PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK
Abstract
Regresi B-Spline merupakan salah satu model pendekatan nonparametrik yang fungsinya merupakan polinomial tersegmen atau terbagi pada suatu titik fokus yang disebut knot. Tujuan dari penelitian ini adalah menganalisis Generalized Cross Validation (GCV) yang digunakan sebagai kriteria dalam pemilihan titik knot yang optimal pada regresi B-Spline linier. Aplikasi regresi B-Spline diterapkan pada data pertumbuhan isolat Bacillus laterosporus. Hasil penelitian menunjukkan bahwa model regresi B-Spline linier terbaik dengan titik-titik knot yang optimal adalah tiga titik knot dengan nilainya masing-masing adalah k1 = 6, k2 = 10 dan k3 = 32 serta menghasilkan nilai GCV minimum sebesar 0,000000679.
Kata Kunci : B-spline, Generalized Cross Validation, Nonparametrik
Full Text:
PDFDOI: http://dx.doi.org/10.26418/bbimst.v2i02.3031
Refbacks
- There are currently no refbacks.