PENENTUAN MODEL REGRESI NONPARAMETRIK SPLINE PADA DATA PERTUMBUHAN BALITA DI DESA NANIA PROVINSI MALUKU TAHUN 2013-2014

  • F. Y. Rumlawang Jurusan Matematika FMIPA Universitas Pattimura
  • S. N. Aulele Jurusan Matematika FMIPA Universitas Pattimura
  • N. Kasim Jurusan Matematika FMIPA Universitas Pattimura
Keywords: Regresi Nonparametrik, Spline, Titik Knot, GCV.

Abstract

Regresi spline merupakan salah satu model dengan pendekatan nonparametrik, yang merupakan modifikasi dari fungsi polinomial tersegmen. Bentuk estimator spline sangat dipengaruhi oleh nilai parameter penghalus 𝜆 yang pada hakekatnya adalah penentuan lokasi titik-titik knot. Penentuan lokasi titik knot optimal merupakan persoalan yang sangat penting dalam estimasi regresi spline. Data yang digunakan dalam penelitian ini adalah data tentang berat badan balita di Desa Nania tahun 2013 sampai tahun 2014. Penelitian ini diperoleh titik knot yang optimal yaitu 6 dan 42. Nilai GCV yang diperoleh dari model regresi spline kubik optimal yaitu sebesar 0,0021643. Model spline kubik yang terbentuk yaitu: 𝑓̂(𝑥) = 3,615333 + 0,675711𝑥 − 0,01848𝑥2 + 0,000204𝑥3 + 0,42987(𝑥 − 6)3 − 0,19933(𝑥 − 42)3.

Downloads

Download data is not yet available.

References

[1] Wand, M. P, “Smoothing and mixed models,” a journal of smoothing methods, 2002.
[2] Eubank, R. L, “Spline Smoothing And Nonparametric Regression,” 1998.
[3] Budiantara, I. N, “Penentuan Titik-Titik Knots dalam Regresi Spline,” Jurnal Jurusan Statistika FMIPA-ITS, 2005.
[4] Hardle, W, “Applied Nonparametric Regression,” Cambridge University Prees, 1990.
[5] Tripena, Agustini, “Penentuan Model Regresi Spline Terbaik,” Jurnal Program Studi Matematika FMIPA dan Teknik Jendral Soedirman, 2011.
[6] Gujarati, D, “Basic Econometric,” 2004
Published
2018-05-16
How to Cite
[1]
F. Rumlawang, S. Aulele, and N. Kasim, “PENENTUAN MODEL REGRESI NONPARAMETRIK SPLINE PADA DATA PERTUMBUHAN BALITA DI DESA NANIA PROVINSI MALUKU TAHUN 2013-2014”, BAREKENG, vol. 12, no. 1, pp. 27-32, May 2018.