PERBANDINGAN METODE GCV DAN CV UNTUK PEMILIHAN TITIK KNOT OPTIMAL MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE (Studi Kasus: Ketimpangan Pendapatan Di Provinsi Papua)

AMALIZA, SISCA, B2A218002 (2019) PERBANDINGAN METODE GCV DAN CV UNTUK PEMILIHAN TITIK KNOT OPTIMAL MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE (Studi Kasus: Ketimpangan Pendapatan Di Provinsi Papua). Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text ABSTRAK.pdf Download (340kB) | Preview
Preview	Text BAB I.pdf Download (745kB) | Preview
Preview	Text BAB II.pdf Download (751kB) | Preview
	Text BAB III.pdf Restricted to Repository staff only Download (687kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text BAB V.pdf Download (600kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (604kB) | Preview

Abstract

Pemodelan ketimpangan pendapatan di Provinsi Papua menggunakan regresi nonparametrik spline. Regresi nonparametrik memberikan fleksibilitas yang tinggi karena bentuk estimasi kurva regresinya menyesuaikan data. Salah satu metode regresi nonparametrik adalah spline truncated. Banyaknya titik knot dan lokasi dari tiap-tiap knot dalam spline truncated akan berpengaruh pada bentuk estimasi kurva regresi. Untuk itulah perlu dicari titik knot yang optimal untuk menghasilkan model terbaik. Ada beberapa metode yang dapat digunakan untuk memilih titik knot yang optimal, diantaranya Generalized Cross Validation (GCV) dan Cross-Validation (CV). Penelitian ini mengkaji metode GCV dan CV dan selanjutnya membandingkan metode GCV dan CV dalam pemilihan titik knot optimal pada data ketimpangan pendapatan di Provinsi Papua tahun 2017. Kriteria untuk memilih model terbaik yaitu berdasarkan nilai Mean Squared Error(MSE) dan R 2 . Hasil menunjukkan metode GCV menduga titik knot lebih tepat dibandingkan CV. Hasil pada data ketimpangan pendapatan didapatkan titik knot optimal menggunakan metode GCV adalah tiga titik knot dengan MSE sebesar 0,0009 dan R sebesar 91,87%. Sementara itu, dengan menggunakan metode CV didapatkan titik knot optimal adalah tiga titik knot dengan MSE sebesar 0.0046 dan R 2 2 sebesar 59.52 %. Sehingga, metode GCV menduga titik knot lebih baik dibandingkan metode CV. Kata Kunci: Ketimpangan Pendapatan, Regresi Nonparametrik Spline Truncated, GCV, CV

Actions (login required)

View Item