TUGAS 1
REGRESI NONPARAMETRIK
NURAZIZAH MAHDIN
G50118093
FEBRUARI 2021
1. Regresi Spline
Spline merupakan potongan polinomial (piecewise polynomial) tersegmen
yang memiliki sifat fleksibilitas. Titik perpaduan bersama dari potongan-
potongan tersebut atau titik yang menunjukkan terjadinya perubahan-
perubahan perilaku kurva pada interval – interval yang berbeda.
Dalam analisis regresi nonparametrik spline, jika terdapat satu vaeiabel
respon dan satu varibel prediktor maka regresi tersebut dinamakan regresi
nonparametrik spline univariabel. Sebaliknya, apabila terdapat satu variabel
respon dengan lebih dari satu variabel prediktor maka disebut dengan regresi
nonparametrik multivariabel.
Regresi spline merupakan suatu pendekatan ke arah pencocokan data dengan
tetap memperhitungkan kemulusan kurva. Spline ini merupakan potongan
polinomial tersegmen yang dihubungkan oleh titik-titk knot yang dapat
menjelaskan karakteristik dari data.
2. Model Umum
Bentuk umum regresi spline orde ke-m adalah sebagai berikut:
N N
y=β 0 + ∑ β j x j + ∑ β j+k ( x−K k )+¿ +ε ¿ m
k =1 k =1
Dimana :
y= X 1 δ 1 + ( X −K ) δ 2 +ε
3. Estimasi Parameter
a. Metode Maximum Likelihood Estimator (MLE)
Maximum Likelihood Estimator (MLE) adalah suatu teknik yang sering
digunakan pada model parametrik baik untuk mencari penduga parameter
maupun konstruksi statistika uji (Supranto, 1989). Fungsi likelihoodnya
dapat dituliskan sebagaimana persamaan berikut ini:
n n
1
L(x , x
1 2 …; μ) =∏
i=1
( 2 π σ2 ) exp( 2−1σ (x −μ) )
2
2 i
2
5. Pengujian Hipotesis
1. Uji Simultan
Uji parameter dengan model regresi secara serentak dilakukan secara
bersamaan terhadap model dengan hipotesis dari pengujian adalah:
H 0 : β1 =β2 =…= β p =0
H 0 : paling sedikit ada satu β j ≠ 0 ;
J=1,2,...,p
Statistik uji
n
∑ ( ^y i− ý i)2 / p
i=1
F hitung = n
∑ ( ^y i− ý i )2 /¿ ¿ ¿
i =1
Apabila F hitung > F α (v 1 , v2) maka tolak H 0 ditolak artinya paling sedikit
ada β i yang memiliki pengaruh signifikan terhadap variabel respon
2. Uji Parsial
Uji parameter model regresi secara individu bertujuan untuk
mengetahui seberapa jauh variabel prediktor secara individual dalam
menerangkan variasi varaibel respon. Hipotesis dari pengujian secara
individu adalah
Selain dengan koefisien determinasi (R2), pemilihan moel terbaik juga bisa
menggunakan Mean Square Estimator (MSE). MSE adalah rata-rata dari
kesalahan peramalan kuadratkan. Berikut ini merupakan rumus untuk
menghitung MSE:
n
MSE=∑ ¿ ¿ ¿ ¿
i=1