Pendugaan Fungsi Regresi Nonparametrik Dua Tahap dengan Smoothing Spline dan Deret Fourier Untuk Data Longitudinal

Pengembangan regresi nonparametrik pada data longitudinal selama ini lebih banyak dikembangkan dengan asumsi yaitu pola dari setiap variabel prediktor dalam model regresi nonparametrik di anggap mempunyai pola yang sama, sehingga peneliti memaksakan menggunakan satu bentuk fungsi estimator yang sama untuk setiap variabel prediktor. Tapi dalam kenyataannya, sering dijumpai kasus-kasus dimana terjadi pola data yang berbeda-beda dari masing- masing variabel prediktor. Sehingga pada penelitian ini dikembangkan estimator yang polanya berbeda untuk dua prediktor pada regresi nonparametrik dengan metode smoothing spline dan deret Fourier. Kemudian hasil teoritis diterapkan pada data simulasi. Estimasi fungsi regresi nonparametrik dua tahap dengan smoothing spline dan deret Fourier diperoleh melalui optimasi penalized weighted least square (PWLS). Berdasarkan hasil simulasi pendugaan fungsi regresi nonparametrik pendekatan dua tahap dengan smoothing spline dan deret Fourier untuk data longitudinal menunjukan bahwa karakteristik ukuran sampel dengan menggunakan pengamatan secara berulang dalam kurun waktu10T memberikan hasil simulasi lebih baik. Sedangkan untuk ukuran variansi dan autokorelasi sangat mempengaruhi keakuratan model yang dihasilkan dalam data longitudinal, semakin besar keragaman data yang digunakan maka keakuratan model yang didapatkan tidak dapat menjelaskan dengan baik hubungan antara 1 2,it itx x dengan.ity Sedangkan semakin besar autokorelasi maka hasil error yang didapatkan semakin kecil yang dapat dilihat berdasarkan nilai RMSE terendah