| dc.description.abstract | Analisis regresi nonparametrik digunakan apabila salah satu asumsi parameter regresi tidak terpenuhi dan tidak diketahui bentuk kurva regresi. Regresi nonparametrik merupakan analisis regresi dengan pendugaan model dilakukan berdasarkan pendekatan yang tidak terikat asumsi bentuk kurva regresi tertentu, namun dibentuk sesuai dengan informasi yang ada dalam data. Metode MARS merupakan salah satu metode yang menggunakan pendekatan regresi nonparametrik dan data berdimensi tinggi yaitu data yang memiliki jumlah variabel prediktor sebesar 3≤𝑝≤20 dan sampel data yang berukuran 50≤𝑛≤1000. Salah satu jenis fungsi yang dapat digunakan untuk menduga bentuk regresi nonparametrik adalah fungsi kernel Gaussian. Terdapat beberapa estimator yang dapat digunakan salah satunya adalah estimator Nadaraya-Watson.
Metode analisis MARS pada Kurs Rupiah Terhadap US Dollar dengan melakukan pengujian parameter model regresi nonparametrik, standarisasi, dan model MARS diperoleh dari kombinasi nilai fungsi basis (BF), Maksimum Interaksi (MI), dan Minimum Observasi (MO) secara trial and error. Hasil penelitian estimasi MARS terbaik pada Kurs Rupiah Terhadap US Dollar adalah BF=20, MI=2, dan MO=1, GCV terkecil 0,07317 dengan bentuk persamaan Y = -0.38782 + 1.55461 * BF1 + 0.89569 * BF2 + 1.04045 * BF3 + 0.897598 * BF4 - 0.348961 * BF5 - 1.66159 * BF6 + 0.902904 * BF7 + 0.925205 * BF13 - 1.13864 * BF15 - 0.680814 * BF18;. Besar tingkat pentingnya variabel-variabel prediktor terhadap model terbaik yaitu Suku Bunga (𝑋1) sebesar 100%, Impor (𝑋5) sebesar 89,48%, Cadangan Devisa (𝑋3) sebesar 33,52%, dan Inflasi (𝑋2) sebesar 6,364%.
Metode estimasi dengan estimator Nadaraya-Watson pada Kurs Rupiah Terhadap US Dollar dengan nilai RMSE yang paling kecil diperoleh menggunakan metode bandwidth “Complete Cross Validation”. Hasil estimasi menunjukkan bahwa pada nilai parameter bandwidth “Complete Cross Validation” menghasilkan kurva yang tidak cukup mulus tetapi nilai hasil estimasinya dekat dengan titik data aktual. | en_US |
