Aprilia, 080610279 (2010) Estimasi Model Regresi Nonparametrik Pada Data Longitudinal Berdasarkan Estimator Kernel. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2011-apriliadwi-15062-abstrak-e.pdf Download (337kB) | Preview
	Text (FULL TEXT) gdlhub-gdl-s1-2011-apriliadwi-13077-kkckkm-e.pdf Restricted to Registered users only Download (895kB) | Request a copy

Abstract

Data longitudinal diperoleh berdasarkan pengamatan terhadap n obyek yang saling independen, dimana setiap obyek diamati secara berulang dalam kurun waktu yang berbeda. Dalam skripsi ini, teknik smoothing yang dipilih untuk mengestimasi model regresi nonparametrik pada data longitudinal adalah estimator Kernel yang dapat diperoleh dengan meminimumkan WLS (Weighted Least Square) dan untuk pemilihan bandwidth optimal menggunakan metode Generalized Cross Validation (GCV). Untuk penerapan pada data dibuat program menggunakan Software R. Data yang digunakan adalah data pengaruh pemberian kadmium (Cd) terhadap pertumbuhan lebar daun tanaman kangkung. Variabel respon yang digunakan adalah lebar daun tanaman kangkung dan variabel prediktornya yaitu waktu pengamatan (hari ke-14 sampai dengan hari ke-37). Berdasarkan penerapan model diperoleh MSE untuk model pertumbuhan lebar daun tanaman kangkung tanpa pemberian Cd dan dengan pemberian Cd berkonsentrasi 10 mg/kg tanah adalah masing-masing sebesar 0,012 dan 0,0118 dengan rata-rata pertumbuhan lebar daun masing-masing meningkat sebesar 0,0193 cm dan 0,0186 cm per hari. Plot estimasi fungsi penghalus dengan pendekatan data longitudinal lebih halus dibandingkan dengan pendekatan data cross sectional.

Actions (login required)

View Item