Pendekatan Multivariate Adaptive Regression Spline (MARS) pada Pengelompokkan Zona Musim Suatu Wilayah

Abstract

Multivariate adaptive regression spline (MARS) adalah salah satu model regresi nonparametrik, yaitu
model yang mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor tidak
diketahui. MARS adalah kombinasi yang komplek antara metode spline dengan rekursif partisi
untuk menghasilkan estimasi fungsi regresi yang kontinu, dan digunakan untuk prediksi dan
klasifikasi. Hasil penelitian menunjukkan bahwa estimasi parameter model MARS untuk variabel
respon kontinu dilakukan dengan penalized least square (PLS). Pemilihan model MARS terbaik
dilakukan dengan prosedur forward dan backward stepwise didasarkan pada nilai GCV. Prosedur
forward adalah tahapan untuk mendapatkan fungsi basis maksimum yang mencakup pengaruh efek
utama, interaksi, dan knot. Sedangkan prosedur backward adalah tahapan untuk mengeliminasi
fungsi basis yang kontribusinya tidak signifikan. Hasil kajian juga menunjukkan bahwa GCV dengan
potongan regresi linear dapat terbukti bekerja dengan baik dalam menentukan pemilihan model
terbaik pada MARS respon kontinu.