Regresi Nonparametrik Birespon Spline
Keywords:
Human Development, Literacy Rate, Mean Year School, Nonparametric Biresponse Spline Regression, GCVAbstract
One feature of progress of a country is the advancement of Human Development. Human Development plays an important role in a country. Factors that influence Human Development, including education and the economy. One of components that affect the Human Development index is measured by the level of education Literacy Rate and Mean Year School. In this research method is used to model Literacy Rate and Mean Year School is nonparametric biresponse spline regression. This method is used because the spline has the advantage that the model will tend to look for the estimate wherever the data is moved. Selecting the best model is based on the minimum Generalized Cross Validation (GCV). Best model resulting from tis researc is a linear model with one knot.
ABSTRAK
Salah satu ciri majunya suatu negara adalah dengan majunya pembangunan manusia. Pembangunan manusia berperan penting dalam suatu negara. Faktor-faktor yang berpengaruh terhadap pembangunan manusia, diantaranya pendidikan dan ekonomi. Salah satu komponen yang berpengaruh terhadap Indeks Pembangunan Manusia adalah tingkat pendidikan yang diukur dengan Angka Melek Huruf dan Rata-Rata Lama Sekolah. Dalam penelitian ini metode yang digunakan untuk memodelkan Angka Melek Huruf dan Rata-Rata Lama Sekolah adalah regresi nonparametrik birespon spline. Metode ini digunakan karena Spline memiliki kelebihan yakni model akan cenderung mencari estimasinya kemanapun data tersebut akan bergerak. Pemilihan model terbaik berdasarkan nilai Generalized Cross Validation (GCV) yang minimum. Model terbaik yang dihasilkan dari penelitian ini adalah model linear dengan satu titik knot.
References
BPS. (2016). Indeks Pembangunan Manusia. Dipetik Februari 24, 2016, dari BPS: http://bps.go.id/Subjek/view/id/26#subjekViewTab1| accordion-daftar-subjek1.
Budiantara, I. N. (2009). Spline dalam Regresi Nonparametrik dan Semiparametrik: Sebuah pemodelan Statistika Masa Kini dan Masa Mendatang.
Budiantara, I. N. (2009). Penelitian Bidang Regresi Spline Menuju Terwujudnya Penelitian Statistika yang Mandiri dan Berkarakter.
Draper, N. d. (1998). Dalam Applied Regression Analysis Third Edition. Canada: A Wiley Interscience Publication.
Eubank. (1988). Spline Smoothing and Nonparametric Regression. New York: Marcel Dekker.
Fox, J. (2005). Introduction to Nonparametric Regression. Dalam J. Fox, Introduction to Nonparametric Regression. Canada: University of Oxford.
Indonesia, K. K. (n.d.). Data Publikasi. Retrieved Februari 20, 2016, from Kementrian Keuangan Republik Indonesia: www.kemenkeu.go.id
Oktaviana, D. (2011). Regresi Spline Birespon untuk Memodelkan Kadar Gula Darah Penderita Diabetes Melitus. Regresi Spline Birespon untuk Memodelkan Kadar Gula Darah Penderita Diabetes Melitus.
Simillia, T. (2007). Input Selection and Shrinkage in Multiresponse Linear Regression.
Setyawan, N. A. (2009). Nonparametric Biresponse Spline Regression Approach on Modeling Determinants of Education Outcome in Papua Island. Nonparametric Biresponse Spline Regression Approach on Modeling Determinants of Education Outcome in Papua Island.
Stone, J. Z. (2002). Extended Linear Modeling With Splines. Extended Linear Modeling With Splines.
Tripena, A. (2011). Penentuan Model Regresi Spline Terbaik. Penentuan Model Regresi Spline Terbaik.
Wahba. (1990). Dalam Wahba, Spline Models for Observasional Data. SIAM Pensylvania.
Wang. (1998). Dalam Wang, Spline Smoothing Models With Correlated Errors. Journal of the American Statistical Association.
Wulandari, I. D. (2011). Analisis Faktor-Faktor yang Mempengaruhi Presentase Penduduk Miskin dan Pengeluaran Perkapita Makanan di Jawa Timur Menggunkan Regresi Nonparametrik Birespon Spline. Analisis Faktor-Faktor yang Mempengaruhi Presentase Penduduk Miskin dan Pengeluaran Perkapita Makanan di Jawa Timur Menggunkan Regresi Nonparametrik Birespon Spline.
Yuyun Yuniartika, D. K. (2013). Penentuan Generalized Cross Validation (GCV) Sebagai Kriteria dalam Pemilihan Model RegresiI B-SPLINE Terbaik.
