REGRESI LOGISTIK POLIKOTOMUS DENGAN DATA HILANG

SUSWANTI, Prof. Dr. Sri Haryatmi, M.Sc.

2012 | Tesis | S2 Matematika

Regresi logistik merupakan alat untuk menganalisis data pada penelitian bidang kesehatan dan penelitian lain yang variabel dependennya mempunyai dua kemungkinan “sukses/ya” atau “gagal/tidak”. Pada penulisan ini, pembahasan model regresi logistik dengan variabel dependen polikotomus yaitu variabel dependen lebih dari dua kategori dan pembahasan khusus jika ada variabel independen dengan data hilang. Untuk mendapatkan estimasi parameter dari Pada beberapa kasus di dunia kedokteran, mungkin ditemukan adanya beberapa data pasien yang hilang atau karena kekurangan informasi yang lengkap dari pasien sehingga menyebabkan tidak lengkapnya data pasien, maka hal ini bisa dianggap sebagai data yang tidak lengkap dikarenakan data hilang. Pada pembahasan ini diasumsikan bahwa hilangnya data tersebut terjadi secara acak. model re gresi logistik polikotomus dapat digunakan berbagai metode. Dalam penelitian ini digunakan metode estimasi Maximum Likelihood (MLE) untuk mendapatkan estimator parameter β dari model regresi logistik polikotomus. Dapat dilihat bahwa hasil yang diperoleh berbentuk persamaan yang tidak closed form, oleh karena itu lebih mudah digunakan penyelesaian metode Newton-Raphson.

Logistic regression is an analytical tool generally applied in health studies and researchs whom the response variable have two values “success/yes” and “failure/no”. This paper intends to study polychotomous logistic regression models where the response variable has more than two categories and the covariates have missing values. In many medical data sets, we may face some missingness in some covariates such as denying to respond, lack of information in files, and incompleteness of study frame. In such case we deal with missing values. In this study, it is assumed that the missingness is at random and independent of deal with missing values. To obtain the estimator of parameters of the polychotomous logistic regression models it can use some method. In this thesis we use a Maximum Likelihood Estimation (MLE) of the parameter β from an polychotomous logistic regression models. It has been seen that the estimators obtained are not available in nice closed form, so they can be easily evaluated by using Newton- Raphson solution method.

Kata Kunci : Model Regresi Logistik Polikotomus, Estimasi Maksimum Likelihood, Metode Newton-Raphson, Data Hilang secara Acak