Pemodelan Multivariate Adaptive Regression Spline pada Data Respon Biner Melalui Metode Maximum Likelihood

Regresi nonparametrik adalah pendekatan regresi yang digunakan apabila asumsi distribusi data tidak diketahui. Salah satu teknik estimasi yang digunakan dalam regresi nonparametrik dalam kasus multivariat adalah metode Multivariate Adaptive Regression Spline (MARS) yang memperhitungkan titik knot dalam fungsi basis. Penentuan titik knot yang secara otomatis dalam MARS menggunakan dua tahap yaitu tahap forward dan backward. Pemilihan model yang paling optimum dalam MARS berdasarkan nilai Generalized Cross Validation (GCV) minimum. Tugas akhir ini bertujuan untuk mengestimasi model MARS dengan respon biner melalui metode maximum likelihood yang diaplikasikan pada data kemiskinan di Kabupaten Jeneponto tahun 2013, yaitu variabel responnya terdiri dari dua kategori, yaitu desa miskin dan desa tidak miskin. Hasil pendugaan pengelompokkan desa dengan metode MARS menghasilkan tiga variabel yang berpengaruh secara signifikan, yaitu faktor sumber penerangan petromaks atau pelita (X3), faktor sumber mata pencaharian di bidang angkutan (X7) dan faktor sumber penerangan berupa PLN (X1)