%A NIM.: 16610009 Sriyanti Mustika Ningrum
%O Pembimbing : Mohammad Farhan Qudratullah, M.Si
%T ESTIMATOR KERNEL GAUSSIAN, KERNEL EPANECHNIKOV DAN KERNEL KUARTIK DALAM MODEL REGRESI SEMIPARAMETRIK
%X Analisis regresi merupakan salah satu metode dalam statistika untuk
mengetahui hubungan antara variabel independen dengan variabel dependen. Pada
analisis regresi terdapat tiga macam pendekatan, yaitu parametrik, nonparametrik,
dan semiparametrik. Pendekatan parametrik merupakan pendekatan dengan
variabel data yang diketahui bentuk polanya. Pendekatan nonparametrik
merupakan pendekatan dengan variabel data dengan kurva smooth yang tidak
diketahui polanya, sehingga data tersebut akan mencari bentuk polanya sendiri.
Sedangkan pendekatan semiparametrik merupakan gabungan dari pendekatan
parametrik dan pendekatan nonparametrik. Estimasi kurva sangat bergantung
pada perilaku data, sehingga diperlukan teknik smoothing. Salah satu teknik
smoothing yang dapat digunakan dalam penelitian adalah kernel.
Pada penelitian ini, penulis membahas salah satu estimator kernel yaitu
estimator Priestley-Chao yang akan mengestimasi tiga fungsi kernel yaitu fungsi
kernel gaussian, fungsi kernel epanechnikov dan fungsi kernel kuartik.
Selanjutnya ketiga fungsi kernel yang diestimasi tersebut digunakan untuk
menganalisis data simulasi yang dibangkitkan dari software R dengan
  1 x ~ N 0,4 ,   2 x ~ U 1,1 dengan
 ~ N 0,1 .
Hasil analisis yang diperoleh menunjukkan bahwa nilai MSE untuk fungsi
kernel gaussian sebesar 179,1222 untuk fungsi kernel epanechnikov sebesar
74,5913 dan fungsi kernel kuartik sebesar 76,6575 Pada simulasi ini dapat
disimpulkan bahwa pada data simulasi yang dianalisis penulis menunjukan bahwa
estimasi regresi kernel epanechnikov lebih baik daripada estimasi regresi kernel
gaussian dan estimasi regresi kernel kuartik.
%K Kernel Epanechnikov, Kernel Gaussian, Kernel Kuartik,
Priestley-Chao, Regresi Semiparametrik
%D 2020
%I UIN SUNAN KALIJAGA YOGYAKARTA
%L digilib44021