View Artikel Ilmiah
Kembali| NIM (Student Number) | H1B006021 |
|---|---|
| Nama Mahasiswa | CHRISTINA |
| Judul Artikel | REGRESI NONPARAMETRIK DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) |
| Abstrak | Dalam berbagai kasus seringkali ditemukan kurva hubungan antara variabel respon dengan variabel prediktor mengikuti pola nonlinier, dan bentuk kurvanya tidak sederhana atau tidak mengikuti fungsi yang secara luas diketahui. Salah satu metode yang dapat mengatasi masalah ini adalah metode Multivariate Adaptive Regression Splines (MARS). Salah satu kelebihan metode MARS adalah dapat digunakan untuk data berdimensi tinggi. Pada penelitian ini dibahas algoritma MARS yang terdiri dari langkah maju dan langkah mundur. Kriteria model MARS terbaik ditentukan berdasarkan kriteria GCV terkecil dan koefisien determinasi (R2-GCV) terbesar. Sebagai contoh ilustrasi, pemodelan MARS diterapkan pada data klasifikasi pasien kanker serviks berdasarkan hasil Pap Test pada bulan Juni 2010. Hasilnya menunjukkan bahwa model MARS pada data tersebut diperoleh nilai GCV 3,849, dan nilai koefisien determinasi (R2-GCV) 0,024. |
| Abstrak (Inggris) | In many cases, often found curve's relationship between response variables with predictor variables follow the pattern of non-linear, and shape of the curve are not simple or does not follow the function widely. One of method to overcome this issue is Multivariate Adaptive Regression Splines (MARS) method. One of the advantages using MARS method can be used for high dimension data. In this study discussed MARS algorithm, consist of step forward and step back. Criterias of the best MARS model namely that meet the smallest GCV's criteria and the biggest determination's coefficient (GCV-R2). As an illustrative example, modelling of MARS is applied for classification's data of cervical cancer's patient based on PAP Test's result on June 2010. The result shows that MARS model on the data, obtained value of GCV 3,849 and value of determination's coefficient (GCV-R2) 0,024. |
| Kata Kunci | pola nonlinier, algoritma MARS, fungsi basis, spline, dan titik knot |
| Nama Pembimbing 1 | Dra. Agustini Tripena Br.Sb, M.Si. |
| Nama Pembimbing 2 | Supriyanto, M.Si. |
| Tahun | 2012 |
| Jumlah Halaman | 8 |
Page generated in 0.0773 seconds.