PENDEKATAN ESTIMATOR PENALISED SPLINE PADA MODEL REGRESI NONPARAMETRIK

FATIMAH, 080212540 (2006) PENDEKATAN ESTIMATOR PENALISED SPLINE PADA MODEL REGRESI NONPARAMETRIK. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2006-fatimahiim-3150-mpm27_0-k.pdf

Download (365kB) | Preview
[img]
Preview
Text (FULL TEXT)
gdlhub-gdl-s1-2006-fatimahiim-3150-mpm27_06.pdf

Download (2MB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Analisis regresi merupakan suatu metode statistika yang digunakan untuk menentukan hubungan antara dua variabel atau lebih. Misalkan Y adalah variabel respon dan X adalah variabel prediktor untuk n pengamatan, maka hubungan antara variabel-variabel tersebut dapat dinyatakan sebagai berikut : Y1 = g(xi) + εi, i =1,2,...,n g(xi) merupakan fungsi regresi yang tidak( diketahui, εi error random yang diasumsikan independent dengan mean 0 dan variansi σ2. Tujuan dari skripsi ini adalah untuk mengestimasi fungsi regresi g(xi) dengan pendekatan estimator penalised spline. Berdasarkan pendekatan estimator penalised spline didapatkan bentuk estimator untuk fungsi regresi adalah ĝ(xi) = X* β where β = (X*T X* + nλD) -1 X*TY Hasil penerapan model regresi nonparametrik dilakukan pada data pendapatan pekerja Canadian dan data bangkitan yang berfungsi (xi) = 2x3 — 21x2 + 20. Pada data pendapatan pekerja Canadian, dimana besarnya Log income pekerja Canadian sebagai variabel respon dan usia pekerja Canadian sebagai variabel predictor, maka dengan pendekatan estimator penalised spline diperoleh bentuk estimator fungsi regresi g(xi) sebagai berikut: ĝ(xi) = 0.00001057+ 0.00041607xi + 0.012276984xi2 - 0.00014266 xi3; + 0.00080039(xi - 25)3 +0.00324229(xi - 29)+3 + 0.00106499(xi - 33)+3 - 0.00205906(xi - 37)+3 +0.00045810(xi - 41)+3 + 0.00206536(xi - 45)+3 - 0.00108949(xi - 49)+3 -0.00145031(xi - 53)+3 + 0.00255816(xi - 57)+3 + 0.00129475(xi - 61)+3 Sedangkan hasil penerapan model regresi nonparametrik pada data bangkitan yang berfungsi g(xi) = 2x3 — 21x2 + 20, dengan varians error 60 dan jumlah data sebanyak 100, maka dengan pendekatan estimator penalised spline diperoleh bentuk estimator fungsi regresi ĝ(xi) sebagai berikut: ĝ(xi) = 63.443-33.972xi - 15.486xi2 + 1.745xi3 +0.573(xi -4.0231)+3

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM. 27/06 Fat p
Uncontrolled Keywords: REGRASSION ANALYSIS
Subjects: Q Science > QC Physics
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM
FATIMAH, 080212540UNSPECIFIED
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorNur Chamidah, S.Si., M.SiUNSPECIFIED
Thesis advisorDrs. Suliyanto, M.SiUNSPECIFIED
Depositing User: Tn Fariddio Caesar
Date Deposited: 08 Dec 2006 12:00
Last Modified: 11 Oct 2016 02:02
URI: http://repository.unair.ac.id/id/eprint/24615
Sosial Share:

Actions (login required)

View Item View Item