li>Regression Analysis: Y versus X1, X2, X3, X4, X5  </li></ul><ul><li>The regression equation is </li></ul><ul><li>Y...
Stepwise Regression:Y versus X 1 , X 2 , X 3 , X 4 , X 5 Backward elimination. Alpha-to-Remove: 0.1 Response is Y on 5 pre...
Stepwise Regression: Y versus X 1 , X 2 , X 3 , X 4 , X 5 Forward selection.  Alpha-to-Enter: 0.1 Response is Y on  5 pred...
Stepwise Regression: Y versus X 1 , X 2 , X 3 , X 4 , X 5 Alpha-to-Enter: 0.1  Alpha-to-Remove: 0.1 Response is  Y  on  5 ...
<ul><li>Best Subsets Regression: Y versus X1, X2, X3, X4, X5  </li></ul><ul><li>Response is Y </li></ul><ul><li>Mallows  X...
Upcoming SlideShare
Loading in …5
×

Pemilihan Model Terbaik

4,813 views

Published on

Published in: Education, Sports, Automotive
1 Comment
2 Likes
Statistics
Notes
No Downloads
Views
Total views
4,813
On SlideShare
0
From Embeds
0
Number of Embeds
24
Actions
Shares
0
Downloads
155
Comments
1
Likes
2
Embeds 0
No embeds

No notes for slide

Pemilihan Model Terbaik

  1. 1. PEMILIHAN MODEL TERBAIK Mega Khoirunnisak 1308.100.501 Vita Oktaviyanti 1308.100.511
  2. 2. <ul><li>Secara umum, metode penentuan model terbaik, dibedakan menjadi </li></ul><ul><li>Metode tanpa seleksi variabel independen </li></ul><ul><li>Metode yang memasukkan seluruh variabel independen yang diduga berpengaruh ke dalam model dan mengakomodasi adanya kolinieritas/multikolinieritas </li></ul><ul><li>Contoh : Principle Component Regression (Regresi Komponen Utama), Ridge Regression (Regresi Gulud) </li></ul><ul><li>Metode dengan seleksi </li></ul><ul><li>Metode yang melakukan seleksi variabel independen yang masuk ke dalam model sesuai dengan kriteria/prosedurnya </li></ul><ul><li>Contoh : Metode Backward , Forward , Stepwise , Best subset regression </li></ul>
  3. 3. METODE BACKWARD <ul><li>Mulai dengan model lengkap, kemudian variabel independent yang ada dievaluasi, jika ada yang tidak significant dikeluarkan yang paling tidak significant , dilakukan terus menerus sampai tidak ada lagi variabel independent yang tidak significant </li></ul>
  4. 4. METODE FORWARD <ul><li>Variabel independent yang pertama kali masuk ke dalam model adalah variabel yang mempunyai korelasi tertinggi dan significant dengan variabel dependent , variabel yang masuk kedua adalah variabel yang korelasi parsial-nya dengan variabel dependent adalah tertinggi kedua dan masih significant , dilakukan terus menerus sampai tidak ada lagi variabel independent yang significan t </li></ul>
  5. 5. METODE STEPWISE <ul><li>Gabungan antara metode forward dan backward , variabel yang pertama kali masuk adalah variabel yang korelasinya tertinggi dan significant dengan variabel dependent , variabel yang masuk kedua adalah variabel yang korelasi parsialnya tertinggi dan masih significant , setelah variabel tertentu masuk ke dalam model maka variabel lain yang ada di dalam model dievaluasi, jika ada variabel yang tidak significant maka variabel tersebut dikeluarkan </li></ul>
  6. 6. METODE BEST SUBSET <ul><li>Metode ini menyajikan k buah model terbaik dari setiap kelompok model regresi, berdasarkan banyaknya variabel independent , kelompok dengan 1,2,…, k variabel independent . </li></ul>
  7. 7. Mendekati p C p Mallow 5. Maksimum Adjusted R 2 4. Maksimum R 2 3. Minimum MSE 2. Minimum SSE 1. Optimum Formula Kriteria No.
  8. 8. STUDI KASUS 92 200 22 15618 79.4 3295 17 33 200 21 18573 78.9 4488 16 42 191 21 14556 73 3950 15 7 192 22 14575 64.7 2922 14 28 198 22 13619 56 3022 13 22 206 19 14571 43.6 3125 12 42 195 22 16691 44.5 3542 11 37 187 20 14119 39.5 3286 10 54 190 20 12656 54.5 3211 9 94 186 23 13526 63.9 3060 8 96 175 20 11964 71.9 3502 7 14 189 23 14564 81 3898 6 40 193 25 14792 79.3 3082 5 23 166 20 9208 77.4 2994 4 29 153 22 6796 70.9 2891 3 68 141 22 6373 65.2 2828 2 52 129 21 7107 58.8 3067 1 X 5 X 4 X 3 X 2 X 1 Y No
  9. 9. <ul><li>Regression Analysis: Y versus X1, X2, X3, X4, X5 </li></ul><ul><li>The regression equation is </li></ul><ul><li>Y = 6487 + 14.1 X1 + 0.214 X2 - 127 X3 - 22.4 X4 - 1.35 X5 </li></ul><ul><li>Predictor Coef SE Coef T P </li></ul><ul><li>Constant 6487 1372 4.73 0.001 </li></ul><ul><li>X1 14.117 5.330 2.65 0.023 </li></ul><ul><li>X2 0.21378 0.04703 4.55 0.001 </li></ul><ul><li>X3 -127.00 49.44 -2.57 0.026 </li></ul><ul><li>X4 -22.378 7.565 -2.96 0.013 </li></ul><ul><li>X5 -1.349 2.380 -0.57 0.582 </li></ul><ul><li>S = 256.318 R-Sq = 77.4% R-Sq(adj) = 67.1% </li></ul><ul><li>Analysis of Variance </li></ul><ul><li>Source DF SS MS F P </li></ul><ul><li>Regression 5 2469941 493988 7.52 0.003 </li></ul><ul><li>Residual Error 11 722691 65699 </li></ul><ul><li>Total 16 3192632 </li></ul>
  10. 10. Stepwise Regression:Y versus X 1 , X 2 , X 3 , X 4 , X 5 Backward elimination. Alpha-to-Remove: 0.1 Response is Y on 5 predictors, with N = 17 Step 1 2 Constant 6487 6360 X 1 14.1 13.9 T-Value 2.65 2.69 P-Value 0.023 0.020 X 2 0.214 0.212 T-Value 4.55 4.65 P-Value 0.001 0.001 X 3 -127 -127 T-Value -2.57 -2.64 P-Value 0.026 0.022 X 4 -22.4 -21.8 T-Value -2.96 -3.00 P-Value 0.013 0.011 X 5 -1.3 T-Value -0.57 P-Value 0.582 S 256 249 R-Sq 77.36 76.70 R-Sq(adj) 67.07 68.94 C-p 6.0 4.3
  11. 11. Stepwise Regression: Y versus X 1 , X 2 , X 3 , X 4 , X 5 Forward selection. Alpha-to-Enter: 0.1 Response is Y on 5 predictors, with N = 17 Step 1 2 Constant 2273 4601 X 2 0.080 0.203 T-Value 3.15 3.64 P-Value 0.007 0.003 X 4 -21.6 T-Value -2.41 P-Value 0.030 S 358 312 R-Sq 39.78 57.42 R-Sq(adj) 35.77 51.34 C-p 16.3 9.7
  12. 12. Stepwise Regression: Y versus X 1 , X 2 , X 3 , X 4 , X 5 Alpha-to-Enter: 0.1 Alpha-to-Remove: 0.1 Response is Y on 5 predictors, with N = 17 Step 1 2 Constant 2273 4601 X 2 0.080 0.203 T-Value 3.15 3.64 P-Value 0.007 0.003 X 4 -21.6 T-Value -2.41 P-Value 0.030 S 358 312 R-Sq 39.78 57.42 R-Sq(adj) 35.77 51.34 C-p 16.3 9.7
  13. 13. <ul><li>Best Subsets Regression: Y versus X1, X2, X3, X4, X5 </li></ul><ul><li>Response is Y </li></ul><ul><li>Mallows X X X X X </li></ul><ul><li>Vars R-Sq R-Sq(adj) C-p S 1 2 3 4 5 </li></ul><ul><li>1 39.8 35.8 16.3 358.00 X </li></ul><ul><li>2 57.4 51.3 9.7 311.60 X X </li></ul><ul><li>3 63.2 54.7 8.9 300.66 X X X </li></ul><ul><li>4 76.7 68.9 4.3 248.96 X X X X </li></ul><ul><li>5 77.4 67.1 6.0 256.32 X X X X X </li></ul>

×