PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

A’yun Nafsi Utami, NIM. 16610020 (2021) PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS). Skripsi thesis, FAKULTAS SAINS DAN TEKNOLOGI.

Preview	Text (PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)) 16610020_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (1MB) | Preview
	Text (PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)) 16610020_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (1MB)

Abstract

Regresi nonparametrik adalah salah satu metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel respon dan variabel prediktor yang tidak diketahui bentuk fungsinya dan pola menyebar maka kurva regresi dapat diduga. Multivariate Adaptive Regression Spline (MARS) adalah salah satu metode analisis regresi nonparametrik yang digunakan untuk mengatasi permasalahan data yang berdimensi tinggi yaitu data yang memiliki jumlah variabel prediktor sebesar 3 ≤ p ≤ 20 dan data sampel yang berukuran 50 ≤ n ≤ 1000. Pada penelitian ini, penulis akan meneliti mengenai pemodelan Multivariate Adaptive Regression Spline (MARS) pada kasus diare di Provinsi Jawa Tengah- Jawa Barat tahun 2019. Untuk memilih model MARS terbaik, pada penelitian ini menggunakan nilai Generalized Cross Validation (GCV) terkecil atau minimum yang dihasilkan tiap model kombinasi dari minimum observasi (MO), basis function (BF) dan Interaksi (MI). Hasil analisis MARS pada kasus jumlah kasus diare pada balita di Jawa Tengah-Jawa Barat menghasilkan model terbaik dengan bentuk persamaan: 1 2 3 4 Yˆ  0,62369691,011132*BF 1,308728*BF 0,2991534*BF 0,5829459*BF

Share this knowledge with your friends :

Actions (login required)

View Item