Pemilihan Bandwidth Untuk Regresi Nonparametrik Kernel Dengan Metode Rule Of Thumb, Shibata Dan Cross Validation

Hafiyusholeh, Moh (2006) Pemilihan Bandwidth Untuk Regresi Nonparametrik Kernel Dengan Metode Rule Of Thumb, Shibata Dan Cross Validation. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1304201019-Master-Thesis.pdf - Published Version

Download (7MB) | Preview

Abstract

The choice of bandwidth is crucial in the nonparametric estimation procedure. When bandwidth is too small, the resulting curve is too under smoothing. When bandwidth is too large, the resulting curve is over smoothing. In this research we study three existing bandwidth selectors for nonparametric kernel regression. The first method is based on Mean Squared Error estimate. With penalize Shibata and leave-one-out estimate, bias term of Mean Square Error cancel asymptotically. The other method is based on Q= E[rn11 (x)-m(x)f by combining bias and variance and then derive it to h, we obtained Rule of Thumb bandwidth selector hliOT. With illustrate three methods to the data we examine represent the voltage drops in the battery of a guided missile motor during its flight (Eubank, 1988). We obtained hopt Shibata 0.9500, huor 0,3402 and hopr Cross Validation 0,3050. The value of MSE and R2 is 0,0137 and 0,9978 for Cross Validation, 0,0617 and 0, 9898 for Rule of Thumb and 0,0727, 0,9878 for Shibata. ============================================================ Pemilihan bandwidth dalam estimasi nonparametrik merupakan sesuatu yang sangat krusial, jika ditetapkan bandwidth yang terlalu kecil, maka akan berakibat estimasi kurva regresi undersmoothing. Begitu juga sebaliknya jika ditetapkan bandwidth yang terlalu besar, maka akan menyebabkan estimasi kurva oversmoothing. Dalam penelitian ini kita mengkaji tiga metode pemilihan bandwidth untuk regresi nonparametrik kernel . Metode pertama berdasar pada estimasi Mean Square Error. Dengan menetapkan penalize Shibata dan leave-one-out estimate, maka bias dari Mean Square Error (MSE) akan terhapuskan. Metode lain berdasar pada Q=E[mh(x)-m(x)]2 dengan mengkombinasikan antara bias dan varians dan menurunkannya terhadap h didapatkan bandwidth Rule ofThumb hum . Dengan menerapkan ketiga metode tersebut ke dalam data penurunan voltage baterai dari motor peluru kendali selama waktu penerbangan (Eubank, 1988) diperoleh hopr Shibata sebesar 0.9500, Rule ofThumb sebesar 0,8170 dan Cross Validation sebesar 0,3050. Nilai MSE dan R2 masing-masing metode sebesar 0,0137 dan 0,9978 untuk Cross Validation, sedangkan untuk ROT sebesar 0,0617 dan 0,9898 serta Shibata sebesar 0,0727, dan 0,9878.

Item Type: Thesis (Masters)
Additional Information: RTST 519.536 Haf p
Uncontrolled Keywords: Nonparametric kernel regression, Rule-of-Thumb bandwidth, Penalize Shibata, Cross Validation, Regresi nonparametrik kernel, Rule-of-Thumb bandwidth, Penalize Shibata, Cross Validation
Subjects: H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: ansi aflacha
Date Deposited: 10 Sep 2018 02:56
Last Modified: 10 Sep 2018 02:56
URI: http://repository.its.ac.id/id/eprint/59608

Actions (login required)

View Item View Item