| NIM | H1B010020 |
|---|
| Namamhs | LOVITA |
|---|
| Judul Artikel | PEMODELAN REGRESI SPLINE LINIER MENGGUNAKAN METODE MAXIMUM LIKELIHOOD UNTUK DATA TINGKAT PENGANGGURAN TERBUKA TERHADAP TINGKAT INFLASI DI INDONESIA |
|---|
| Abstrak (Bhs. Indonesia) | Analisis regresi nonparametrik digunakan untuk mengetahui hubungan antara variabel bebas dan variabel tak bebas bila kurva regresi yang akan diselidiki tidak diketahui. Salah satu model regresi nonparametrik adalah regresi spline. Regresi spline merupakan modifikasi dari fungsi polinomial tersegmen. Jika regresi spline berorde satu maka disebut regresi spline linier. Tujuan dari penelitian ini adalah untuk memodelkan hubungan antara tingkat pengangguran terbuka terhadap tingkat inflasi di Indonesia dengan menggunakan metode maximum likelihood. Model regresi spline yang terbaik ditentukan berdasarkan kriteria MSE. Dari hasil penelitian diperoleh model regresi spline terbaik adalah model regresi spline dengan enam titik knot yaitu λ1=2,78, λ2=6,4, λ3=6,59, λ4=9,35, λ5=10,03, dan λ6=12,55, dengan nilai MSE sebesar 0,08277356. Koefisien determinasi sebesar 0,9680997, menunjukkan bahwa variasi tingkat pengangguran terbuka di Indonesia yang dapat dijelaskan oleh variabel tingkat inflasi adalah sebesar 96,8%. Hasil uji F menunjukkan bahwa pada taraf signifikansi 5%, model regresi spline linier dengan enam titik knot merupakan model yang sesuai untuk menjelaskan hubungan tingkat pengangguran terbuka dengan tingkat inflasi di Indonesia. |
|---|
| Abtrak (Bhs. Inggris) | Nonparametric regression analysis is used to determine the relationship between independent variables and the dependent variable when the curve of regression that will be investigated is unknown. One of regression models nonparametric is spline regression. Spline regression is a modification of segmented polynomial function. If the spline regression has one order then it is called linear spline regression. The aim of this research is to model relationship between the rate of open unemployment to the rate of inflation in Indonesia and using maximum likelihood method. The best spline regression model is determined of the MSE criteria. Base on the results of this research, it’s obtain that the best estimation of linear spline regression for data is a linear regression spline with six knots point, which are λ1=2,78, λ2=6,4, λ3=6,59, λ4=9,35, λ5=10,03, and λ6=12,55, with the value of MSE is 0,08277356. A determination coefficient is0,9680997, it’s indicates that the variation of the rate of open unemployment in Indonesia which can be explained by the variable of the rate of inflation is 96,8%.The result of F-test shows that at the 5% significance level, a linear regression spline with six knots point is appropriate models to determine the relationship of the rate of open unemployment to the rate of inflation in Indonesia. |
|---|
| Kata kunci | regresi nonparametrik, regresi spline linier, metode maximum likelihood, titik knot. |
|---|
| Pembimbing 1 | Dra. Agustini Tripena Br.Sb. M.Si. |
|---|
| Pembimbing 2 | Dr. Nunung Nurhayati M.Si. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2014 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2014-11-20 14:16:53.907231 |
|---|