ANALISIS REGRESI NONPARAMETRIK SPLINE LINEAR (Studi Kasus: Data Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia Tahun 2017)

Fitriana Nurul Hidayah, NIM. 14610038 (2019) ANALISIS REGRESI NONPARAMETRIK SPLINE LINEAR (Studi Kasus: Data Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia Tahun 2017). Skripsi thesis, UIN Sunan Kalijaga.

[img]
Preview
Text (ANALISIS REGRESI NONPARAMETRIK SPLINE LINEAR (Studi Kasus: Data Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia Tahun 2017))
14610038_BAB I_BAB TERAKHIR_DAFTAR PUSTAKA.pdf - Published Version

Download (3MB) | Preview
[img] Text (ANALISIS REGRESI NONPARAMETRIK SPLINE LINEAR (Studi Kasus: Data Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia Tahun 2017))
14610038_BAB II_s.d._SEBELUM BAB TERAKHIR.pdf - Published Version
Restricted to Registered users only

Download (6MB)

Abstract

Terdapat dua pendekatan yang dapat digunakan untuk mengestimasi model regresi, yaitu pendekatan parametrik dan pendekatan nonparametrik. Pendekatan regresi parametrik harus memenuhi empat asumsi klasik, yakni normal, tidak autokorelasi, homoskedastisitas dan tidak multikolinearitas. Jika salah satu dari keempat asumsi tidak terpenuhi, maka dapat digunakan alternatif dengan menggunakan regresi nonparametrik. Regresi nonparametrik memiliki tingkat fleksibilitas yang tinggi karena tidak ketat terhadap asumsi dalam analisis regresi. Salah satu model regresi yang sering digunakan pada pendekatan nonparametrik adalah regresi Spline. Dalam penelitian ini digunakan metode regresi spline linear yang menggunakan orde 2. Studi kasus pada penelitian ini diterapkan pada data indeks pembangunan manusia di 34 provinsi di Indonesia. Model terbaik Spline sangat bergantung pada penentuan titik knot optimal. Model Spline dengan titik knot optimal adalah yang memiliki nilai GCV minimum. Model regresi Spline terbaik ditentukan dengan menggunakan metode Mean Square Error (MSE) dan metode Generalized Cross Validation (GCV). Hasil studi kasus menghasilkan model terbaik dengan menggunakan orde dua dengan satu titik knot lebih baik daripada dengan dua titik knot. Hal ini dapat dilihat dari nilai GCV yang paling minimum yaitu 5.6712 dan nilai MSE yang minimum yaitu 0.0081. Hasil studi kasus juga menunjukkan bahwa model regresi spline linear lebih baik daripada model regresi linear, yang dapat dilihat dari koefisien determinasi dari regresi spline linear yang lebih besar yaitu 0.9995 dan nilai MSE yang minimum yaitu 0.0081. Kata kunci: regresi nonparametrik, Spline, knot, nilai GCV, nilai MSE.

Item Type: Thesis (Skripsi)
Additional Information: Dr. Epha Diana Supandi, M.Sc.
Uncontrolled Keywords: regresi nonparametrik, Spline, knot, nilai GCV, nilai MSE.
Subjects: Matematika
Divisions: Fakultas Sains dan Teknologi > Matematika (S1)
Depositing User: Sugeng Hariyanto, SIP (sugeng.hariyanto@uin-suka.ac.id)
Date Deposited: 24 Apr 2019 14:32
Last Modified: 24 Apr 2019 14:32
URI: http://digilib.uin-suka.ac.id/id/eprint/34789

Share this knowledge with your friends :

Actions (login required)

View Item View Item
Chat Kak Imum