Estimasi Model Regresi Nonparametrik Menggunakan Estimator Nadaraya-Watson dengan Fungsi Kernel Epanechnikov
Total View This Week0
Total View This Week0
Institusion
Universitas Hasanuddin
Author
Nur Lia (STUDENT ID : H051171512)
Drs. Raupong, M.Si. (LECTURER ID : 0015106201)
Dr. Anna Islamiyati, S.Si.,M.Si. (LECTURER ID : 0028067701)
Drs. Raupong, M.Si. (LECTURER ID : 0015106201)
Dr. Anna Islamiyati, S.Si.,M.Si. (LECTURER ID : 0028067701)
Subject
Q Science (General)
Datestamp
2022-01-19 02:59:45
Abstract :
Analisis regresi merupakan suatu metode yang digunakan untuk memodelkan hubungan antara variabel respon (y) dengan variabel prediktor (x). Untuk data rata-rata harian posisi sunspot menggunakan pendekatan regresi nonparametrik. Terdapat beberapa metode untuk mengestimasi model pada regresi nonparametrik salah satunya adalah estimator kernel. Estimator kernel merupakan salah satu metode pendekatan terhadap fungsi densitas yang belum diketahui dengan menggunakan fungsi kernel. Hal yang paling penting dalam pendekatan kernel adalah pemilihan bandwidth. Bandwidth berfungsi untuk mengontrol kemulusan dari kurva yang diestimasi. Salah satu kriteria yang dapat digunakan untuk memilih bandwidth yang optimum adalah Generalized Cross Validation (GCV). Nilai GCV minimum menunjukkan nilai bandwidth yang optimum. Penelitian ini bertujuan untuk memperoleh parameter model regresi nonparametrik menggunakan estimator Nadaraya-Watson dengan fungsi kernel Epanechnikov untuk data rata-rata harian bilangan sunspot pada tahun 2007. Berdasarkan hasil analisis dan pembahasan dapat diketahui bahwa estimator Nadaraya-Watson dengan fungsi kernel Epanechnikov baik diterapkan pada data rata-rata harian bilangan sunspot pada tahun 2007. Estimator ini menghasilkan kurva regresi yang relatif sama dengan kurva data asli. Diperoleh nilai bandwidth optimum adalah 1.0 dengan nilai GCV minimum sebesar 2.03E-31 serta nilai MSE yang relatif kecil sebesar 2.02E-31
Analisis regresi merupakan suatu metode yang digunakan untuk memodelkan hubungan antara variabel respon (y) dengan variabel prediktor (x). Untuk data rata-rata harian posisi sunspot menggunakan pendekatan regresi nonparametrik. Terdapat beberapa metode untuk mengestimasi model pada regresi nonparametrik salah satunya adalah estimator kernel. Estimator kernel merupakan salah satu metode pendekatan terhadap fungsi densitas yang belum diketahui dengan menggunakan fungsi kernel. Hal yang paling penting dalam pendekatan kernel adalah pemilihan bandwidth. Bandwidth berfungsi untuk mengontrol kemulusan dari kurva yang diestimasi. Salah satu kriteria yang dapat digunakan untuk memilih bandwidth yang optimum adalah Generalized Cross Validation (GCV). Nilai GCV minimum menunjukkan nilai bandwidth yang optimum. Penelitian ini bertujuan untuk memperoleh parameter model regresi nonparametrik menggunakan estimator Nadaraya-Watson dengan fungsi kernel Epanechnikov untuk data rata-rata harian bilangan sunspot pada tahun 2007. Berdasarkan hasil analisis dan pembahasan dapat diketahui bahwa estimator Nadaraya-Watson dengan fungsi kernel Epanechnikov baik diterapkan pada data rata-rata harian bilangan sunspot pada tahun 2007. Estimator ini menghasilkan kurva regresi yang relatif sama dengan kurva data asli. Diperoleh nilai bandwidth optimum adalah 1.0 dengan nilai GCV minimum sebesar 2.03E-31 serta nilai MSE yang relatif kecil sebesar 2.02E-31
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
