Detail buku

No BukuT.ITS.2008.37
UniversitasITS
PenulisLilik Muslikhatin
Judul BukuSTUDI TENTANG ANALISIS REDUNDANCY DAN ANALISIS KORESPONDENSI KANONIK BERDASAR ALGORITMA REGRESI POLINOMIAL
PembimbingDr. Muhammad Mashuri, MT ; Dr. Hasyim Gautama, M.Sc ; Dr.Heru Margono, M.Sc
AbstrakABSTRAK INDONESIA : Analisis regresi linier merupakan suatu metode untuk mengetahui pola hubungan antara variabel respon dan variabel penjelas, yang diasumsikan memiliki hubungan linier. Pada kasus tertentu asumsi linearitas tidak realistis lagi untuk dilakukan, yaitu pada saat variabel respon berbentuk kelompok kategori atau matrik, sekaligus variabel penjelas juga berbentuk matrik. Untuk mengatasi kelemahan tersebut dikembangkan analisis regresi nonlinier. Salah astu bentuk analisis regresi nonlinier adalah Analisis Kanonik. Metode statistik dalam Analisis Kanonik yang sering digunakan antara lain Analisis Redundancy (RDA) dan Analisis Korespondensi Kanonik (CCA). Kedua metode ini digunakan untuk memodelkan hubungan antara variabel respon dan variabel penjelas, dimana cara kerja kedua metode ini melalui prosedur Algoritma Regresi Polinominal. Hasil yang disajikan berupa model regresi dan biplot, serta perbandingan kinerja kedua metode diatas pada studi kasus tentang permodelan hubungan antara Lapangan Pekerjaan dengan Luas Kawasan Hutan di 24 Provinsi di Indonesia. Hasil yang diperoleh dengan menerapkan kedua metode diatas adalah variabel penjelas yaitu Luas Kawasan Hutan berpengaruh secara linier dan kuadatrik pada sebagian besar jenis Lapangan Pekerjaan. Proporsi variabel Luas Kawasan Hutan dalam menjelaskan variabel Lapangan Pekerjaan ternyata lebih tinggi jika menerapkan Analisis Korespondensi Kanonik (CCA) dibandingkan menggunakan Analisis Redundancy (RDA). Uji signifikansi terhadap model regresi CCA secara simultan menghasilkan tingkat signifikansi yang tinggi, sedangkan uji signifikansi terhadap model regresi RDA secara simultan menghasilkan tingkat signifikansi rendah. Kata Kunci: RDA, CCA, Algoritma Regresi Polinominal. ABSTRAK INGGRIS : Linear model analysis is a method for modelilng the relationship between response variables and explanatory variables, that assumed linearly. For special case, linearity assumption is unrealistic anymore matrices or set data. Then we should use nonlinear regression model. The familiar method of nonlinear regression analysias is Canoniacal Analysis. Statistical methods in Canonical Analysis that often used are Redundancy Analysis (RDA) and Canonical Correspondence Analysis (CCA). Both are used to modeling relationship between response variables and explanatory variables simultaneously. In this research, both are operated based on polynomial Regression Algorithm. The result of these procedures are quadratic regression model and biplot. The implementation of RDA and CCA, in the case study about modeling correlation between Income source and Extent of Forest Area, in 24 provinces in Indonesia, will be compared. From the results, the conclusion is that explanatory variables (extent of forest area) have linear and quadratic correlation with most income source. In case study, when use CCA, the proportion of variables extent of forest are in explaining income source is higher than variables extent of forest are in explaining income source is higher then in RDA. Regression models simultaneously based on CCA is significant, while based on RDA is not significant. Keywods : RDA,CCA,Polynomial Regression Algorithm.
JenisThesis