Estimasi Kurva Regresi Nonparametrik Kernel Multivariabel pada Persentase Rumah Tangga yang Memiliki Akses terhadap Hunian Layak dan Terjangkau

Beberapa metode regresi nonparametrik yang kerap dikembangkan peneliti adalah regresi nonparametrik spline, Fourier, dan kernel. Regresi nonparametrik spline truncated digunakan pada saat pola data cenderung memiliki perubahan pola pada interval tertentu. Regresi nonparametrik Fourier digunakan pada saat pola data menunjukkan adanya pola berulang atau periodik. Regresi nonparametrik kernel digunakan untuk pola data yang tidak dapat diasumsikan oleh peneliti. Seringkali pada saat pemodelan, pola data tidak dapat diidentifikasi termasuk tidak memiliki kecenderungan peiodik, tidak terjadi perubahan pola pada interval tertentu dan ciri lain, untuk itu regresi nonparametrik kernel diteliti. Tujuan dari penelitian ini adalah untuk mendapatkan estimasi kurva dari regresi nonparametrik kernel dengan beberapa variabel prediktor. Penelitian diharapkan mampu memperkaya wawasan regresi nonparametrik kernel multivariabel dan penerapannya. Metode pemilihan bandwidth yang digunakan adalah Generalized Cross Validation. Studi kasus yang digunakan adalah persentase rumah tangga yang memiliki akses terhadap hunian layak dan terjangkau. Variabel prediktor dalam penelitian ini terdiri dari kepadatan penduduk, luas lantai perkapita, persentase rumah tangga yang memiliki akses terhadap air minum layak, dan persentase rumah tangga yang memiliki akses terhadap sanitasi layak. Daerah yang dijadikan penelitian mencakup kota/kabupaten di Pulau Jawa yang terdiri dari 6 provinsi yaitu DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur, dan Banten. Total kota/kabupaten adalah 119 observasi. Pola hubungan yang terbentuk dari masing-masing variabel prediktor menunjukkan bahwa hubungan tidak monoton, yang bearti saat nilai prediktor naik belum tentu nilai respon naik maupun sebaliknya. Untuk itu, pada penelitian ini akan dilakukan pemodelan menggunakan regresi nonparametrik kernel, dengan beberapa variabel atau multivariabel. Model terbaik yang didapatkan memberikan nilai GCV minimum sebesar 186,949 dengan koefisien determinasi sebesar 50,8%. =============================================================================================================================== Several nonparametric regression methods that are often developed by researchers are spline, Fourier, and kernel nonparametric regression. Spline truncated nonparametric regression is used when data patterns tend to change patterns at certain intervals. Fourier nonparametric regression is used when the data pattern shows a repeating or periodic pattern. Kernel nonparametric regression is used for data patterns that researchers cannot assume. Often at the time of modeling, data patterns cannot be identified including not having a periodic trend, not changing patterns at certain intervals and other characteristics, for that nonparametric kernel regression is investigated. The aim of this research is to get curve estimation from kernel nonparametric regression with several predictor variables. The research is expected to be able to enrich insight into multivariable kernel nonparametric regression and its application. Bandwidth selection method used is Generalized Cross Validation. The case study used is the percentage of households that have access to decent and affordable housing. The predictor variables in this study consisted of population density, floor area per capita, the percentage of households that have access to proper drinking water, and the percentage of households that have access to proper sanitation. The areas used for research included cities/districts in Java Island which consisted of 6 provinces, namely DKI Jakarta, West Java, Central Java, DI Yogyakarta, East Java, and Banten. The total number of cities/districts is 119 observations. The relationship pattern that is formed from each predictor variable shows that the relationship is not monotonous, which means that when the predictor value increases, the response value does not necessarily increase or vice versa. For this reason, this research will be modeled using kernel nonparametric regression, with several variables or multivariables. The best model obtained gives a minimum GCV value of 186.949 with a coefficient of determination of 50.8%