Desca Nur Alizah , 4111413015 (2017) ESTIMASI REGRESI NONPARAMETRIK PENALIZED SPLINE FILTER MENGGUNAKAN METODE PENALIZED LEAST SQUARE PADA DATA TIME SERIES. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (425kB) | Preview

Abstract

Analisis regresi merupakan analisis statistika yang digunakan untuk menyelidiki pola hubungan fungsional antara variabel respon dan variabel prediktor. Pada umumnya untuk mengestimasi fungsi regresi digunakan pendekatan regresi parametrik. Dalam menerapkan regresi parametrik sering kali asumsi-asumsinya tidak terpenuhi. Solusi dari masalah tersebut adalah mengestimasi fungsi regresi menggunakan pendekatan regresi nonparametrik. Penelitian ini difokuskan pada regresi nonparametrik dengan estimator Penalized Spline Filter (PSF). Penalized Spline Filter dengan keunggulannya memiliki fungsi penalti berupa fungsi filter dan sifat tersegmen kontinu yang memberikan fleksibilitas yang lebih baik sehingga memungkinkan untuk menyesuaikan diri secara efektif terhadap karakteristik fungsi atau data yang diasumsikan erornya saling berkolerasi atau autokorelasi. Metode optimasi yang digunakan untuk estimasi parameter model PSF yaitu metode Penalized Least Square (PLS). Estimator parameter disimulasikan pada data nilai kurs rupiah terhadap dollar AS pada tanggal 1 November 2016 sampai 31 Januari 2017. Untuk mendapatkan model PSF terbaik, yang pertama ditentukan yaitu orde spline

Actions (login required)

View Item