ESTIMATOR KURVA PRIESTLEY CHAO MENGGUNAKAN FUNGSI KERNEL TRIANGLE UNTUK DATA RATA-RATA BULANAN BILANGAN SUNSPOT MATAHARI

Analisis regresi merupakan suatu metode yang digunakan untuk memodelkan hubungan antara variabel respon (Y) dengan variabel prediktor (X). Salah satu pendekatan analisis regresi yang sering digunakan adalah regresi nonparametrik.
Regresi nonparametrik digunakan untuk data yang tidak diketahui distribusinya. Analisis regresi nonparametrik tidak terikat pada asumsi tertentu. Terdapat beberapa metode untuk mengestimasi model pada regresi nonparametrik salah
satunya adalah estimator kernel. Estimator kernel merupakan salah satu metode pendekatan terhadap fungsi densitas yang belum diketahui dengan menggunakan fungsi kernel. Hal yang paling penting dalam pendekatan kernel adalah pemilihan
bandwidth. Bandwidth berfungsi untuk mengontrol kemulusan dari kurva yang diestimasi. Salah satu kriteria yang dapat digunakan untuk memilih bandwidth yang optimum adalah Generalized Cross Validation (GCV). Nilai GCV minimum
menunjukkan nilai bandwidth yang optimum. Penelitian ini bertujuan untuk mendapatkan estimator kurva Priestley
Chao menggunakan fungsi kernel triangle dengan menggunakan data rata-rata bulanan bilangan sunspot matahari. Berdasarkan hasil analisis dan pembahasan dapat diketahui bahwa estimator kurva Priestley Chao menggunakan fungsi kernel triangle baik diterapkan pada data rata-rata bulanan bilangan sunspot matahari tahun 2000 sampai tahun 2018. Estimator kurva ini menghasilkan kurva regresi yang relatif sama dengan kurva data asli. Diperoleh nilai bandwidth optimum adalah 1.1 dengan nilai GCV minimum sebesar 46.04 serta nilai Mean Square Error (MSE) yang relatif kecil.