Model Truncated Spatial Pada Data Tersensor

Abstract

Pada kasus tertentu seringkali ditemui data yang bernilai nol untuk sebagian observasi, dan sisanya memiliki nilai yang beragam. Data yang memiliki struktur tersebut dinamakan data tersensor. Dibutuhkan metode khusus untuk mengolah data tersebut. Penggunaan metode analisis regresi linier klasik untuk melihat hubungan variabel yang sifatnya tersensor dengan variabel prediktor tidak tepat. Untuk mengatasi hal tersebut, maka digunakan suatu model regresi untuk data tersensor yang dikenal dengan nama Model truncated. Akan tetapi seringkali data-data tersensor melibatkan aspek keterkaiatan antar wilayah. Oleh karena itu diperlukan suatu pendekatan yang mengkombinasikan antara model truncated dan spasial. Penelitian ini mengkaji data tersensor dengan pendekatan model truncated spatial. Metode penaksiran parameter yang digunakan adalah Maximum Likelihood Estimation. Penaksiran parameter dilakukan dengan melakukan turunan parsial pertama fungsi ln likelihood terhadap parameter yang akan diestimasi dan kemudian disamakan dengan nol. Penaksiran parameter model truncated spasial tidak bisa langsung diperoleh. Hal ini karena fungsinya berbentuk implisit sehingga diperlukan iterasi Newton Raphson untuk memperoleh estimasi parameternya.