Cover Image

Perbandingan Metode Pendugaan Kurva Regresi Nonparametrik Smoothing Spline Pls Dan Pwls Pada Berbagai Tingkat Autokorelasi Untuk Data Longitudinal

Main Author: Triardianto, YuliAndika
Format: Thesis NonPeerReviewed
Terbitan: , 2017
Subjects:
510 Mathematics
Online Access: http://repository.ub.ac.id/155195/
ctrlnum 155195
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/155195/</relation><title>Perbandingan Metode Pendugaan Kurva Regresi Nonparametrik Smoothing Spline Pls Dan Pwls Pada Berbagai Tingkat Autokorelasi Untuk Data Longitudinal</title><creator>Triardianto, YuliAndika</creator><subject>510 Mathematics</subject><description>Dalam metode statistika, pola hubungan respon Y dengan prediktor X dapat diketahui menggunakan analisis regresi. Pola hubungan respon Y dan prediktor X dapat diketahui menggunakan dua pendekatan, yaitu pendekatan parametrik dan pendekatan nonparametrik. Apabila asumsi tersebut tidak terpenuhi maka pendekatan nonparametrik dapat digunakan sebagai alternatif di mana bentuk kurva f belum atau tidak diketahui. Salah satu kelebihan dari regresi nonparametrik adalah sangat fleksibel karena bentuk kurva yang diestimasi menyesuaikan dengan pola data, sedangkan pada regresi parametrik data yang menyesuaikan bentuk kurva yang telah diketahui. Regresi nonparametrik dapat didekati menggunakan spline pada data longitudinal. Pada data longitudinal sering terjadi autokorelasi antar pengamatan dalam subjek yang sama dikarenakan adanya perbedaan waktu pengamatan. Tujuan penelitian adalah menerapkan dan mencari nilai autokorelasi optimal yang dapat digunakan pada regresi nonparametrik smoothing spline untuk data longitudinal. Penelitian menggunakan data simulasi yang telah di desain memiliki sifat nonlinier. Dilakukan perbandingan antara model yang mengakomodir adanya autokorelasi dan tidak. Hasil dari penelitian didapatkan bahwa tingkat autokorelasi optimal berada pada tingkat autokorelasi &amp;gt; 0,5. Apabila suatu data memiliki nilai autokorelasi &#x2264; 0,5 maka analisis dapat menggunakan regresi nonparametrik tanpa mempertimbangkan pembobot atau Penalized Least Square (PLS).</description><date>2017-01-30</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Triardianto, YuliAndika (2017) Perbandingan Metode Pendugaan Kurva Regresi Nonparametrik Smoothing Spline Pls Dan Pwls Pada Berbagai Tingkat Autokorelasi Untuk Data Longitudinal. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2017/151/051701774</relation><recordID>155195</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Triardianto, YuliAndika
title Perbandingan Metode Pendugaan Kurva Regresi Nonparametrik Smoothing Spline Pls Dan Pwls Pada Berbagai Tingkat Autokorelasi Untuk Data Longitudinal
publishDate 2017
topic 510 Mathematics
url http://repository.ub.ac.id/155195/
contents Dalam metode statistika, pola hubungan respon Y dengan prediktor X dapat diketahui menggunakan analisis regresi. Pola hubungan respon Y dan prediktor X dapat diketahui menggunakan dua pendekatan, yaitu pendekatan parametrik dan pendekatan nonparametrik. Apabila asumsi tersebut tidak terpenuhi maka pendekatan nonparametrik dapat digunakan sebagai alternatif di mana bentuk kurva f belum atau tidak diketahui. Salah satu kelebihan dari regresi nonparametrik adalah sangat fleksibel karena bentuk kurva yang diestimasi menyesuaikan dengan pola data, sedangkan pada regresi parametrik data yang menyesuaikan bentuk kurva yang telah diketahui. Regresi nonparametrik dapat didekati menggunakan spline pada data longitudinal. Pada data longitudinal sering terjadi autokorelasi antar pengamatan dalam subjek yang sama dikarenakan adanya perbedaan waktu pengamatan. Tujuan penelitian adalah menerapkan dan mencari nilai autokorelasi optimal yang dapat digunakan pada regresi nonparametrik smoothing spline untuk data longitudinal. Penelitian menggunakan data simulasi yang telah di desain memiliki sifat nonlinier. Dilakukan perbandingan antara model yang mengakomodir adanya autokorelasi dan tidak. Hasil dari penelitian didapatkan bahwa tingkat autokorelasi optimal berada pada tingkat autokorelasi &gt; 0,5. Apabila suatu data memiliki nilai autokorelasi ≤ 0,5 maka analisis dapat menggunakan regresi nonparametrik tanpa mempertimbangkan pembobot atau Penalized Least Square (PLS).
id IOS4666.155195
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:55:27Z
last_indexed 2021-10-28T07:41:21Z
recordtype dc
_version_ 1751454410733518848
score 17.538404

Lihat Juga