Maulidia, Miftahul Jannah (2020) Perbandingan Estimator Campuran Antara Spline Truncated-Kernel Gaussian dengan Spline Truncated-Kernel Epanechnikov pada Data Longitudinal (Aplikasi pada Data Demam Berdarah Dengue di Indonesia). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211750010005-Master_Thesis.pdf Download (3MB) | Preview |
Abstract
Estimator campuran spline dan kernel yang telah dikembangkan peneliti terdahulu dapat memodelkan data dengan baik. Walaupun demikian, estimator campuran ini terbatas pada data cross section dan tidak mampu menangani data longitudinal. Padahal pada kasus real banyak data yang tergolong data longitudinal. Dampaknya adalah model regresi nonparametrik campuran untuk data cross section, tidak dapat digunakan untuk memperoleh model pada masing-masing subjek dan tidak dapat menyelidiki perilaku respon berdasarkan perkembangan waktu. Tujuan penelitian ini adalah mendapatkan estimasi model regresi nonparametrik campuran spline truncated dan kernel untuk data longitudinal. Tujuan selanjutnya adalah membandingkan fungsi kernel gaussian dan epanechnikov pada aplikasi model campuran untuk data longitudinal. Metode estimasi kurva regresi nonparametrik campuran pada data longitudinal dilakukan dengan menyelesaikan optimasi Weighted Least Square (WLS). Kelebihan metode ini adalah dapat mengatasi korelasi pada subjek pengamatan yang sama. Estimasi model regresi nonparametrik campuran spline dan kernel untuk data longitudinal diterapkan dalam pemodelan Case Fatality Rate (CFR) akibat Demam Berdarah Dengue (DBD) di Indonesia. Hasil estimasi pada pemodelan tersebut, menunjukkan bahwa dengan menggunakan fungsi kernel gaussian dapat memberikan nilai Generalized Cross Validation (GCV) minimum. Dengan demikian, pada kasus ini fungsi gaussian lebih baik daripada fungsi epanechnikov.
=================================================================================================================================
Mixed spline and kernel estimators that developed by previous researchers can be used well in modelling data. However, this mixed estimator is limited to cross section data and unable to handle longitudinal data. Even though in real cases, there are a lot of data which are classified as longitudinal data. The impact is mixed nonparametric regression models for cross section data, cannot be used to obtain models for each subject and cannot investigate response behavior based on time development. The purpose of this study is to obtain a nonparametric regression model estimation of a mixture of spline and kernel for longitudinal data. The next purpose is to compare the functions of the gaussian and epanechnikov kernels in mixed model applications for longitudinal data. The method for estimating mixed nonparametric regression curves on longitudinal data is performed by completing Weighted Least Square (WLS) optimization. The advantage of this method is that it can overcome correlations on the same observation subject. Estimation of nonparametric regression models of mixed spline and kernel for longitudinal data is applied in modeling the Case Fatality Rate (CFR) due to Dengue Hemorrhagic Fever (DHF) in Indonesia. The estimation results in the modeling show that using the gaussian kernel function can provide a minimum Generalized Cross Validation (GCV) value. Thus, in this case the gaussian kernel function is better than the epanechnikov function.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTSt 519.536 Mau p-1 2020 |
| Uncontrolled Keywords: | Regresi Nonparametrik, Data Longitudinal, Spline Truncated, Kernel, Weighted Least Square (WLS) |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression R Medicine > R Medicine (General) |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | Miftahul Jannah Maulidia |
| Date Deposited: | 12 Nov 2024 02:12 |
| Last Modified: | 12 Nov 2024 02:12 |
| URI: | http://repository.its.ac.id/id/eprint/74227 |
Actions (login required)
 |
View Item |