GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE

Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara.

Abstract


Regresi nonparametrik adalah salah satu metode Statistika yang digunakan untuk mengetahui pola hubungan antara variabel independen dengan variabel dependen yang tidak diketahui bentuk fungsinya. Analisis regresi nonparametrik digunakan jika tidak ada informasi sebelumnya tentang bentuk kurva regresi. Estimasi fungsi regresi nonparametrik dilakukan berdasarkan data pengamatan dengan menggunakan teknik pemulusan (smoothing). Pendekatan yang digunakan untuk regresi nonparametrik dalam penelitian ini adalah pendekatan dengan regresi smoothing spline. Smoothing spline merupakan fungsi yang mampu memetakan data dengan baik serta mempunyai variansi error yang kecil. Regresi smoothing spline digunakan untuk mengetahui bentuk kurva f(x) pada regresi nonparametrik. Adapun metode yang digunakan dalam regresi smoothing spline adalah metode Generalized Cross Validation (GCV). Metode GCV adalah metode klasik yang digunakan untuk menentukan parameter pemulus pada regresi smoothing spline. Nilai dari parameter pemulus dipilih dari nilai GCV yang minimum. Hasil penelitian menunjukkan bahwa semakin besar nilai dari parameter pemulus maka kurva yang dihasilkan akan semakin mulus. Sebaliknya, semakin kecil nilai dari parameter pemulus maka kurva yang dihasilkan akan semakin kasar. Nilai optimal parameter pemulus pada penelitian ini adalah pada dimana nilai .

Kata Kunci : Nonparametrik, Smoothing Spline, Generalized Cross Validation


Full Text:

PDF


DOI: http://dx.doi.org/10.26418/bbimst.v2i03.3862

Refbacks

  • There are currently no refbacks.