REGRESI SPLINE

WEMPY EKA SAPUTRA , NIM. 05610025 (2015) REGRESI SPLINE. Skripsi thesis, UIN Sunan Kalijaga Yogyakarta.

[img]
Preview
Text
BAB I,V, DAFTAR PUSTAKA.pdf

Download (1MB) | Preview
[img] Text
BAB II,III,IV.pdf
Restricted to Registered Academicians of UIN Sunan Kalijaga Only

Download (1MB)

Abstract

ABSTRAK Jika sebanyak n buah data observasi {(Xi,Yi)}n/i=1 diambil dari sampel, maka dapat dimodelkan hubungan dalam regresi seperti berikut Yi = amp;#956;(Xi) + amp;#949;i ,i=1,2, amp;#8230;,n. Dalam mengestimasi kurva regresi dapat didekati dengan dua pendekatan, yaitu pendekatan parametrik dan pendekatan nonparametrik. Perbedaan antara keduanya adalah pendekatan parametrik estimasinya ditentukan dari percobaan sedangkan pendekatan nonparametrik hanya ditentukan dari data. Teknik estimasi dalam regresi nonparametrik ada banyak, antara lain : estimator kernel, estimator spline, histogram, estimator deret orthogonal maupun estimator wavelet. Model nonparametrik dibangun dengan memilih ruang fungsi yang sesuai dimana fungsi regresi diyakini termasuk didalamnya, sedangkan model spline dibangun dari knot. Oleh karena itu penentukan jumlah dan posisi knot dalam regresi spline memegang peran yang sangat penting. Fungsi spline kubik yang dilengkapi dengan parameter penghalus (smoothing parameter) sering disebut dengan penghalusan spline kubik. Penghalusan spline kubik diperoleh dengan meminimumkan penalized least square/ PLS. Pemilihan parameter penghalus dalam regresi ini menjadi penting tanpa mengabaikan bias dan variansi data. Dalam memilih model spline terbaik dapat digunakan fungsi prediksi, uji CV, uji GCV, uji GML maupun uji UBR. Dari beberapa pilihan tersebut yang paling sering digunakan adalah fungsi prediksi dan uji GCV. div

Item Type: Thesis (Skripsi)
Additional Information / Pembimbing: Pembimbing: 1. Sri Utami Zuliana, M.Sc. 2. M. Farhan Qudratullah, M.Si.
Uncontrolled Keywords: Nonparametric Regression, Spline, Smoothing Spline, GCV.
Subjects: Matematika
Divisions: Fakultas Sains dan Teknologi > Matematika (S1)
Depositing User / Editor: Users 1 not found.
Date Deposited: 28 Jan 2015 06:53
Last Modified: 20 Jan 2016 03:55
URI: http://digilib.uin-suka.ac.id/id/eprint/5992

Actions (login required)

View Item View Item