No abstract

The aim this study is discussed on the detection and correction of data containing the additive outlier (AO) on the model ARIMA (p, d, q). The process of detection and correction of data using an iterative procedure popularized by Box, Jenkins, and Reinsel (1994). By using this method we obtained an ARIMA models were fit to the data containing AO, this model is added to the original model of ARIMA coefficients obtained from the iteration process using regression methods. In the simulation data is obtained that the data contained AO initial models are ARIMA (2,0,0) with MSE = 36,780, after the detection and correction of data obtained by the iteration of the model ARIMA (2,0,0) with the coefficients obtained from the regression       1 2 1 2 3 0,106 0, 204 0, 401 329 115 35,9 t t t Z Z Z X t X t X t         and MSE = 19,365. This shows that there is an improvement of forecasting error rate data.

No abstract

No abstract

No abstract

Parameter estimation in MARS model executed by minimizing penalized least-squarer (PLS). Through some requirement, asymtotic estimator characteristic from MARS prediction model has been successfully proven. The research result shows that GCV can work properly to determine the best model that applied on MARS model. Solar' s vehicles produce opacity that exceed the standard limit of emition quality which was adjusted in Kepmen LH No. 35 Year 1993, as large as 88 percent from 408 percent. Applying years, cylinder volume, type of machine, and vehicle's radius are the variables that influences the opacity. PENDAHULUANAnalisis regresi memperlihatkan hubungan dan pengaruh variabel prediktor terhadap variabel respon. Untuk mengestimasi kurva atau parameter regresi, ada dua pendekatan yaitu parametrik dan nonparametrik. Pendekatan parametrik digunakan jika ada informasi sebelumnya tentang bentuk kurva, yang diperoleh berdasarkan teori atau pengalaman masa lalu, sehingga dapat dikatakan bahwa mengestimasi kurva ekuivalen dengan mengestimasi parameter, dimana hasil estimasi mengikuti model tertentu. Sedang pendekatan nonparametrik digunakan jika tidak ada informasi tentang bentuk kurva ( ) i f x , tidak tergantung pada asumsi bentuk kurva tertentu, sehingga m emberikan fleksibilitas yang lebih besar (Eubank 1988; Emond & Steven 1997). Hardle (1990), jika kurva regresi merupakan model parametrik maka disebut sebagai regresi parametrik dan apabila model yang diasumsikan ini benar, maka pendugaan parametrik sangat efisien, tetapi jika tidak, menyebabkan interpretasi data yang menyesatkan. Ada beberapa teknik estimasi dalam regresi nonparametrik antara lain pendekatan histogram, estimator spline, estimator kernel, estimator deret orthogonal, analisis wavelet dan lain-lain. Pendekatan estimator spline ada bermacam-macam antara lain spline original, spline type M, spline relaxed, spline terbobot dan lain-lain. Pendekatan spline mempunyai suatu basis fungsi. Basis fungsi yang biasa dipakai antara lain spline truncated dan B-spline. Model MARS Friedman (1991), bertujuan untuk prediksi, yang merupakan kombinasi recursive partitioning regression (RPR) dengan spline truncated yang telah dimodifikasi. Tujuan paper ini mencari estimator dari model tersebut, dan mengkaji sifat-sifat asimtotik estimator. Sedangkan kajian terapan dalam rangka meng-implementasikan kajian teori, yaitu dengan menerapkan dibidang lingkungan. Emisi Gas Buang. Emisi adalah makhluk hidup, zat energi, dan atau komponen lain yang dihasilkan dari kegiatan yang masuk atau dimasukkan ke dalam udara ambien yang mempunyai dan tidak mempunyai potensi sebagai pencemar (Bapedal 2002). Dalam Peraturan Pemerintah RI Nomor 41 Tahun 1999 pada Bab I Pasal 1 tentang pengendalian pencemaran udara, definisi dari pencemaran udara adalah masuknya atau dimasukkannya zat, energi, dan atau komponen lain ke dalam udara ambien oleh kegiatan manusia, sehingga mutu udara ambien turun ke tingkat tertentu yang menyebabkan udara ambien tidak memenuhi fungsinya. Beberapa konsep dan istilah te...

Model selection in neural networks can be guided by statistical procedures, such as hypothesis tests, information criteria and cross validation. Taking a statistical perspective is especially important for nonparametric models like neural networks, because the reason for applying them is the lack of knowledge about an adequate functional form. Many researchers have developed model selection strategies for neural networks which are based on statistical concepts. In this paper, we focused on the model evaluation by implementing statistical significance test. We used Wald-test to evaluate the relevance of parameters in the networks for classification problem. Parameters with no significance influence on any of the network outputs have to be removed. In general, the results show that Wald-test work properly to determine significance of each weight from the selected model. An empirical study by using Iris data yields all parameters in the network are significance, except bias at the first output neuron.

No abstract