ANALISIS REGRESI SPLINE MENGGUNAKAN KNOT DAN ORDE :Studi Kasus tentang Berat Badan Balita di Posyandu Dewi Pramanik Kelurahan Sukaasih Kecamatan Bojongloa Kaler Kota Bandung

Rusadi, Ririn Aprianty (2011) ANALISIS REGRESI SPLINE MENGGUNAKAN KNOT DAN ORDE :Studi Kasus tentang Berat Badan Balita di Posyandu Dewi Pramanik Kelurahan Sukaasih Kecamatan Bojongloa Kaler Kota Bandung. S2 thesis, Universitas Pendidikan Indonesia.

[img]
Preview
Text
t_mtk_0706629_chapter1.pdf

Download (276kB) | Preview
[img] Text
t_mtk_0706629_chapter2.pdf
Restricted to Staf Perpustakaan

Download (338kB)
[img]
Preview
Text
t_mtk_0706629_chapter3.pdf

Download (323kB) | Preview
[img] Text
t_mtk_0706629_chapter4.pdf
Restricted to Staf Perpustakaan

Download (329kB)
[img]
Preview
Text
t_mtk_0706629_chapter5.pdf

Download (261kB) | Preview
[img]
Preview
Text
t_mtk_0706629_bibliography.pdf

Download (257kB) | Preview
Official URL: http://repository.upi.edu

Abstract

Ririn Aprianty Rusadi. 2011. Analisis Regresi Spline Menggunakan Knot dan Orde (Studi Kasus tentang Berat Badan Balita di Posyandu Dewi Pramanik Kelurahan Sukaasih Kecamatan Bojongloa Kaler Kota Bandung. Salah satu model regresi dengan pendekatan statistika nonparametrik yang dapat digunakan untuk menduga kurva regresi adalah regresi spline. Regresi spline adalah suatu pendekatan ke arah pencocokan data dengan tetap memperhitungkan kemulusan kurva. Spline adalah salah satu jenis piecewise polinomial, yaitu polinomial yang memiliki sifat tersegmen. Sifat tersegmen ini memberikan fleksibilitas lebih dari model polinomial biasa, sehingga memungkinkan untuk menyesuaikan diri secara lebih efektif terhadap karakteristik lokal suatu fungsi atau data. Fungsi spline merupakan optimasi dari Penalized Least Square (PLS). Dalam regresi spline langkah awal yang dilakukan adalah menentukan knot dengan nilai Generalized Cross Validation (GCV) yang minimum. Selain melihat nilai GCV yang minimum, kiteria lain yang dapat digunakan adalah dengan melihat nilai Mean Square Error (MSE). Dalam regresi spline terdapat nilai λ yang merupakan pengontrol keseimbangan antara kemulusan kurva dan kesesuaian kurva terhadap data sehingga pemilihan nilai λ sangatlah penting. Dalam tugas akhir ini diterapkan studi kasus yang berasal dari data sekunder. Data yang digunakan masalah kesehatan balita yaitu pengaruh berat badan balita terhadap umurnya dari umur 0 bulan sampai 60 bulan. Berdasarkan analisis yang dilakukan dengan menggunakan program pengolah data SAS 9.0 diperoleh bahwa berat badan balita di Posyandu lebih optimal jika dimodelkan dengan model regresi spline orde ke-3 atau biasa disebut model regresi spline kubik.

Item Type: Skripsi,Tesis,Disertasi (S2)
Additional Information: Nomor Panggil TPMTK RUS a-2011
Uncontrolled Keywords: Regresi Spline, Penalized Least Square (PLS), Generalized Cross Validation (GCV).
Subjects: L Education > L Education (General)
Divisions: Sekolah Pasca Sarjana > Pendidikan Matematika S-2
Depositing User: Mr. Hada Hidayat
Date Deposited: 30 Jun 2014 05:50
Last Modified: 30 Jun 2014 05:50
URI: http://repository.upi.edu/id/eprint/10428

Actions (login required)

View Item View Item