Wicaksono,ArifNugroho (2012) Perbandingan Pendugaan Model Regresi Nonparametrik Pada Data Longitudinal Berdasarkan Penduga Nadaraya-Watson Dan Lokal Linier. Sarjana thesis, Universitas Brawijaya.
Abstract
Data longitudinal merupakan hasil pengukuran berulang selama selang waktu tertentu pada sejumlah individu. Analisis data longitudinal secara nonparametrik dapat dilakukan dengan menggunakan beberapa metode penduga, di antaranya adalah penduga Nadaraya-Watson dan Lokal Linier. Tujuan penelitian ini adalah menduga model regresi nonparametrik menggunakan penduga Nadaraya-Watson dan Lokal Linier. Data yang digunakan yaitu data pertumbuhan panjang lobster air tawar dan data berat badan bayi. Pemilihan parameter penghalus / bandwidth (h) optimal menggunakan kriteria nilai Generalized Cross Validation (GCV) minimum. Penduga yang lebih baik diperoleh dari penduga yang menghasilkan nilai R2 adj terbesar. Hasil pengujian data pertumbuhan panjang lobster air tawar dengan menggunakan penduga Nadaraya-Watson diperoleh bandwidth optimal sebesar h =0,56 dengan nilai GCV=0,037264, R2 adj yang didapat sebesar 86,6% dan dengan menggunakan penduga Lokal Linier diperoleh bandwidth optimal sebesar h =1,12 dengan nilai GCV=0,031703178, R2 adj yang didapat sebesar 99,2%. Hasil pengujian data pertumbuhan berat badan bayi dengan menggunakan penduga Nadaraya-Watson diperoleh bandwidth optimal sebesar h=1,27 dengan nilai GCV=0,52691969, R2 adj yang didapat sebesar 12,8% dan dengan menggunakan penduga Lokal Linier diperoleh bandwidth optimal sebesar h =1,77 dengan nilai GCV=0,51722879, R2 adj yang didapat sebesar 21,3%
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2012/165/051202116 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 23 Jul 2012 09:56 |
| Last Modified: | 22 Oct 2021 18:17 |
| URI: | http://repository.ub.ac.id/id/eprint/153001 |
Preview |
Text
051202116.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |