Estimator Regresi Nonparametrik Deret Fourier Multivariabel Untuk Data Kategori

Zulfadhli, Muhammad (2025) Estimator Regresi Nonparametrik Deret Fourier Multivariabel Untuk Data Kategori. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003231019-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (2MB) | Request a copy

Abstract

Dalam beberapa tahun terakhir estimator Deret Fourier dalam regresi nonparametrik untuk data kuantitatif banyak mendapat perhatian para peneliti. Akan tetapi pada realitanya, sering ditemukan hubungan respon dan prediktor dimana responnya berupa data kategori. Beberapa metode yang berkembang saat ini untuk menyelesaikan kasus data respon kualitatif hanya menggunakan beberapa pendekatan tertentu saja. Belum ada estimator Deret Fourier yang mampu menangani data respon berupa kategori. Penelitian ini memperkenalkan metode baru yang menggunakan variabel respon variabel dalam bentuk data kategorik. Dalam penelitian ini dikembangkan estimator regresi nonparametrik Deret Fourier multivariabel dengan variabel respon yang berupa data kategori. Metode penelitian yang digunakan adalah studi literatur dan studi teoritis. Untuk mengaplikasikan metode ini, penulis menggunakan data status daerah tertinggal di KTI berdasarkan Peraturan Presiden No. 63 Tahun 2020. Dimana, status daerah tertinggal terbagi atas 2 kategori, yaitu daerah tidak tertinggal dan daerah tertinggal. Hasil yang diperoleh menunjukkan bahwa regresi nonparametrik Deret Fourier memberikan hasil estimasi dan akurasi yang lebih baik untuk aplikasi data, karena nilai deviance yang kecil dan nilai AUC dan Press'Q yang lebih besar.
===================================================================================================================================
In recent years, Fourier Series estimators in nonparametric regression for quantitative data have received significant attention. However, in reality, there is often a relationship between response and predictor, where the response is categorical data. Some methods developed today to address the case of qualitative response data use only certain approaches. No Fourier Series estimator can handle categorical response data. This paper introduces a new method that uses response variable in the form of categorical data. This study aimed to develop a multivariable Fourier Series nonparametric regression estimator for categorical data. The research methods used are literature and theoretical studies. To apply this method, we used data on the status of regional backwardness in KTI based on Presidential Regulation No. 63 of 2020. Where, the status of regional backwardness is divided into 2 categories, namely non-underdeveloped regions and underdeveloped regions. The results obtained indicate that the nonparametric regression of the Fourier Series provides significantly better estimation results and accuracy for data applications, due to the small deviance value and larger AUC and Press’Q values.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Categorical data, Fourier Series, Nonparametric regression Data Kategori, Deret Fourier, Regresi Nonparametrik.
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA404 Fourier series
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Muhammad Zulfadhli
Date Deposited:	25 Jan 2025 22:06
Last Modified:	25 Jan 2025 22:06
URI:	http://repository.its.ac.id/id/eprint/116859

Actions (login required)

View Item