Putri, Putu Ratih Yulinda Eka (2026) ANALISIS DATA LONGITUDINAL DENGAN BERBAGAI TINGKAT AUTOKORELASI DENGAN METODE NONPARAMETRIK SPLINE TRUNCATED DAN KERNEL REGRESSION. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2213101015-COVER.pdf Download (418kB) |
|
Text (ABSTRAK)
2213101015-ABSTRAK.pdf Download (292kB) |
|
Text (BAB 1 PENDAHULUAN)
2213101015-BAB 1 PENDAHULUAN.pdf Download (292kB) |
|
Text (BAB 2 KAJIAN TEORI)
2213101015-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (463kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2213101015-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (374kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2213101015-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2213101015-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (244kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2213101015-DAFTAR PUSTAKA.pdf Download (278kB) |
|
Text (LAMPIRAN)
2213101015-LAMPIRAN.pdf Download (590kB) |
Abstract
Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja metode regresi nonparametrik Spline Truncated dan Kernel Regression dalam menganalisis data longitudinal dengan berbagai tingkat autokorelasi, serta menilai konsistensi hasil simulasi ketika metode tersebut diterapkan pada data riil. Penelitian ini merupakan penelitian kuantitatif komparatif dengan pendekatan studi simulasi dan penerapan empiris. Data simulasi dibangkitkan pada 30 unit pengamatan dengan 5 titik waktu, menggunakan tiga tingkat autokorelasi, yaitu rendah, sedang, dan tinggi, yang masing-masing direplikasi sebanyak 50 kali. Selanjutnya, kedua metode diterapkan pada data riil persentase penduduk miskin di 34 provinsi di Indonesia periode 2016–2024. Pemilihan parameter optimal dilakukan menggunakan GCV, sedangkan evaluasi kinerja model dilakukan melalui MSE, RMSE, MAE, R^2, serta diagnostik residual dengan ACF, PACF, dan uji Ljung–Box. Hasil penelitian menunjukkan bahwa peningkatan tingkat autokorelasi menyebabkan kesalahan prediksi pada kedua metode cenderung meningkat, sementara kemampuan model dalam menjelaskan variasi data cenderung menurun. Namun demikian, metode Spline Truncated konsisten menghasilkan nilai kesalahan prediksi yang lebih kecil, kurva estimasi yang lebih stabil, serta residual yang lebih terkendali dibandingkan metode Kernel Regression, terutama pada kondisi autokorelasi sedang hingga tinggi. Pada penerapan data riil, kedua metode menunjukkan performa in-sample yang relatif berdekatan, tetapi Spline Truncated lebih baik dalam stabilitas estimasi dan pengendalian autokorelasi residual. Dengan demikian, dapat disimpulkan bahwa metode Spline Truncated lebih sesuai digunakan untuk analisis data longitudinal yang menekankan kestabilan estimasi dan kualitas diagnostik residual. Berdasarkan hal tersebut, rekomendasi perbaikan dalam penelitian ini dapat dikembangkan melalui penggunaan spline orde lebih tinggi, penambahan variabel prediktor, serta pengkajian estimasi interval agar hasil analisis menjadi komprehensif dan mendalam.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | data longitudinal, autokorelasi, Spline Truncated, Kernel Regression, regresi nonparametrik |
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1) |
| Depositing User: | Putu Ratih Yulinda Eka Putri |
| Date Deposited: | 19 Jun 2026 04:47 |
| Last Modified: | 19 Jun 2026 04:47 |
| URI: | http://repo.undiksha.ac.id/id/eprint/29536 |
Actions (login required)
 |
View Item |