| Summary: | Keterbatasan model regresi linear berganda sering kali mendapat perhatian para penyelidik daripada pelbagai bidang kajian terutamanya dalam bidang sains dan sains sosial. Keterbatasan merujuk kepada model regresi sedia ada tidak menyediakan suatu platform untuk menangani masalah ketidakcukupan data dan juga titik terpencil secara komprehensif sebaliknya hanya menyediakan prosedur untuk mendapatkan garis penganggaran sahaja. Kajian ini bertujuan untuk membina satu kaedah alternatif bagi menyelesaikan masalah pemodelan model regresi linear untuk meningkatkan kecekapan pengiraan yang merangkumi beberapa aspek utama seperti nilai selang lebar bagi setiap koefisian yang tak bersandar. Kajian ini turut memfokuskan kepada beberapa bahagian utama berserta penambahbaikan yang terdiri daripada kaedah regresi linear berganda, kaedah regresi teguh, kaedah bootstrap dan kaedah regresi linear kabur. Kaedah-kaedah ini digabungkan dan dipertingkatkan dengan menggunakan peri sian SAS 9.3 dan diuji dengan menggunakan beberapa kajian kes berdasarkan set data insurans, set data akuakultur dan set data diabetes. Model yang terhasil menunjukkan perbezaan dalam bacaan dan hasil pengeluaran output juga tumt berbeza. Berdasarkan kesesuaian model regresi linear berganda didapati bahawa purata selang lebar adalah 6188.298, manakala kesesuaian model bagi regresi linear berganda replikasi 100, 500 dan 1000 menghasilkan purata selang lebar sebanyak 549.934, 242.785 dan 174.732. Analisis data secara kaedah regresi berganda teguh melibatkan teknik bootstrap menghasilkan purata selang lebar sebanyak 118.019, 52.995 dan 36.650. Purata selang lebar bagi analisis data secara kaedah regresi berganda teguh kabur yang melibatkan teknik bootstrap adalah sebanyak 10.430, 24.016, 10.538 dan 9.525. Berdasarkan purata selang lebar bagi keempat-empat model dapat disimpulkan bahawa dengan pelaksanaan model regresi berganda teguh kabur yang melibatkan teknik bootstrap (kaedah alternatif) menghasilkan purata selang lebar yang kecil berbanding model lain. Secara keseluruhannya dapat disimpulkan bahawa model alternatif yang dihasilkan adalah jauh lebih cekap berbanding model regresi berganda. Kajian ini dapat membantu para penyelidik untuk mengatasi masalah¬masalah yang melibatkan kaedah regresi berdasarkan SAS kod yang dihasilkan.
|
|---|