Estimasi Kurva Regresi Nonparametrik Spline Truncated Multirespon (Aplikasi Pada Kasus Nilai UNAS SMKN 3 Buduran Sidoarjo)

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.

[img]
Preview
Text
1313201040-Master_Theses.pdf - Published Version

Download (939kB) | Preview
[img]
Preview
Text
1313201040-Paper.pdf - Published Version

Download (623kB) | Preview
[img]
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
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: https://repository.its.ac.id/id/eprint/62703

Actions (login required)

View Item View Item