Perbandingan penduga parameter maximum likelihood dan Bayesian Markov Chain Monte Carlo (MCMC) pada model regresi logistik multilevel dengan peubah respon biner

Analisis regresi adalah metode untuk menganalisis hubungan dan pengaruh peubah prediktor terhadap peubah respon, dan dapat digunakan apabila peubah respon bersifat biner (model regresi logistik multilevel). Penggunaan model multilevel pada beberapa kasus, disebabkan adanya dugaan awal bahwa terdapat keragaman nilai yang besar antar level. Metode pendugaan parameter dalam model regresi logistik multilevel pada penelitian ini adalah Maximum Likelihood Estimator (MLE) dan Bayesian Markov Chain Monte Carlo (MCMC). Dua data digunakan pada penelitian ini: pertama data tentang bakat anak-anak TK/RA Desa Maron pada Tahun 2009 yang kemungkinan dipengaruhi oleh empat (4) peubah prediktor dan data kedua tentang akreditasi SMK di Jawa Timur pada Tahun 2006 yang kemungkinan dipengaruhi oleh delapan (8) peubah prediktor. Berdasarkan kriteria kebaikan model, DIC, diperoleh hasil bahwa nilai DIC dari metode MLE lebih kecil daripada nilai DIC dari Bayesian MCMC, artinya metode pendugaan MLE lebih baik daripada Bayesian MCMC. Hal ini berlaku pada kedua data