ESTIMASI DENSITY KERNEL DENGAN BANDWITH YANG BERBEDA
Abstract
Dalam estimator kernel, parameter penghalus merupakan pengontrol keseimbangan antara kesesuaian kurva terhadap data dan kemulusan kurva. Bentuk kurva kernel bergantung pada kurva penduga fungsi kepekatan peluang akan bergantung pada lebar jendela yang merupakan parameter pemulus. Hasil simulasi menunjukkan bandwith (lebar jendela) lebih besar atau sama dengan satu telah memperlihatkan bentuk kurva normal untuk kernel quartic, gaussian, epanechnikov, dan kosinus.
Keywords
Full Text:
PDF
DOI: https://doi.org/10.15548/map.v3i1.2636
Abstract views : 226 times 
PDF : 190 times
References
Eubank, R. 1998. Spline Smoothing and Nonparametric Regression. Marcel Dekker New York.
Hayati, Laila. 2010. Pendekatan Model Kernel Densitas Mulus. J. Pijar MIPA, Vol. V No.2, September : 81 - 85 ISSN 1907-1744
Hardle, W. (1990). Smoothing Technique with Implementation in S. Springer Verlag, New York.
Hastie, T.J. and R.J. Tibshirani. 1990 Generalized Additive Models. Chapman and Hall. New York. London.
I. K. G. Sukarsa and I. G. A. M. Srinadi, Estimator Kernel dalam Model Regresi Nonparametrik. J. Mat., vol. 2, no. 1, pp. 19–30, 2012.
A. F. Arifin and E. T. Astuti. Pemodelan Nilai Ekspor Kelapa Sawit Di Indonesia Menggunakan Smoothing Kernel (Modeling the Value of Palm Oil Exports in Indonesia Using Smoothing Kernel). Semin. Nas. Off. Stat., vol. 2020, no. 1, pp. 1094–1104, 2021, doi: 10.34123/semnasoffstat.v2020i1.597.
I. K. G. Sukarsa and I. G. A. M. Srinadi et al., Perbandingan Estimator Kernel Dan Estimator Spline Dalam. KNM XVI, December, 2015.
Sartono, bagus dan Kholifatunnisa, amalia. https://rpubs.com/bagusco/kerneldensity. Diakses tanggal 28 Maret 2020.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.