Multivariate Adaptive Regression Splines

BASKAMI MELIALA, Yunita Wulan Sari, S.Si., M.Sc.

2017 | Skripsi | S1 STATISTIKA

Metode Recursive Partitioning Regression (RPR) yang biasa digunakan untuk menangani kasus data nonparametrik dimana menghasilkan model yang tidak kontinu pada knots dan apabila diaplikasikan kepada data berdimensi tinggi akan menghasilkan model yang sangat sulit untuk diinterpretasikan.Maka untuk itu analisis Regresi Spline Multivariabel Adiptif digunakan untuk mengatasi kelemahan-kelemahan dari metode RPR. Friedman (1991) menunjukkan bahwa pemilihan model terbaik dengan metode Regresi Spline Multivariabel Adiptif dilakukan dengan membandingkan semua nilai Generalized Cross Validation (GCV) yang dihasilkan tiap model kombinasi dari knots (MO), basis fungsi (BF), dan Interaksi (MI). Menggunakan data Indeks Harga Saham Gabungan (IHSG) akan dijelaskan variabel-variabel yang mempengaruhi naik dan turunnya nilai IHSG dan menginterpretasikannya.

Recursive Partitioning Regression (RPR) method commonly used to handle nonparametric data cases which produce non-continuous models on knots and when applied to high-dimensional data will produce models that are very difficult to interpret. So, for that Multivariate Adaptive Regression Splines (MARS) is used to overcome the weaknesses of the RPR method. Friedman (1991) showed that the best model selection by the Multivariate Adaptive Regression Splines method was done by comparing all Generalized Cross Validation (GCV) values generated by each combination model of knots (MO), basis function (BF), and Interaction (MI). Using the Composite Stock Price Index (IHSG) will explain the variables that affect the rise and fall of the IHSG and interpret the value.

Kata Kunci : regresi nonparametrik, spline, regresi partisi rekursif