Pemodelan Regresi Nonparametrik Multirespon dengan Estimator Campuran Spline Truncated dan Kernel (Studi tentang Indikator Kemiskinan di Nusa Tenggara)

Aswadi, Aris (2025) Pemodelan Regresi Nonparametrik Multirespon dengan Estimator Campuran Spline Truncated dan Kernel (Studi tentang Indikator Kemiskinan di Nusa Tenggara). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003231004-Master_Thesis.pdf Restricted to Repository staff only until 1 April 2027. Download (7MB) | Request a copy

Abstract

Analisis regresi adalah metode statistika yang digunakan untuk mengidentifikasi pola hubungan antara satu atau lebih variabel. Dalam analisis ini, terdapat dua jenis variabel yaitu variabel respon dan variabel prediktor. Tiga jenis regresi yang sering dikembangkan oleh peneliti adalah regresi parametrik, nonparametrik, dan semiparametrik. Regresi parametrik digunakan ketika bentuk pola kurva regresi diketahui, regresi nonparametrik digunakan ketika bentuk pola kurva tidak diketahui, dan regresi semiparametrik digunakan ketika sebagian bentuk pola kurva diketahui dan sebagian lagi tidak diketahui. Pola yang dimaksud dapat berupa linear, polinomial, eksponensial, atau lainnya. Pada kasus di mana bentuk kurva regresi tidak diketahui, pendekatan regresi nonparametrik lebih direkomendasikan. Penelitian ini bertujuan untuk mengkasi estimasi model regresi nonparametrik multirespon dengan estimator campuran spline truncated dan kernel. Model yang diperoleh diaplikasikan pada Indikator Kemiskinan di 22 kabupaten/kota di Nusa Tenggara Barat (NTB) dan Nusa Tenggara Timur (NTT). Penelitian ini menggunakan Persentase Penduduk Miskin, Indeks Kedalaman Kemiskinan, dan Indeks Keparahan Kemiskinan sebagai variabel komposit respon untuk mengukur Indikator Kemiskinan di NTB dan NTT. Variabel prediktor yang digunakan adalah Indeks Pembangunan Manusia, Tingkat Pengangguran Terbuka, dan laju PDRB per kapita. Metode estimasi yang digunakan pada penelitian ini adalah Weighted Least Square (WLS). Penelitian ini menunjukkan bahwa model regresi nonparametrik multirespon dengan estimator campuran spline truncated dan kernel dapat diestimasi dengan metode WLS. Model regresi nonparametrik multirespon dengan estimator campuran spline truncated dan kernel dapat digunakan untuk memodelkan Indikator Kemiskinan di Nusa Tenggara Barat dan Nusa Tenggara Timur. Selain itu, diperoleh bahwa variabel prediktor yang didekatkan dengan fungsi spline truncated adalah variabel Indeks Pembangunan Manusia, dan variabel prediktor yang didekatkan dengan fungsi kernel adalah variabel Tingkat Pengangguran Terbuka dan laju PDRB perkapita. Berdasarkan nilai GCV terkecil, diperoleh model terbaik yaitu model dengan satu titik knot dan dua bandwidth, dengan R^2 sebesar 89,86%.
==================================================================================================================================
Regression analysis is a statistical method used to identify the relationship patterns between one or more variables. In this analysis, there are two types of variables: response variables and predictor variables. Three types of regression often developed by researchers are parametric regression, nonparametric regression, and semiparametric regression. Parametric regression is used when the shape of the regression curve is known, nonparametric regression is used when the shape of the regression curve is unknown, and semiparametric regression is used when the shape of the regression curve is partially known and partially unknown. The patterns can be linear, polynomial, exponential, or others. In cases where the shape of the regression curve is unknown, the nonparametric regression approach is recommended. This study aims to estimate a multiresponse nonparametric regression model with a mixed spline truncated and kernel estimator. The model obtained is applied to Poverty Indicators in 22 districts/cities in West Nusa Tenggara (NTB) and East Nusa Tenggara (NTT). This study uses the Percentage of Poor People, Poverty Depth Index, and Poverty Severity Index as composite response variables to measure Poverty Indicators in NTB and NTT. The predictor variables used are the Human Development Index, the Open Unemployment Rate, and the rate of GRDP per capita. The estimation method used in this research is Weighted Least Square (WLS). This study shows that the multiresponse nonparametric regression model with a mixed spline truncated and kernel estimator can be estimated by the WLS method. The multiresponse nonparametric regression model with a mixture of truncated spline and kernel estimators can be used to model Poverty Indicators in West Nusa Tenggara and East Nusa Tenggara. In addition, it was found that the predictor variable closest to the truncated spline function was the Human Development Index variable, and the predictor variables closest to the kernel function were the Open Unemployment Rate variable and the GRDP per capita rate. Based on the smallest GCV value, the best model is the model with a one-knot point and two bandwidths, with

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Analisis Regresi, Regresi Nonparametrik, Kemiskinan, Spline Truncated, Kernel, Weighted Least Square
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Aris Aswadi
Date Deposited:	03 Feb 2025 01:42
Last Modified:	03 Feb 2025 01:42
URI:	http://repository.its.ac.id/id/eprint/117729

Actions (login required)

View Item