TUNNAS, FAIKA (2026) Pemodelan Regresi Nonparametrik dengan Estimator Nadaraya-Watson Berbasis Kernel Hyperbolic Secant dan Bandwidth Hybrid Adaptif pada Data Harga Minyak Mentah Berjangka. Thesis thesis, Universitas Hasanuddin.
H062241020-N7rHGhvSOXi8JWtc-20260928163124.pdf
Restricted to Repository staff only
Download (3MB)
Abstract (Abstrak)
FAIKA TUNNAS. Pemodelan Regresi Nonparametrik dengan Estimator Nadaraya-Watson Berbasis Kernel Hyperbolic Secant dan Bandwidth Hybrid Adaptif pada Data Harga Minyak Mentah Berjangka (dibimbing oleh Dr. Nirwan, M.Si. dan Dr. Anna Islamiyati, S.Si., M.Si.) Latar Belakang: Pemilihan bandwidth yang tepat menjadi tantangan utama dalam estimasi regresi nonparametrik, terutama ketika data memiliki kepadatan yang tidak merata dan variansi yang tidak konstan. Penelitian ini mengembangkan estimator Nadaraya-Watson dengan menggabungkan density-based bandwidth dan variance-stabilizing bandwidth melalui kombinasi geometrik terbobot, kernel hyperbolic secant sebagai fungsi pembobot, serta wild bootstrap bias correction untuk meningkatkan akurasi estimasi. Metode ini diterapkan pada data harga kontrak berjangka minyak mentah WTI yang bersifat nonlinier, tidak simetris, berekor berat, dan memiliki variansi yang tidak konstan. Tujuan: Penelitian ini bertujuan untuk menentukan nilai bandwidth hybrid adaptif yang optimal pada estimator Nadaraya-Watson dengan mengombinasikan density-based bandwidth dan variance stabilizing bandwidth, serta memperoleh hasil estimasi model regresi nonparametrik untuk memodelkan harga kontrak berjangka minyak mentah WTI berdasarkan variabel S&P 500, VIX, inventory minyak mentah, dan Baltic Dry Index. Metode: Penelitian ini mengusulkan estimator Nadaraya-Watson dengan kernel hyperbolic secant dan bandwidth hybrid adaptif yang menggabungkan density-based bandwidth dan variance stabilizing bandwidth melalui kombinasi geometrik terbobot. Parameter optimal α dan η ditentukan melalui joint grid search dengan meminimalkan RMSE. Sebagai langkah tambahan, diterapkan wild bootstrap bias correction untuk mengestimasi dan mengurangi bias pada ukuran sampel terbatas. Hasil: Hasil joint grid search menghasilkan parameter optimal α=0.4 dan η=0.25. Evaluasi kinerja menunjukkan bahwa estimator yang diusulkan menghasilkan RMSE = 7.007 dan MAE = 4.998, dengan penurunan RMSE sebesar 19.87% dibandingkan estimator Nadaraya-Watson standar. Kesimpulan: Penggabungan density-based bandwidth dan variance-stabilizing bandwidth melalui kombinasi geometrik terbobot menghasilkan bandwidth yang adaptif terhadap heterogenitas lokal data sekaligus stabil terhadap fluktuasi variansi di setiap titik pengamatan. Wild bootstrap bias correction yang diterapkan juga memberikan peningkatan akurasi estimasi, sehingga estimator yang diusulkan menghasilkan estimasi yang lebih mendekati nilai aktual dibandingkan estimator Nadaraya-Watson standar.
| Item Type: | Thesis (Thesis) |
|---|---|
| Subjects: | Q Science > Q Science (General) |
| Divisions (Program Studi): | Fakultas Matematika dan Ilmu Peng. Alam > Statistika |
| Depositing User: | Nasyir Nompo |
| Date Deposited: | 10 Nov 2026 05:01 |
| Last Modified: | 10 Nov 2026 05:01 |
| URI: | http://repository.unhas.ac.id:443/id/eprint/61749 |
