%A 1117031047 Rusmi Purwanti
%T Estimasi Kurva Regresi Linear dan Nonlinear dengan Akaike Information Criterion dan Generalized Cross Validation sebagai Metode Pemilihan Bandwidth
%X ABSTRAK

ESTIMASI KURVA REGRESI LINEAR DAN NONLINEAR DENGAN AKAIKE INFORMATION CRITERION DAN GENERALIZED CROSS VALIDATION SEBAGAI METODE PEMILIHAN BANDWIDTH

Oleh 
Rusmi Purwanti

Regresi nonparametrik adalah metode statistika yang digunakan untuk menduga pola hubungan antara variabel respon Y dengan variabel prediktor X yang tidak diketahui distribusi fungsinya.  Estimasi dengan regresi nonparametrik dilakukan dengan menggunakan teknik pemulusan terhadap data pengamatan. Teknik pemulus yang sudah populer diterapkan seperti Histogram,  deret Fourier, Kernel,  Spline, Wavelet, dan Nadaraya-Watson.  

Penelitian ini bertujuan untuk menduga kurva regresi linear dan nonlinear menggunakan metode deret Fourier dan Nadaraya-Watson dengan pemilihan bandwidth (parameter pemulus) menggunakan Akaike Information Criterion (AIC),  Improved Akaike Information Criterion (AICC) dan Generalized Cross Validation (GCV) serta menentukan AIC,  AICC,  atau GCV yang paling baik digunakan.  

Hasil penelitian ini menunjukkan bahwa teknik pemulus Nadaraya-Watson dan Fourier sama baiknya dalam menduga kurva regresi yang berbentuk linear dan eksponensial kecuali pada kurva periodik cosinus teknik pemulus Fourier lebih baik.  Metode AIC,  AICC dan GCV memberikan hasil yang sama baik dalam menduga kurva regresi linear dan nonlinear menggunakan metode Fourier dan Nadaraya-Watson.
 
Kata kunci : Regresi Nonparametrik, Nadaraya-Watson, Fourier, AIC, AICC, GCV.
?




ABSTRACT

ESTIMATED LINEAR AND NONLINEAR REGRESSION CURVE BY AKAIKE INFORMATION CRITERION AND GENERALIZED CROSS VALIDATION AS THE METHOD OF SELECTING BANDWIDTH

By
Rusmi Purwanti

Nonparametric regression is statistical methods used to estimate the pattern of the relationship between the response variable Y with X predictor variables are unknown distribution function.  Nonparameric regression estimation was done by using smoothing of the observational data. Smoothing technique that has been applied to such popular Histogram, Fourier series, Kernel, Spline, Wavelet, and Nadaraya-Watson.. 

This study aims to estimate the linear and nonlinear regression curve using Fourier series and Nadaraya-Watson with the selection of bandwidth (smoothing parameter) using the Akaike Information Criterion (AIC), Improved Akaike Information Criterion (AICC) and the Generalized Cross Validation (GCV) and determine AIC,  AICC,  or GCV is best used.

The result showed that the smoothing technique Nadaraya-Watson and Fourier equally well in predicting regression curve in the form of linear and exponential except for periodic cosine curve Fourier better.  AIC, AICC and GCV  method gave the same result in predicting linear and nonlinear regression curve both using Fourier and Nadaraya-Watson method.
 
Keywords: Nonparametric Regression, Nadaraya-Watson, Fourier, AIC, AICC,
GCV.


%C Universitas Lampung
%D 2015
%I Fakultas Matematika dan Ilmu Pengetahuan Alam
%L eprints11208