Estimasi Interval Parameter Model Regresi Semiparametrik Spline Truncated Untuk Data Longitudinal (Aplikasi Pada Data Persentase Penduduk Miskin Di Indonesia Tahun 2011-2017)

Prawanti, Dasty Dewi (2019) Estimasi Interval Parameter Model Regresi Semiparametrik Spline Truncated Untuk Data Longitudinal (Aplikasi Pada Data Persentase Penduduk Miskin Di Indonesia Tahun 2011-2017). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06211750010020_Master_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Pendekatan regresi semiparametrik merupakan gabungan dari regresi parametrik dan regresi nonparametrik. Estimator pada regresi nonparametrik ataupun regresi semiparametrik yang cukup populer adalah estimator spline truncated. Persoalan dalam kehidupan sehari-hari sering dijumpai pemodelan regresi dengan menggunakan data longitudinal. Data longitudinal merupakan kombinasi data cross section dan data time series dimana pada data longitudinal antar subjek saling independen satu sama lain, akan tetapi antar pengamatan di dalam subjek saling dependen. Salah satu bagian terpenting dari inferensi statistik adalah estimasi interval. Estimasi ini bertujuan untuk mengetahui variabel prediktor yang berpengaruh signifikan terhadap variabel respon. Penelitian ini bertujuan mendapatkan bentuk estimasi interval parameter model regresi semiparametrik spline truncated untuk data longitudinal dengan menggunakan estimator spline truncated. Untuk menyelesaikan permasalahan tersebut digunakan metode Weighted Least Square dan pivotal quantity dalam kasus variansi populasi tidak diketahui. Interval konfidensi untuk parameter model regresi semiparametrik yang dihasilkan serupa dengan interval konfidensi klasik, namun unsur penyusunnya yang berbeda. Model terbaik yang terbentuk adalah model menggunakan pembobot W1 dengan satu titik knot. Koefisien determinasi (R2) yang dihasilkan dari model terbaik ini sebesar 99,76% dengan MSE Penerapan estimasi interval untuk parameter model regresi semiparametrik spline truncated pada data longitudinal diterapkan pada data persentase penduduk miskin di Indonesia tahun 2011-2017. Berdasarkan hasil estimasi interval parameter sebagai inferensi statistik menunjukkan bahwa parameter komponen nonparametrik (TPT) lebih banyak berpengaruh signifikan terhadap persentase penduduk miskin di 33 provinsi di Indonesia yaitu sebanyak 20 provinsi dibandingkan dengan parameter komponen parametrik (IPM) yang berpengaruh pada 13 provinsi di Indonesia.
==================================================================================================================================
Semiparametric regression is a combination of parametric regression and nonparametric regression. The most popular estimator for nonparametric regression or semiparametric regression is the truncated spline estimator. Regression modeling using longitudinal data is often found in everyday life, where observations are carried out for each subject over a period of time. Longitudinal data is a combination of cross section data and time series data wherein longitudinal data between subjects are mutually independent of each other, but between observations in the subject are interdependent. One of the most important parts of statistical inference is interval estimation. This estimation aims to determine predictor variables that have a significant effect on the response variable. This study aims to obtain a parameter interval estimation of a semiparametric regression model for longitudinal data using spline truncated estimator. To solve this problem, these studies using Weighted Least Square method and pivotal quantity on unknown population variances. Parameter interval estimation of the semiparametric regression model produced is similar to the classic interval estimation but is approximated by a spline truncated function. The best model formed is model by using W1 weights with one point knots. The coefficient of determination (R2) from this best model is 99.76% with MSE Application parameter interval estimation of semiparametric spline truncated regression model for longitudinal data is applied on data of percentage unprivileged people data in Indonesia from 2011-2017. Based on the results of parameter interval estimation as statistical inference shows that the parameters of nonparametric components (TPT) have a more significant effect on the percentage of unprivileged people in 33 provinces. Parameters of nonparametric component (TPT) had a significant effect on 20 provinces while the parameters of parametric component (IPM) had a significant effect on 13 provinces in Indonesia.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Regresi Semiparametrik, Data Longitudinal, Spline Truncated, Estimasi Interval, Pivotal Quantity, Persentase Penduduk Miskin.
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics H Social Sciences > HA Statistics > HA31.7 Estimation Q Science > QA Mathematics > QA275 Theory of errors. Least squares. Including statistical inference. Error analysis (Mathematics) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	PRAWANTI DASTY DEWI
Date Deposited:	23 Jul 2026 04:36
Last Modified:	23 Jul 2026 04:36
URI:	http://repository.its.ac.id/id/eprint/68499

Actions (login required)

View Item