Interval Konfidensi untuk Kurva Regresi Nonparametrik Spline truncated pada Data Longitudinal (Studi Kasus: Tingkat Pengangguran Terbuka di Jawa Tengah 2012 – 2021)

Rahmawati, Hasri (2023) Interval Konfidensi untuk Kurva Regresi Nonparametrik Spline truncated pada Data Longitudinal (Studi Kasus: Tingkat Pengangguran Terbuka di Jawa Tengah 2012 – 2021). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003211001-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Interval konfidensi merupakan salah satu bagian terpenting dari inferensi statistik, interval konfidensi kurva regresi mampu menggambarkan batas atas dan batas bawah dari kurva regresi yang dihasilkan. Data longitudinal dapat memberikan interpretasi model dari waktu ke waktu karena dilakukan pada periode waktu tertentu, dengan demikian kesimpulan yang didapatkan akan lebih lengkap. Estimasi parameter menggunakan optimasi Weighted Least Square (WLS). Dalam mengonstruksi interval terpendek untuk kurva regresi nonparametrik spline truncated menggunakan pivotal quantity untuk kasus varians populasi diketahui dan varians populasi tidak diketahui. Tujuan penelitian ini adalah untuk mendapatkan interval konfidensi untuk kurva regresi nonparametrik pada data longitudinal. Pemodelan dengan menggunakan regresi nonparametrik spline truncated menghasilkan model terbaik dengan menggunakan pembobot 1N/ dan satu titik knot dengan niai GCV 0.01212. Penerapan interval konfidensi untuk kurva model regresi nonparametrik spline truncated untuk data longitudinal diterapkan pada data angka Tingkat Pengangguran Terbuka di Provinsi Jawa Tengah tahun 2012-2021. Berdasarkan hasil inferensia statistik dengan menggunakan nilai interval konfidensi untuk kurva model regresi nonparametrik spline truncated untuk data longitudinal yang diterapkan pada data TPT dengan tingkat kepercayaan 95% diperoleh bahwa jarak batas atas dan batas bawah paling kecil yaitu Kabupaten Banyumas tahun 2017, dan Kabupaten Magelang tahun 2021 memiliki jarak yang cukup lebar.
=================================================================================================================================
Confidence intervals are one of the most important parts of statistical inference, the confidence interval of a regression curve is able to describe the upper and lower limits of the resulting regression curve. Longitudinal data can provide an interpretation of the model over time because it is carried out at a certain period of time, thus the conclusions obtained will be more complete. Parameter estimation uses Weighted Least Square (WLS) optimization. In constructing the shortest interval for the spline truncated nonparametric regression curve using pivotal quantity for the case of known population variance and unknown population variance. The purpose of this study is to obtain confidence intervals for nonparametric regression curves on longitudinal data. Modeling using spline truncated nonparametric regression produces the best model using 1 N/ weights and one knot point with a GCV value of 0.01212. The application of the confidence interval for the curve of the truncated spline nonparametric regression model for longitudinal data is applied to data on the Open Unemployment Rate in Central Java Province in 2012-2021. Based on the results of statistical inference using the confidence interval value for the curve of the spline truncated nonparametric regression model for longitudinal data applied to Open Unemployment Rate data with a 95% confidence level, it is obtained that the distance between the upper and lower limits is the smallest, namely Banyumas Regency in 2017, and Magelang Regency in 2021 has a fairly wide distance.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Data Longitudinal, Interval Konfidensi, Regresi Nonparametrik Spline truncated, Tingkat Pengangguran Terbuka, Confidence Interval, Longitudinal Data, Nonparametric Regression Spline Truncated, Unemployment Rate.
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics H Social Sciences > HA Statistics > HA31.3 Regression. Correlation H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Hasri Rahmawati
Date Deposited:	08 Aug 2023 02:53
Last Modified:	08 Aug 2023 02:53
URI:	http://repository.its.ac.id/id/eprint/104015

Actions (login required)

View Item