Bootstrap Pada Regresi Linear dan Spline Truncated
Abstract
Pendekatan parametrik mengasumsikan bentuk model sudah ditentukan. Apabila tidak ada
informasi apapun tentang bentuk kurva, maka pendekatan yang digunakan adalah pendekatan
nonparametrik, salah satunya spline truncated. Karena pendekatan tidak tergantung pada asumsi
bentuk kurva tertentu, sehingga memberikan fleksibilitas yang lebih besar. Tujuan penelitian ini
adalah mengkaji bootstrap pada regresi linear dan regresi spline (truncated spline) dengan kajian
simulasi. Hasil penelitian menunjukkan bahwa Fungsi optimal terjadi pada variansi yang kecil untuk
sembarang pengamatan. Nilai MSE pada kurva truncated spline lebih kecil dibanding dengan regresi
linear pada semua fungsi. Hal ini dapat diartikan bahwa kurva truncated spline lebih baik dibanding
dengan regresi linear. Hal ini dapat dilihat dari simulasi estimator g(t) sin(5t) dan
g(t) 5e5t ,
truncated spline memberikan berbagai nilai titik knot, sehingga nilai MSE kecil dibanding regresi
linear. Secara keseluruhan dengan kriteria MSE, Spline Truncated sesudah di bootstrap lebih baik
dibanding dengan pendekatan regresi dan spline truncated.
informasi apapun tentang bentuk kurva, maka pendekatan yang digunakan adalah pendekatan
nonparametrik, salah satunya spline truncated. Karena pendekatan tidak tergantung pada asumsi
bentuk kurva tertentu, sehingga memberikan fleksibilitas yang lebih besar. Tujuan penelitian ini
adalah mengkaji bootstrap pada regresi linear dan regresi spline (truncated spline) dengan kajian
simulasi. Hasil penelitian menunjukkan bahwa Fungsi optimal terjadi pada variansi yang kecil untuk
sembarang pengamatan. Nilai MSE pada kurva truncated spline lebih kecil dibanding dengan regresi
linear pada semua fungsi. Hal ini dapat diartikan bahwa kurva truncated spline lebih baik dibanding
dengan regresi linear. Hal ini dapat dilihat dari simulasi estimator g(t) sin(5t) dan
g(t) 5e5t ,
truncated spline memberikan berbagai nilai titik knot, sehingga nilai MSE kecil dibanding regresi
linear. Secara keseluruhan dengan kriteria MSE, Spline Truncated sesudah di bootstrap lebih baik
dibanding dengan pendekatan regresi dan spline truncated.
Full Text:
PDF (Bahasa Indonesia)DOI: https://doi.org/10.29313/jstat.v8i1.974
Refbacks
- There are currently no refbacks.
Copyright Notice
STATISTIKA is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.