ANALISIS REGRESI KERNEL DENGAN ESTIMATOR NADARAYA-WATSON

Rani Handayani, NIM. 15610013 (2019) ANALISIS REGRESI KERNEL DENGAN ESTIMATOR NADARAYA-WATSON. Skripsi thesis, UIN SUNAN KALIJAGA.

Preview	Text (ANALISIS REGRESI KERNEL DENGAN ESTIMATOR NADARAYA-WATSON) 15610013_BAB-I-VI_DAFTAR-PUSTAKA.pdf - Published Version Download (3MB) | Preview
	Text (ANALISIS REGRESI KERNEL DENGAN ESTIMATOR NADARAYA-WATSON) 15610013_BAB-II_sampai_BAB-V.pdf - Published Version Restricted to Registered users only Download (8MB)

Abstract

Regresi linear adalah metode statistika yang digunakan untuk membentuk model hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas (independen; prediktor; X). Dalam analisis regresi terdapat dua pendekatan yaitu pendekatan parametrik dan pendekatan nonparametrik. Dalam regresi nonparametrik, untuk mengestimasi sebaran data digunakan teknik smoothing, salah satunya yaitu estimator kernel yang telah di definisikan oleh Nadaraya dan Watson pada tahun 1964 sehingga disebut juga estimator kernel Nadaraya-Watson. Penelitian ini bertujuan untuk melihat pendekatan estimator kernel dalam regresi nonparametrik pada data sekunder yakni jumlah tamu (Indonesia dan Asing) dan jumlah hotel bintang di Indonesia yang di data menurut provinsi tahun 2016. Adapun fungsi kernel yang digunakan yakni fungsi kernel Gaussian dan fungsi kernel kuartik. Dalam analisis tersebut membutuhkan satu komponen penting yakni bandwidth optimal yang sangat mempengaruhi hasil estimasi kurva regresi. Penentuan bandwidth optimum diperoleh dengan bantuan software MATLAB berdasarkan kriteria Generalized Cross Validation (GCV) minimum. Selain itu software MATLAB juga digunakan untuk memperoleh nilai Mean Square Error (MSE) sebagai tolak ukur ketepatan estimator yang digunakan. Hasil analisis menunjukkan bahwa nilai bandwidth optimum untuk regresi kernel Gaussian adalah 0,01 dengan MSE sebesar 4,6581 x 10-4 dan untuk regresi kernel Kuartik adalah 0,01 dengan MSE sebesar 9,8888. Berdasarkan hal tersebut diperoleh bahwa regresi kernel Gaussian menghasilkan Mean Square Error (MSE) terkecil dan dapat disimpulkan bahwa estimator kernel Gaussian menghasilkan model yang lebih baik daripada regresi kernel Kuartik. Kata Kunci : Bandwidth, Estimator Nadaraya Watson, Fungsi kernel Gaussian, Fungsi kernel Kuartik, Regresi Nonparametrik Kernel.

Share this knowledge with your friends :

Actions (login required)

View Item