Model Regresi Nonparametrik dengan Pendekatan Spline (Studi Kasus: Berat Badan Lahir Rendah di Rumah Sakit Ibu dan Anak Siti Fatimah Makassar)

Abstract

Pendekatan nonparametrik merupakan suatu pendekatan yang digunakan apabila bentuk hubungan antara variabel respon dan variabel prediktornya tidak diketahui atau tidak adanya informasi mengenai bentuk fungsi regresinya. Spline merupakan suatu teknik yang dilakukan untuk mengestimasi parameter dalam regresi nonparametrik. Penelitian ini bertujuan untuk mengetahui model hubungan antara berat badan lahir rendah dan faktor-faktor yang mempengaruhi berdasarkan model spline. Faktor-faktor tersebut adalah usia ibu, usia kehamilan, dan jarak kehamilan. Data tersebut diperoleh dari rumah sakit ibu dan anak siti Fatimah Makassar tahun 2017. Dimana untuk mendapatkan model spline terbaik langkah awal yang dilakukan adalah menentukan knot dengan nilai Generalized Cross Validation (GCV) yang minimum. Berdasarkan penelitian yang telah dilakukan, dua variabel dinyatakan berpengaruh terhadap berat badan lahir rendah yaitu usia ibu, dan usia kehamilan. Model regresi nonparametrik dengan pendekatan Spline yang terbentuk memiliki koefisien determinasi sebesar 78,19%, serta nilai GCV dengan tiga titik knot yaitu 0.0117.Kata kunci: Regresi Nonparametrik, Spline, Berat Badan Lahir Rendah, Generalized Cross Validation The non-parametric approach is an approach that is used if the form of the relationship between the response variable and the predictor variable is unknown or the absence of information about the shapes of regression functions. The Spline is a technique performed to estimate the parameters in the nonparametric regression. This study aims to determine the model of the relationship between low birth weight and the factors that affect the based on the spline model. Such factors are maternal age, gestational age, and pregnancy distance. The Data is obtained from the mother and child hospital siti Fatimah Makassar 2017. Where to get a spline model best the initial step is to determine the knots with the value of the Generalized Cross Validation (GCV) which is a minimum. Based on the research that has been done, the two variables stated effect against low birth weight, namely age of mother, and gestational age. Nonparametric regression Model with the approach of the Spline that is formed has a coefficient of determination of 78.19 to%, as well as the value of the GCV with a three-point knot that is 0.0117.Keyword : Nonparametric Regression, Spline, Low Birth Weight, Generalized Cross Validation

Pemodelan Angka Harapan Hidup Sumatera Utara Menggunakan Regresi Semi parametrik Spline

“…Metode yang dipakai adalah regresi semiparametrik. Regresi semiparametrik adalah perpaduan dari regresi parametrik dan regresi nonparametrik (Adawiyah, 2018). Regresi parametrik cenderung memiliki bentuk pola hubungan mendekati garis linier dan membentuk garis lurus sedangkan regresi nonparametrik kecenderungan tidak memiliki hubungan pola tertentu.…”

“…Spline juga diinterpretsikan dengan model optimal terputus tetapi masih bersifat berkesinambungan pada titik knotnya. Titik perpaduan dari potongan-potongan tersebut atau titik yang menyatakan terbentukya perubahan-perubahan perilaku kurva pada interval-interval yang berbeda disebut knot (Adawiyah, 2018). Salah satu basis fungsi yang sering dipakai terhadap pendekatan spline, yaitu spline truncated.…”

Penerapan Analisis Regresi Nonparametrik dengan Pendekatan Regresi Kernel dan Spline

“…Dalam beberapa kasus, tidak semua pola data dapat didekati dengan pendekatan parametrik, dimana dapat diakibatkan karena tidak dimilikinya informasi mengenai bentuk atau pola hubungan antara variabel penjelas dengan variabel respon, sehingga pendekatan nonparametrik menjadi lebih relevan digunakan. Penggunaan regresi nonparametrik dengan pendekatan kernel atau spline telah digunakan oleh beberapa penelitian terdahulu diantaranya Sanusi et al (2019) pada studi kasus berat badan lahir rendah di Rumah Sakit Ibu dan Anak Siti Fatimah Makassar dan. Selain itu Wulandary et al (2020) pada pemodelan ratarata lama sekolah dan pengeluaran perkapita di Indonesia.…”

Jurnal Varian Full Text

“…The best spline regression model depends on the optimal knot point. The methods to find the optimal knot points that are often used are Generalized Cross-Validation (GCV), Mean Squared Error (MSE), and the R-sq (R 2 ) (Sanusi et al, 2017). The optimal knot point is obtained from the minimum GCV and MSE values and the maximum R-sq.…”