Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Inferensi
Ludia Ni’matuzzahroh
Institut Teknologi Sepuluh Nopember
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Mathematics Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Inferensi

 1 
Penerapan Keluarga Model Spline Truncated Polinomial pada Regresi Nonparametrik Andrea Tri Rian Dani; Ludia Ni’matuzzahroh
Inferensi Vol 5, No 1 (2022): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v5i1.12537

Abstract

One approach that is often used by researchers to determine the form of the relationship pattern between the response variables and predictor variables in regression analysis, namely the nonparametric approach, where the approach is used when the shape of the regression curve is assumed to be unknown. The truncated spline is a polynomial model in nonparametric regression that has segmented properties, where these properties provide better flexibility than ordinary polynomial models and are able to handle data whose behavior changes in certain sub-intervals due to the knot points in it. This study aims to apply a family of spline truncated polynomial models to nonparametric regression in the case of automotive data. The estimation method used is Ordinary Least Square (OLS). The number of knot points tested is 1 to 4-knot points with a degree of p=1,2,3. Based on the results of the analysis, the best model that produces the smallest GCV value is the nonparametric spline truncated quadratic regression model with 4 knots, which produces a GCV value of 522.27 and a coefficient of determination of 79.77%.
Pemodelan Regresi Nonparametrik Spline Truncated pada Data Longitudinal Andrea Tri Rian Dani; Ludia Ni’matuzzahroh; Vita Ratnasari; I Nyoman Budiantara
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8737

Abstract

Saat ini pendekatan regresi nonparametrik banyak mendapat perhatian dari para peneliti, dikarenakan memiliki fleksibilitas yang tinggi dan tidak tergantung pada asumsi bentuk kurva regresi. Spline truncated adalah salah satu model dalam regresi nonparametrik yang sering digunakan, karena mampu menangani data yang perilakunya berubah-ubah pada sub-sub interval tertentu. Pada analisis regresi, data yang seringkali digunakan adalah data cross-section, namun yang sebenarnya adalah analisis regresi juga dapat diterapkan pada data longitudinal, khususnya dengan menggunakan pendekatan regresi nonparametrik. Data longitudinal merupakan gabungan antara data cross-section dan time series. Penelitian ini bertujuan untuk memodelkan data persentase penduduk miskin di Provinsi Papua Tahun 2016 hingga Tahun 2019 menggunakan model regresi nonparametrik spline truncated. Metode estimasi parameter yang digunakan adalah Weighted Least Squares (WLS). Banyaknya titik knot yang dicobakan adalah 1 hingga 3 titik knot. Berdasarkan hasil analisis, model regresi nonparametrik spline truncated terbaik adalah model yang menggunakan 1 titik knot, dengan nilai GCV yang paling minimum yaitu sebesar 8,05 dan Koefisien Determinasi (R2) sebesar 99,98%.
Co-Authors Dani, Andrea Tri Rian I Nyoman Budiantara Vita Ratnasari