ESTIMATOR REGRESI KERNEL NADARAYA-WATSON ADAPTIF THE ADAPTIVE NADARAYA-WATSON KERNEL REGRESSION ESTIMATOR

ORYZA ARIFINA FIL LAEL, Prof. Dr. Sri Haryatmi, M.Sc.

2013 | Tesis | S2 Matematika

Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menyelidiki pola hubungan fungsional antara variabel prediktor dan variabel respon. Pola hubungan yang terbentuk digunakan untuk mengetahui pendekatan yang sesuai dalam mengestimasi fungsi regresi, yaitu pendekatan parametrik atau nonparametrik. Tesis ini berkonsentrasi pada estimator kernel Nadaraya-Watson adapatif yang merupakan pendekatan regresi nonparametrik menggunakan metode kernel dengan bandwidth bervariasi dari satu titik ke titik yang lain. Pada dasarnya, estimator kernel Nadaraya-Watson adapatif merupakan pengembangan dari estimator kernel Nadaraya-Watson. Lebih lanjut akan dibandingkan kriteria performa dari kedu estimator dengan melihat nilai MSE yang dihasilkan. Hasil penelitian ini menunjukkan bahwa pada estimator kernel Nadaraya-Watson adapatif memiliki performa yang lebih baik dibandingkan dengan pada estimator kernel Nadaraya-Watson karena menghasilkan nilai MSE yang lebih kecil.

Regression analysis is one of statistical analysis usually used to investigate the pattern of functional relation between predictor and response. The formed pattern of this relation is used to find the proper approach in estimating regression function between parametric or non parametric approach. This paper focuses on adaptive Nadaraya-Watson Kernel regression estimator in which is non parametric regression approach using kernel method with varying bandwidth of one point to another. Basically, adaptive Nadaraya-Watson Kernel estimator is an expansion of Nadaraya-Watson Kernel estimator. Furthermore, the performance criteria of both estimators are compared here by checking the obtained MSE values. The results of this study show that the adaptive Nadaraya-Watson kernel estimators have better performance than Nadaraya-Watson kernel estimators because they obtain smaller MSE values.

Kata Kunci : -