Generalized Additive Logistic Pada Pemodelan Faktor-Faktor Yang Mempengaruhi Keuntungan PT. PDC

Kartika Fithriasari, Soehardjoepri Soehardjoepri, Nur Iriawan

Abstract


Generalized Additive Models (GAM) merupakan kombinasi dari model additive dan generalized linear models (GLMs). GAM dengan variabel respon bertipe biner disebut model generalized additive logistic. Perbedaan hasil  model regresi logistik pada GLMs dan GAM didapatkan pada pemodelan faktor-faktor yang mempengaruhi keuntungan PT.PDC. Dari studi kasus PT.PDC. terlihat bahwa GLMs hanya menangkap hubungan linier antara log-odds dan variabel prediktor, sedangkan GAM dapat menangkap hubungan kuadratik yang digambarkan dalam grafik prediksi parsial.  Sehingga dapat disimpulkan bahwa GAM mampu memodelkan hubungan yang lebih kompleks dibanding GLMs.

Keywords


Cing Fong H; Clayton; Copula; Maintenance; Reliabilitas; Weibull

Full Text:

PDF

References


T. Hastie dan R. Tibshirani, “Generalized Additive Models,” Statistical Science, vol. I, no. 3, pp. 297-318, 1986.

P. McCullagh dan J. A. Nelder, Generalized Linear Models, 2nd penyunt., London: Chapman & Hall, 1989.

Y. Terzi dan M. A. Cengiz, “Using of generalized additive model for model selection in multiple poisson regression for air pollution data,” Scientific Research and Essay, vol. IV, no. 9, pp. 867-871, September 2009.

T. Hastie dan R. Tibshirani, Generalzed Additive Models, 1st penyunt., Chapman and Hall, 1990.




DOI: http://dx.doi.org/10.12962/j27213862.v1i1.6720

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License
Inferensi by Department of Statistics ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/inferensi.

ISSN:  0216-308X

e-ISSN: 2721-3862

Web Analytics Made Easy - StatCounter View My Stats