| NIM | H1B012008 |
|---|
| Namamhs | AWALLUDIN |
|---|
| Judul Artikel | Aplikasi Model Regresi Spline Linier Multivariabel Untuk Data Tingkat Kemiskinan Kabupaten Banyumas |
|---|
| Abstrak (Bhs. Indonesia) | Regresi spline merupakan salah satu model regresi non parametrik yang digunakan untuk mengestimasi pola hubungan pasangan data variabel prediktor dengan variabel respon dengan tetap memperhatikan kemulusan kurva. Pada regresi spline, penentuan banyaknya titik knot dan lokasi titik knot dapat mempengaruhi nilai error dari model.Tujuan dari penelitian ini adalah untuk mendapatkan model regresi spline linier multivariabel terbaik menggunakan kriteria generalized cross validation. Data yang digunakan dalam penelitian ini adalah data tingkat kemiskinan di Kabupaten Banyumas tahun 2015. Hasil penelitian menunjukkan bahwa PDRB perkapita di Kabupaten Banyumas (X_1) dan presentase pendidikan rendah di Kabupaten Banyumas (X_5) merupakan faktor yang berpengaruh terhadap presentase tingkat kemiskinan di Kabupaten Banyumas(Y).Dengan knot K1 = 7,223; K2= 8,274; K3 = 9,017; K4 = 11,093; K5 = 11,766 berada pada variabel X_1, sedangkan K6 = 52,07; K7 = 55,86; K8 = 58,01; K9 = 58,43 dan K10 = 70,00 beradapadavariabelX_5. Nilai GCV minimum 28,95036 serta nilai koefisien determinasi sebesar 89,84299% |
|---|
| Abtrak (Bhs. Inggris) | Spline regression is one of the non-parametric regression models that is used to estimate the correlationpattern between predictor variable with response variable while considering the smoothness of the curve. In spline regression, the selection of the number of knots andits location can affects the error value of the model. The aim of this research is to select the best multivariable linear spline regression model using generalized cross validation criteria. The data was about poverty levels in Banyumas2015. The results showed that the PDRB perkapitain Banyumas (X_1) and percentage of low education in Banyumas (X_5) is the most influential factors on the percentage of poverty levels in Banyumas(Y). With knot K1 = 7,223; K2= 8,274; K3 = 9,017; K4 = 11,093; K5 = 11,766 are at variable X_1, while knots K6 = 52,07; K7 = 55,86; K8 = 58,01; K9 = 58,43 dan K10 = 70,00 are at variableX_5. The value of minimum GCV is 28,95036 and the coefficient of determination is 89,84299%. |
|---|
| Kata kunci | generalized cross validation, tingkat kemiskinan, regresi spline linier multivariabel, titik knot |
|---|
| Pembimbing 1 | Supriyanto, M.Si. |
|---|
| Pembimbing 2 | Dra. Agustini Tripena Br. Sb, M.Si. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2019 |
|---|
| Jumlah Halaman | 8 |
|---|
| Tgl. Entri | 2019-08-22 04:14:33.28495 |
|---|