Perbandingan Penggunaan Pembobot Untuk Mengakomodasi Korelasi Antar Respon Dalam Regresi Nonparametrik Birespon Truncated Spline
| Main Author: | Samtigar, Pulung Unggul |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/3746/ |
Daftar Isi:
- 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).