SPLINE TRUNCATED
( Skripsi )
Oleh
M. RISKI MULTAZAM
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2019
ABSTRACT
By
M. Riski Multazam
The purpose of this research is to find out whether the spline truncated method
depends on the distribution of error. Simulation data from trigonometry function
with different error distribution are used. The result of this research shows that
the distribution of error affected the estimation of spline truncated function. The
spline function is estimated better when error is normally distributed than
nonnormally distributed.
ABSTRAK
Oleh
M. Riski Multazam
Tujuan dari penelitian ini adalah untuk mengetahui apakah metode spline
truncated bergantung pada distribusi galat. Simulasi data dari fungsi trigonometri
dengan menggunakan distribusi galat yang berbeda. Hasil dari penelitian ini
menunjukkan bahwa distribusi galat memengaruhi estimasi spline truncated.
Fungsi spline diperkirakan lebih baik ketika galat berdistribusi normal
dibandingkan galat berdistribusi tidak normal.
Oleh
M. Riski Multazam
Skripsi
Sebagai salah satu syarat untuk mencapai gelar
SARJANA SAINS
Pada
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2019
RIWAYAT HIDUP
Penulis dilahirkan di Kasui, Kab. Way Kanan pada 29 Mei 1997 sebagai anak
keempat dari Bapak H. A. Gani, S.Ag. dan Ibu Sri Lita W.P.
Pendidikan Sekolah Dasar (SD) diselesaikan di SDN 1 Kasui Pasar, Kab. Way
Pertama (SMP) di SMPN 1 Kasui, Kab. Way Kanan pada tahun 2012. Pada tahun
Unila melalui jalur SNMPTN. Selama menjadi mahasiwa, penulis cukup aktif
menjadi staff ahli BEM UKBM Unila. Pada awal tahun 2018, penulis
melaksanakan Kuliah Praktik di Badan Pusat Statistik (BPS) Kota Metro dan
Lampung Timur.
KATA INSPIRASI
(Q.S. Al-Insyirah: 6)
(Karl Maeser)
Terima Kasih.
i
SANWACANA
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-
Nya kepada penulis sehingga skripsi ini dapat diselesaikan dengan sebaik-
baiknya. Shalawat dan salam semoga selalu tercurah kepada Nabi Muhammad
Spline Truncated” adalah salah satu syarat untuk memperoleh gelar sarjana
1. Ibu Ir. Netti Herawati, M.Sc., Ph.D., selaku Pembimbing Akademik sekaligus
2. Bapak Dr. Muslim Ansori, S.Si., M.Si., selaku Pembimbing Kedua atas
3. Bapak Drs. Nusyirwan, M.Si., selaku Penguji pada ujian skripsi. Terima kasih
4. Ibu Prof. Dra. Wamiliana, MA, Ph.D., selaku Ketua Jurusan Matematika.
ii
6. Seluruh dosen Jurusan Matematika Fakultas Matematika dan Ilmu
7. Orang tua yang telah mencurahkan seluruh hidup dan kasih sayangnya
8. Kakak-kakak dan adik (Ryan Dewi P., M. Emir Musaddad, Deby Putri R.,
dan M. Fatih Ramadhan) yang sudah menjadi saudara terbaik bagi penulis;
9. Ida, Lisa, Robin, Winda, Sulis, Ratih, Sonia, Mega, Reza dan teman-teman
10. Ario, Dony, Rahmad, Siska, Putri C.B., Nurhayati, Windi, Irmawati, Yulia,
May, Riana, Aimila, Indah, dan Fransiska yang telah memberikan semangat
11. Tira, Riswanti, Neli, Meilinda, Irma Ningsih, Dita, dan Wahyu yang sudah
12. Teman-teman KKN desa Itik Renday, Lampung Timur (Cynthia, Citra, Mira,
14. Seluruh pihak yang telah membantu penulis yang tidak dapat disebutkan satu
Akhir kata, penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan
akan tetapi semoga skripsi yang sederhana ini dapat berguna dan bermanfaat bagi
kita semua.
M. Riski Multazam
iii
DAFTAR ISI
Halaman
DAFTAR TABEL ........................................................................................... vi
I. PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang dan Masalah ................................................................ 1
1.2. Tujuan Penelitian ................................................................................. 2
1.3. Manfaat Penelitian ............................................................................... 3
V. KESIMPULAN .......................................................................................... 48
LAMPIRAN
DAFTAR TABEL
Tabel Halaman
4.1 Nilai GCV fungsi y = sin (4x) pada galat N(0,0.3) ......................................... 23
4.2 Nilai GCV fungsi y = sin (4x) pada galat N(0,1) ............................................ 25
4.3 Nilai GCV fungsi y = sin (4x) pada galat N(0,1.3) ......................................... 27
4.5 Nilai GCV fungsi y = sin (4x) pada galat 0.9N(0,1)+0.1N(5,1) ..................... 32
4.6 Daftar Nilai ukuran kebaikan model regresi spline truncated fungsi
sin (4x) pada beberapa kondisi galat ..................................................................... 35
4.7 Nilai GCV fungsi y = cos (4x) pada galat N(0,0.3) ........................................ 36
4.8 Nilai GCV fungsi y = cos (4x) pada galat N(0,1) ........................................... 38
4.9 Nilai GCV fungsi y = cos (4x) pada galat N(0,1.3) ........................................ 40
4.10 Nilai GCV fungsi y = cos (4x) pada galat 0.95N(0,1)+0.05N(5,1) ................ 43
4.11 Nilai GCV fungsi y = cos (4x) pada galat 0.9N(0,1)+0.1N(5,1) .................... 45
4.12 Daftar Nilai ukuran kebaikan model regresi spline truncated fungsi
cos (4x) pada beberapa kondisi galat .................................................................... 47
vi
DAFTAR GAMBAR
Gambar Halaman
4.1 Diagram pencar fungsi sin (4x) pada galat N(0,0.3) .................................... 16
4.2 Diagram pencar fungsi sin (4x) pada galat N(0,1) ....................................... 17
4.3 Diagram pencar fungsi sin (4x) pada galat N(0,1.3) .................................... 17
4.4 Diagram pencar fungsi sin (4x) pada galat 0.95N(0,1)+0.05N(5,1) ............ 18
4.5 Diagram pencar fungsi sin (4x) pada galat 0.9N(01)+N(5,1) ...................... 19
4.6 Diagram pencar fungsi cos (4x) pada galat N(0,0.3) ................................... 19
4.7 Diagram pencar fungsi cos (4x) pada galat N(0,1) ...................................... 20
4.8 Diagram pencar fungsi cos (4x) pada galat N(0,1.3) ................................... 21
4.9 Diagram pencar fungsi cos (4x) pada galat 0.95N(0,1)+0.05N(5,1) ........... 21
4.10 Diagram pencar fungsi cos (4x) pada galat 0.9N(01)+N(5,1) .................... 22
4.11(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,0.3) ................................................................................ 24
4.11(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,0.3) ............................................................................... 24
4.11(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat N(0,0.3) ................................................................................ 24
4.12(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 26
4.12(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 26
vii
4.12(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 26
4.13(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,1.3) ................................................................................ 28
4.13(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,1.3) ................................................................................ 28
4.13(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat N(0,1.3) ................................................................................ 28
4.14(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 30
4.14(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 30
4.14(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 31
4.15(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 32
4.15(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 33
4.15(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 33
4.16(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,0.3) ................................................................................ 36
4.16(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,0.3) ................................................................................ 37
4.16(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat N(0,0.3) ................................................................................ 37
4.17(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 39
4.17(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 39
4.17(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat N(0,1) ................................................................................... 39
viii
4.18(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat N(0,1.3) ................................................................................ 41
4.18(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat N(0,1.3) ................................................................................ 41
4.18(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galatN(0,1.3) ................................................................................. 42
4.19(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 43
4.19(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 44
4.19(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat 0.95N(0,1)+0.05N(5,1) ........................................................ 44
4.20(a) Kurva estimasi spline truncated linier tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 46
4.20(b) Kurva estimasi spline truncated kuadratik tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 46
4.20(c) Kurva estimasi spline truncated kubik tiga knot fungsi sin (4x)
pada galat 0.9N(0,1)+0.1N(5,1) ............................................................ 46
ix
I. PENDAHULUAN
sangat kaku dan ketat, bentuk kurva diketahui dan residual berdistribusi normal,
asumsinya tidak terpenuhi maka model tersebut akan menjadi bias untuk
digunakan.
yang sangat khusus dan sangat baik. Spline mempunyai keunggulan dalam
mengatasi pola data yang menunjukkan naik/turun yang tajam dengan bantuan
titik knot. Titik knot merupakan titik perpaduan bersama dimana terjadi pola
perubahan perilaku kurva pada interval yang berbeda. Spline sangat dipengaruhi
titik knot. Akibatnya, pemilihan optimal merupakan hal yang sangat penting
dalam pendekatan nonparametrik. Salah satu metode pemilihan jumlah titik knot
Adapun tujuan dari penelitian ini adalah untuk mengetahui apakah estimasi spline
truncated bergantung pada galat dan kondisi galat seperti apa yang memberikan
mengetahui pola hubungan antara variabel prediktor dan variabel respon. Secara
( ) , i = 1, 2, …, n. (2.1)
regresi dengan sebagai variabel prediktor dan adalah galat yang diasumsikan
mengetahui pola hubungan antara variabel penjelas dan variabel respon yang tidak
yang tinggi karena tidak mengasumsikan bentuk kurva regresi. Dalam hal ini,
( ) , i = 1, 2, …, n. (2.2)
normal, mean nol dan varian (0, ) (Wahba, 1990). Dalam hal ini, ( )
hanya diasumsikan termuat dalam suatu ruang fungsi tertentu, dimana pemilihan
ruang fungsi tersebut biasanya termotivasi oleh sifat kemulusan (smooth) yang
Hardle (1990) dan Wahba (1990) menyarankan penggunaan regresi spline sebagai
mampu mengatasi pola data yang menunjukkan naik atau turun yang tajam
dengan bantuan titik-titik knot, serta kurva yang dihasilkan relatif mulus. Titik
knot adalah titik perpaduan bersama dari potongan-potongan tersebut atau titik
Wu & Zang (2006), menuliskan secara umum fungsi spline berorde m adalah
( ) ∑ ∑ ( ) (2.3)
6
( )
( ) {
( ) , i = 1, 2, …, n.
dimana adalah galat acak dengan mean nol dan varians . Maka, bentuk
umum regresi spline keluarga polinomial truncated orde ke-𝑚 dengan satu
prediktor adalah
∑ ∑ ( ) . (2.4)
Hidayat (2017) melakukan suatu kajian dengan kurva regresi f dihampiri dengan
fungsi spline f dengan titik knot K untuk mendapatkan estimator spline. Dalam
( )
( )
[ ] [ ] [ ]
( )
7
( ) ( ) ( )
( ) ( ) ( )
[ ] [ ]
( )
[ ( ) ( ) ( ) ] ( )
[ ( ) ]
̃ , -̃ ̃ (2.5)
̃ {̃ ̃} ([ ] [ ])
̃
̃ {̃ ̃} *,, ̃ , - ̃ - ,[ ̃ , - ̃ -]+
̃
∑ ̃ ̃
(, ̃ , - ̃ - ,[ ̃ , - ̃ ])
(, ̃ , - ̃ - [̃ , - ̃ ])
̃ ̃ ̃ , -̃ ̃ , - , -̃ (2.6)
( ̃ ̃) (̃ ̃ ̃ , -̃ ̃ , - , - ̃)
̃ ̃
8
̂
̃ , - , -) , -̃
( (2.7)
dengan,
, - , -
( ) ( ) ( )
( ) ( ) ( )
[ ]
( ) ( ) ( )
estimasi titik kurva regresi nonparametrik spline truncated dapat diperoleh dengan
̂, -( ) ̂̃ , -( ) ̂
, -̃ (2.8)
̂̃ , -( ) , -( , - , -) , -̃
Sehingga diperoleh:
̂̃ , -( ) , -̃ (2.9)
pemilihan lokasi dan banyaknya titik knot. Dalam regresi nonparametrik spline
sangat penting untuk menentukan banyaknya titik knot optimal, Wan (2000)
9
menggunakan titik knot yang relatif sedikit. Menurut Lee (2005) alasan atau
dimana pemilihan titik knot haruslah yang terbaik dan lebih mengarah pada
dapat digunakan untuk memilih jumlah titik knot optimal adalah dengan
Menurut Wu & Zang (2006), metode GCV dapat dituliskan sebagai berikut
∑ ( ̂, -( ))
GCV[ - = (2.10)
( [ , -])
Salah satu tujuan analisis regresi adalah mendapatkan model terbaik yang mampu
Kebaikan suatu penduga dapat dilihat dari tingkat kesalahannya. Semakin kecil
model regresi adalah nilai Mean Square Error (MSE) dan nilai koefisien
atau mendekati nilai satu maka semakin baik pula model yang didapatkan.
∑ ( ̂) (2.11)
varian model. Model yang memiliki varian kecil mampu memberikan hasil yang
relatif lebih konsisten untuk seluruh data input dibandingkan dengan model
∑ (̂ ̅)
. (2.12)
∑ ( ̅)
Dimana, adalah data variabel respon ke-i, ̅ adalah mean data variabel respon,
sedangkan ̂ adalah nilai hasil estimasi variabel respon ke-i. Sum of Square
Regression (SSR) adalah jumlah kuadrat simpangan hasil dugaan terhadap rata-
rata variabel respon. Sedangkan Sum of Square Total (SST ) adalah jumlah
determinasi dapat diartikan sebagai proporsi keragaman total variabel respon yang
dengan menggunakan adalah jika variabel bebasnya lebih dari satu maka nilai
Universitas Lampung.
pada selang [0,3] dibangkitkan agar diperoleh sebaran data yang dapat
menggambarkan bentuk fungsi sinus maupun cosinus secara jelas. Sementara itu,
1.
2. .
Pada penelitian ini, galat yang dibangkitkan adalah berdistribusi normal dan tidak
a.
b.
c.
d.
e. .
Dalam penelitian ini akan dilakukan perbandingan pendugaan kurva regresi secara
teoritik dan secara visual. Secara teoritik akan dibandingkan nilai koefisien
determinasi ( ) dan MSE pada setiap model yang didapatkan, sedangkan secara
sebaran data dengan baik. Pada penelitian ini akan dilakukan iterasi dalam
menentukan banyaknya titik knot dan orde yang digunakan untuk memperoleh
(GCV). Banyaknya titik knot yang dicobakan adalah satu, dua, dan tiga knot pada
model regresi spline truncated orde 2 (linier), orde 3 (kuadratik), dan orde 4
(kubik) .
1. f(x) = sin(4x)
a.
b.
c.
d.
e. .
1.
2. .
4. Membentuk model regresi spline truncated pada orde 2, orde 3, dan orde 4
untuk kemungkinan banyaknya knot adalah satu, dua, dan tiga knot
Berdasarkan hasil dan pembahasan yang telah diuraikan pada bab sebelumnya
1. Estimasi kurva spline truncated bergantung pada galat. Estimasi kurva spline
truncated pada galat berdistribusi normal lebih baik dibandingkan pada galat
yang mengandung pencilan baik pada fungsi sin (4x) maupun fungsi cos (4x).
2. Estimasi kurva spline truncated pada galat berdistribusi normal dengan varian
yang kecil memberikan performa sangat baik bagi kurva estimasi untuk
mendekati garis fungsi aslinya pada fungsi sin (4x) maupun fungsi cos (4x).
DAFTAR PUSTAKA
Drapper, N. & Smith, H. 1992. Applied Regression Analysis. Jhon Wiley &
sons, New York.
Lee, T.C. 2002. On Algorithms for Ordinary Least Squares Regression Spline
Fitting: A Comparative Study. Journal Statist. 72: 647-663.
Wu, H. & Zang, J.T. 2006. Nonparametric Regression Methods for Longitudinal
Data Analysis. Jhon Wiley & Sons, New Jersey.