ImplementasiMetode Penalized Maximum Likelihood Estimation Pada Model RegresiLogistikBiner

Abstract

Model regresi logistik biner merupakan salah satu model regresi logistik yang digunakan untuk menganalisa hubungan antara satu variabel respon bersifat biner dengan beberapa variabel prediktor bersifat kategorik. Parameter dari model regresi logistik biner diduga dengan metode Maximum Likelihood Estimation (MLE) yang selanjutnya diselesaikan dengan metode iteratif Newton-Raphson. Namun, dalam suatu kondisi tertentu metode Maximum Likelihood Estimation (MLE) tidak dapat digunakan karena diperoleh penduga yang tidak konvergen. Untuk menyelesaikan hal tersebut, digunakan pendekatan metode Penalized Maximum Likelihood Estimation (PMLE) yang pertama kali diusulkan oleh Firth (1993). Penalized Maximum Likelihood Estimation (PMLE) merupakan hasil modifikasi fungsi skor likelihood menjadi fungsi skor Penalized likelihood. Data yang digunakan dalam penelitian ini adalah data sekunder tentang pemberian kredit dari suatu badan usaha kepada peternak ayam potong, yang diperoleh dari Badan Usaha Peternakan di Kabupaten Magetan, Jawa Timur. Langkah-langkah dalam penelitian ini yang pertama adalah melakukan pendugaan parameter pada data menggunakan metode MLE dan Iteratif Newton-Raphson dengan bantuan ProgramR. Dari data yang di analisis, ditemukan masalah yaitu penduga parameter tidak konvergen. Kedua, mencari masalah yang mengakibatkan penduga tidak konvergen menggunakan peluang ketepatan alokasi yang dilanjut dengan memeriksa ragam penduga prediktor yang dibakukan. Dari data yang dianalisis mengandung masalah pemisahan kurang sempurna. Langkah terakhir mencari penduga parameter pada data tersebut yang telah teridentifikasi masalah pemisahan kurang sempurna menggunakan Metode PMLE untuk mendapatkan model terbaik. Hasil penelitian ini menunjukkan bahwa model terbaik dari data pembeikan kredit peternak ayam potong mengandung faktor-fakor yang paling mempengaruhi pemberian kredit tersebut, antara lain: faktor pengalaman, tingkat kebersihan kandang, tingkat kelembaban kandang, dan luas area kandang.