Yani, Ahmad (2023) Pemodelan Regresi Semiparametrik Birespon dengan Estimator Spline Terboboti = Modelling of Biresponse Semiparametric with Weighted Spline Estimator. Thesis thesis, Universitas Hasanuddin.
![[thumbnail of cover]](/45460/1.hassmallThumbnailVersion/H062192001_tesis_09-03-2023%20cover1.jpg)

H062192001_tesis_09-03-2023 cover1.jpg
Download (240kB) | Preview
![[thumbnail of bab 1-2]](/style/images/fileicons/text.png)
H062192001_tesis_09-03-2023 bab 1-2.pdf
Download (1MB)
![[thumbnail of dapus]](/style/images/fileicons/text.png)
H062192001_tesis_09-03-2023 daftar pustaka.pdf
Download (190kB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
H062192001_tesis_09-03-2023.pdf
Restricted to Repository staff only until 27 September 2027.
Download (1MB)
Abstract (Abstrak)
Model regresi umumnya dibagi menjadi tiga yaitu regresi parametrik, regresi nonparametrik dan regresi semi parametrik. Regresi semiparametrik merupakan kombinasi dari regresi parametrik dan regresi nonparametrik, karena terdapat hubungan antara variabel prediktor dan variabel respon yang polanya diketahui dan pola yang tidak diketahui. Tujuan dari penelitian ini adalah untuk mendapatkan model terbaik dari data biresponse menggunakan regresi semiparametrik. Indeks pembangunan manusia (IPM) dan nilai investasi di Sulawesi Selatan mejadi data yang akan diaplikasikan ke dalam pemodelan regresi semiparametrik birespon. Pendekatan regresi parametrik menggunakan regresi linier, sedangkan pendekatan regresi nonparametrik menggunakan spline truncated terboboti. Penentuan model regresi parametrik terbaik didasarkan pada koefisien determinasi terbesar, sedangkan penentuan model regresi nonparametrik didasarkan pada kriteria GCV untuk mendapatkan model terbaik.
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | Birespon ; GCV; Investasi; IPM; Semiparametrik; Spline. |
Subjects: | Q Science > Q Science (General) |
Divisions (Program Studi): | Fakultas Matematika dan Ilmu Peng. Alam > Statistika |
Depositing User: | Nasyir Nompo |
Date Deposited: | 24 Jun 2025 05:42 |
Last Modified: | 24 Jun 2025 05:42 |
URI: | http://repository.unhas.ac.id:443/id/eprint/45460 |