REGRESI PROJECTION PURSUIT DENGAN RESPON LOGISTIK

KRISTIANUS BOBY ANGGIAT MARITO SIAHAAN, Prof.Drs. Subanar, Ph.D.

2015 | Tesis | S2 Matematika

Banyak teknik nonparametrik, seperti Running mean, Polynomial, Nearest Neighhour, bekerja dengan prinsip rata–rata persekitaran yang tidak dapat bekerja dengan baik untuk data berdimensi tinggi (cursed of dimensionality). Reduksi dimensi menjadi salah satu solusi permasalahan tersebut. Proyeksi yang mempertahankan struktur data, dapat mereduksi dimensi data. Pemikiran ini menjadi ide dasar Projection Pursuit Regression (PPR). Di dalam kerangka kerjanya, PPR melakukan smoothing terhadap data setelah mengalami proyeksi. Pemilihan teknik smoothing yang memiliki akurasi yang lebih baik akan mempengaruhi PPR untuk memberikan aproksimasi bidang permukaan fungsi-fungsi non linier, terlebih lagi untuk data yang variabel responnya logistik (0 atau 1)

There are many non-parametric techniques, such as Running-mean, Polynomial, Nearest Neighbour, based on local averaging which is can not work well for high-dimensional data (cursed of dimensionality). Dimension reduction become a solution to these problems. Projection which maintains data structures, can reduce the dimension of data. This is the basic idea of Projection Pursuit Regression (PPR). Within its framework, PPR perform smoothing technique to smooth the data after it were projected. The choice of smoothing technique that has better accuracy will affect the PPR to provide a surface approximation of nonlinear functions, especially for data with logistics response (0 or 1).

Kata Kunci : Regresi, Smoothing, Projection pursuit, respon logistik