Samtigar, Pulung Unggul (2017) Perbandingan Penggunaan Pembobot Untuk Mengakomodasi Korelasi Antar Respon Dalam Regresi Nonparametrik Birespon Truncated Spline. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi merupakan suatu metode statistika yang dapat digunakan untuk menggambarkan hubungan fungsional antara variabel respon dan variabel prediktor. Analisis regresi mampu meramalkan nilai variabel respon dengan nilai variabel prediktor yang telah diketahui. Analisis regresi terbagi menjadi tiga pendekatan yaitu parametrik, semiparametrik, dan nonparametrik berdasarkan pada bentuk estimasi kurva yang akan didapat. Pada regresi parametrik kurva dapat berbentuk linier, kuadratik, atau kubik. Namun, Pada regresi nonparametrik bentuk kurva belum diketahui. Regresi nonparametrik mengatasi kesulitan yang melekat pada regresi parametrik yaitu bentuk fungsional harus diketahui. Regresi nonparametrik memiliki fleksibilitas tinggi dalam melakukan estimasi bentuk kurva regresi. Ada beberapa pendekatan regresi nonparametrik yaitu spline, kernel, polinomial, MARS dan Wavelet. Diantara model-model regresi nonparametrik, spline merupakan salah satu model yang mempunyai interpretasi visual sangat khusus dan baik. Pendekatan spline baik untuk regresi nonparametrik karena memiliki fleksibilitas yang tinggi dan mampu menangani pola hubungan data yang perilakunya berubah-ubah pada setiap interval tertentu. Tujuan penelitian adalah menerapkan dan mencari nilai korelasi optimal yang dapat digunakan pada regresi nonparametrik truncated spline pada data birespon. Penelitian menggunakan data simulasi yang telah di desain memiliki sifat nonlinier. Dilakukan perbandingan antara model yang mengakomodir adanya korelasi dan tidak. Hasil dari penelitian didapatkan bahwa tingkat korelasi optimal berada pada tingkat korelasi > 0,3. Apabila suatu data memiliki nilai korelasi ≤ 0,3 maka analisis dapat menggunakan regresi nonparametrik tanpa mempertimbangkan korelasi atau Ordinary Least Square (OLS).
English Abstract
Regression analysis is a statistical method that can be used to describe the functional relationship between response variables and predictor variables. Regression analysis is able to predict the value of response variables with known predictor variable values. Regression analysis is divided into three approaches, namely parametric, semiparametrik, and nonparametrik based on the estimated curve to be obtained. In parametric regression the curve can be linear, quadratic, or cubic. However, the nonparametric regression of curve form is not yet known. Nonparametric regression overcomes the inherent difficulty of parametric regression ie the functional form must be known. Nonparametric regression has a high flexibility in estimating the shape of the regression curve. There are several nonparametric regression approaches namely spline, kernel, polynomial, MARS and Wavelet. Among nonparametric regression models, spline is one model that has very special and good visual interpretation. The spline approach is good for nonparametric regression because it has a high flexibility and is able to handle patterns of data relationships whose behavior changes at any given interval. The objective of the research is to apply and find the optimal correlation value that can be used in non-trametric spline regression in birespon data. The study using simulated data that has been designed has nonlinear properties. Comparison between models that accommodate the correlation and not. The result of the research shows that the optimal correlation level is at correlation level> 0,3. If a data has a correlation value of ≤ 0.3 then the analysis can use nonparametric regression without considering the correlation or Ordinary Least Square (OLS).
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FMIPA/2017/400/051709740 |
| Uncontrolled Keywords: | Korelasi, Birespon, Data Simulasi, Regresi Nonparametrik, Truncated Spline. |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 17 Oct 2017 01:12 |
| Last Modified: | 10 Oct 2020 07:52 |
| URI: | http://repository.ub.ac.id/id/eprint/3746 |
Actions (login required)
 |
View Item |