Estimasi Interval Parameter Model Regresi Semiparametrik Deret Fourier (Studi Kasus Data Produksi Padi)

Yunita, Hastika Chandra (2024) Estimasi Interval Parameter Model Regresi Semiparametrik Deret Fourier (Studi Kasus Data Produksi Padi). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003221006-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (1MB) | Request a copy

Abstract

Analisis regresi adalah salah satu analisis dalam statistika yang digunakan untuk menyelidiki pola hubungan antara variabel respon dan variabel prediktor. Jika bentuk kurva regresi terdiri dari komponen parametrik yang diketahui pola hubungannya dan komponen nonparametrik yang tidak diketahui pola hubungannya, maka dilakukan pendekatan dengan regresi semiparametrik. Apabila data yang diselidiki polanya tidak diketahui dan ada kecenderungan pola berulang umumnya digunakan estimator Deret Fourier. Salah satu bagian penting dalam statistika inferensia adalah estimasi interval (interval konfidensi). Selama ini pengembangan Regresi Semiparametrik Deret Fourier (RSDF), masih berfokus pada proses untuk mendapatkan estimator model, masih belum banyak penelitian yang mengkaji inferensi statistik seperti pengujian hipotesis dan interval konfidensi untuk parameter model. Fokus penelitian ini adalah mendapatkan estimasi interval untuk parameter model RSDF. Konstruksi interval konfidensi dilakukan dengan metode Pivotal Quantity. Selanjutnya estimasi interval diaplikasikan pada data produksi beras di Provinsi Bali tahun 2015. Model Deret Fourier dalam regresi semiparametrik yang memiliki nilai GCV terkecil 2,49 melibatkan variabel luas panen yang didekati dengan fungsi linier, curah hujan dan kecepatan angin keduanya didekati dengan Deret Fourier. Penerapan estimasi interval untuk parameter model regresi semiparametrik Deret Fourier pada data produksi padi diperoleh hasil bahwa luas panen, curah hujan, dan kecepatan angin berpengaruh secara signifikan terhadap produksi padi di Provinsi Bali.
===================================================================================================================================
Regression analysis is one of the statistical analysis that used to explain the relationship between response variables and predictor variables. When the shape of regression curve consists of a known pattern of parametric components and an unknown pattern of nonparametric components, then a semiparametric regression approach is employed. When the data investigated patterns are not known and there is a tendency of repeating patterns, the Fourier Series estimator is commonly used. Interval estimation (confidence intervals) is one of the important problems in statistical inference of regression. Research using Fourier Series in Semiparametric Regression (FSSR) has been carried a lot, but most of the study only focus on the process of obtaining the model estimators. There has been limited research on statistical inference aspects such as hypothesis testing and confidence intervals for model parameters. This research aims to obtain the interval estimates for the FSSR model parameters. The construction of confidence intervals is carried out using the Pivotal Quantity method. Subsequently, the interval estimates are applied to rice production data in Bali Province for the year 2015. The Fourier Series in Semiparametric Regression which has the smallest GCV value 2,49 involves the variable harvested land being approximated with a linear function, rainfall and wind speed are both approximated by the Fourier Series function. Determination of predictor variables that significantly influences rice production using interval estimation obtained harvested land, rainfall, and wind speed have significantly influenced to rice production in Bali Province.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Fourier Series, Interval Estimation, Rice Production, Semiparametric Regression; Deret Fourier, Estimasi Interval, Produksi Padi, Regresi Semiparametrik
Subjects:	H Social Sciences > HA Statistics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Hastika Chandra Yunita
Date Deposited:	06 Feb 2024 06:18
Last Modified:	06 Feb 2024 06:18
URI:	http://repository.its.ac.id/id/eprint/106293

Actions (login required)

View Item