Salhuteru, Rosalina (2015) Estimasi Kurva Regresi Nonparametrik Spline Truncated Multirespon (Aplikasi Pada Kasus Nilai UNAS SMKN 3 Buduran Sidoarjo). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1313201040-Master_Theses.pdf - Published Version Download (939kB) | Preview |
Preview |
Text
1313201040-Paper.pdf - Published Version Download (623kB) | Preview |
Preview |
Text
1313201040-Presentation.pdf - Presentation Download (743kB) | Preview |
Abstract
Analisis regresi merupakan salah satu metode statistika yang banyak
dipergunakan untuk menyelidiki pola hubungan antara variabel prediktor dengan
variabel respon. Jika bentuk pola data diketahui maka digunakan pendekatan
regresi parametrik, tetapi jika pola data tidak diketahui polanya digunakan regresi
nonparametrik. Regresi nonparametrik merupakan teknik yang dapat mengatasi
kesulitan dalam teknik regresi parametrik dimana bentuk fungsi kurva regresi
harus diketahui. Regresi nonparametrik multirespon merupakan analisis regresi
dimana fungsi regresi tidak diketahui bentuknya dan antar variabel respon saling
berkorelasi. Spline pada hakekatnya adalah generalisasi dari fungsi polinomial,
dimana optimasinya masih mengadopsi konsep dalam regresi parametrik.
Pendekatan spline dapat mengatasi pola data yang menunjukkan naik/turun
dengan menggunakan titik knot. Kelebihan dari spline adalah dapat mengatasi
pola data yang menunjukkan adanya perubahan perilaku pada sub-sub interval
tertentu dengan bantuan titik-titik knot, serta kurva yang dihasilkan relatif smooth.
Tujuan dari penelitian ini adalah untuk mendapatkan model estimasi kurva regresi
nonparametrik spline truncated multirespon. Data yang digunakan adalah data
UNAS SMKN 3 Buduran Sidoarjo dimana variabel responnya adalah nilai UNAS
Matematika, Bahasa Indonesia, Bahasa Inggris, dan Teori Kejuruan sedangkan
variabel prediktornya adalah rata-rata nilai rapor kelas III dan nilai UAS. Hasil
penelitian ini menunjukkan bahwa model spline terbaik adalah model spline linier
dua titik knot, dengan nilai GCV minimum sebesar 1,320052 dan R2 65.45%. ========== Regression analysis is a statistical method that is widely used to investigate the
pattern of the relationship between the predictor variables with the response
variable. If the shape of the known data pattern used parametric regression
approach, but if the pattern is unknown data pattern used nonparametric
regression. Nonparametric regression is a technique that can overcome the
difficulties in parametric regression technique in which the regression curve
function should be known. Multirespon nonparametric regression is a regression
analysis where an unknown regression function between the shape and response
variables are correlated. Spline is essentially a generalization of polynomial
functions, where optimization is still adopting the concept of parametric
regression. Spline approach can address the data pattern that shows up / down by
using point knots. The advantages of the spline is able to cope with data patterns
that indicate a change in behavior on the sub-sub certain intervals with the help of
dots knots, as well as the resulting curve is relatively smooth. The purpose of this
study was to obtain a nonparametric regression estimation model spline curve
multirespon truncated. The data used is data UNAS SMK 3 Buduran Sidoarjo
where the response variable is UNAS Mathematics, Indonesian, English, and
Theory of Vocational whereas the predictor variables are the average grades and
grade III UAS value. These results indicate that the model is best spline spline
linear model of two point of knots, with a minimum GCV value of 1,320052 and
R2 65.45%.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Multirepon, Regresi Nonparametrik, Spline, Generalized Cross Validation, Titik Knot, Nonparametric Regression, Multiresponse, Spline, Knot, GCV |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | - Davi Wah |
| Date Deposited: | 05 Apr 2019 04:30 |
| Last Modified: | 05 Apr 2019 04:30 |
| URI: | http://repository.its.ac.id/id/eprint/62703 |
Actions (login required)
 |
View Item |