Estimasi Model Regresi Nonparametrik Menggunakan Estimator Kernel Gasser-Müller Gaussian pada Data Curah Hujan di Kota Makassar

Latar Belakang. Curah hujan di Indonesia mengalami fluktuasi yang signifikan akibat perubahan iklim global dan pola cuaca yang tidak stabil sehingga penting untuk melakukan identifikasi pola curah hujan guna meminimalisir dampak yang ditimbulkan. Regresi nonparametrik kernel merupakan metode yang dapat mengestimasi pola data dengan efektif dan fleksibel. Estimator yang dapat mengestimasi fungsi regresi kernel dengan stabil dan memiliki kemampuan adaptabilitas yang baik terhadap data adalah Gasser-Müller Gaussian. Tujuan. Penelitian ini bertujuan untuk memperoleh nilai bandwidth optimal dan bentuk estimasi model regresi nonparametrik kernel pada data curah hujan di Kota Makassar. Metode. Penelitian ini menggunakan metode kernel Gasser-Müller Gaussian. Hasil. Model estimator kernel Gasser-Müller Gaussian menghasilkan estimasi curah hujan menggunakan periode, kecepatan angin maksimum, dan arah angin saat kecepatan maksimum dengan nilai Mean Squared Error (MSE) secara berturut-turut sebesar 0,24, 0,73, dan 0,87. Kesimpulan. Bentuk estimasi model regresi nonparametrik kernel diperoleh dengan bandwidth optimal 0,05 (Generelized Cross Validation), 0,34 (Silverman’s Rule of Thumb), dan 0,33 (Silverman’s Rule of Thumb).