Estimasi Kurva Regresi Nonparametrik Untuk Data Panel Menggunakan Pendekatan Estimator Campuran Spline Truncated Dan Deret Fourier

Yanti, Ni Komang Jeni Frika (2025) Estimasi Kurva Regresi Nonparametrik Untuk Data Panel Menggunakan Pendekatan Estimator Campuran Spline Truncated Dan Deret Fourier. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003231009_Master_Thesis.pdf - Draft Version Restricted to Repository staff only until 1 April 2027. Download (7MB) | Request a copy

Abstract

Regresi nonparametrik merupakan salah satu metode yang banyak digunakan karena fleksibilitasnya yang tinggi dalam menggambarkan hubungan tanpa memerlukan asumsi bentuk fungsi tertentu. Jenis metode estimasi yang serupa umumnya digunakan untuk beberapa atau semua variabel prediktor pada model regresi nonparametrik. Namun kenyataannya, di setiap variabel prediktornya mempunyai pola yang berbeda-beda, sehingga jika data dipaksa untuk menggunakan hanya satu bentuk estimator untuk mengestimasi kurva regresi, akan menghasilkan estimasi yang tidak sesuai dengan pola data. Oleh karena itu, diperlukan pendekatan estimator campuran agar menghasilkan estimasi yang sesuai dengan pola data. Sehingga, pada penelitian ini mengembangkan model regresi nonparametrik dengan menggunakan estimator campuran spline truncated dan deret Fourier, dimana pola hubungan antara variabel respon dengan variabel prediktor sebagian berubah pada sub-sub interval tertentu dan sebagian mempunyai pola berulang. Namun estimator campuran pada penelitian sebelumnya hanya mampu mengatasi data cross section. Sehingga, pada penelitian ini estimator campuran akan diterapkan pada data panel, dimana pengamatan dari subyek yang sama pada beberapa periode waktu. Penelitian ini bertujuan untuk memperoleh hasil estimator campuran spline truncated dan deret Fourier dalam regresi nonparametrik untuk data panel, kemudian diaplikasikan pada data kemiskinan di Provinsi Jawa Timur selama periode 2018-2023 untuk memodelkan persentase penduduk miskin. Metode estimasi yang digunakan adalah Weighted Least Square (WLS), dan pemilihan titik knot serta parameter osilasi optimal dilakukan dengan metode Generalized Cross Validation (GCV). Model terbaik untuk data persentase penduduk miskin di 38 kabupaten/kota di Provinsi Jawa Timur periode tahun 2018-2023 adalah model regresi nonparametrik estimator campuran spline truncated dan deret Fourier dengan satu titik knot dan osilasi (h=1), dengan nilai GCV sebesar 0,966.
==================================================================================================================================
Nonparametric regression is one of the most widely used methods due to its high flexibility in describing relationships without requiring the assumption of a particular function shape. The same type of estimation method is generally used for some or all predictor variables in nonparametric regression models. But in reality, each predictor variable has a different pattern, so if the data is forced to use only one form of estimator to estimate the regression curve, it will produce an estimate that does not match the data pattern. Therefore, a mixed estimator approach is needed to produce an estimate that matches the data pattern. Thus, this study develops a nonparametric regression model using a mixed spline truncated and fourier series estimator, where the pattern of the relationship between the response variable and the predictor variable partially changes at certain sub-intervals and partially has a repeating pattern. However, the mixed estimator in previous studies was only able to cope with cross section data. Thus, in this study, the mixed estimator will be applied to panel data, where observations from the same subject at several time periods. This study aims to obtain the results of a mixed estimator of truncated spline and fourier series in nonparametric regression for panel data, then applied to poverty data in East Java Province during the period 2018-2023 to model the percentage of poor people. The estimation method used is Weighted Least Square (WLS), and the selection of knot points and optimal oscillation parameters is done by the Generalized Cross Validation (GCV) method. The best model for data on the percentage of poor people in 38 districts / cities in East Java Province for the period 2018-2023 is a nonparametric regression model of mixed spline truncated estimator and fourier series with one knot point and oscillation (h=1), with GCV value is 0,966.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Regresi Nonparametrik, Spline Truncated, Deret Fourier, Data Panel, Kemiskinan, Jawa Timur
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Ni Komang Jeni Frika Yanti
Date Deposited:	03 Feb 2025 09:29
Last Modified:	03 Feb 2025 09:29
URI:	http://repository.its.ac.id/id/eprint/117904

Actions (login required)

View Item