MODEL MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) BIRESPON KONTINU DENGAN PENDEKATAN FUZZY CLUSTERING MEANS (FCM)

Mira, Meilisa (2024) MODEL MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) BIRESPON KONTINU DENGAN PENDEKATAN FUZZY CLUSTERING MEANS (FCM). Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text (Disertasi) 7003201003 Disertasi Mira Meilisa 2024.pdf Restricted to Repository staff only Download (4MB)

Abstract

Pemodelan regresi seringkali tidak dapat diselesaikan dengan pendekatan regresi parametrik sehingga harus diselesaikan dengan pendekatan regresi nonparametrik. Pendekatan regresi nonparametrik digunakan apabila tidak terdapat informasi mengenai bentuk kurva dan tidak jelasnya pola hubungan antara variabel prediktor dengan variabel respon. Multivariate Adaptive Regression Splines (MARS) termasuk kedalam salah satu pendekatan regresi nonparametrik, merupakan kombinasi kompleks antara spline truncated dengan Recursive Partitioning Regression (RPR). Pemodelan MARS pada regresi bisa melibatkan respon kontinu dan respon kategori, baik pada satu respon maupun dua respon. Penelitian ini mengusulkan sebuah metode baru dalam perkembangan model MARS yang mengamati aspek heterogenitas yang tidak teramati. Metode ini merupakan kombinasi antara MARS Birespon Kontinu (MARSBK) dan Fuzzy Clustering Means (FCM) menjadi model Multivariate Adaptive Birespon Fuzzy Clustering Means Regression Splines (MABFCMRS) yang memungkinkan sebuah objek berada pada banyak cluster walaupun dengan bobot keanggotaan yang berbeda. Berbeda dengan pendekatan Fuzzy Clustering Means biasa yang menggunakan jarak Euclid sebagai bagian untuk penentuan bobot objek, metode baru yang diusulkan ini menggunakan total kuadrat jarak residual terboboti. Mendapatkan estimasi parameter menggunakan fungsi Lagrange Multiplier dan untuk menemukan banyaknya objek dalam cluster. Selanjutnya statistik uji kesamaan model menggunakan Sum Square Error (SSE), untuk pengujian hipotesis parameter model MABFCMRS secara serentak menggunakan Maximum Likelihood Ratio Test (MLRT) dan uji Wald untuk uji parsial. Kajian aplikasi dilakukan dengan menerapkan model MABFCMRS pada prevalansi stunting dan wasting menurut kecamatan di provinsi Sulawesi Tenggara. Hasilnya penelitian menunjukkan bahwa bayi dengan BBLR, bayi yang mendapat ASI ekslusif dan bayi mendapatkan vitamin A merupakan variabel signifikan yang berpengaruh pada prevalansi kasus stunting. Validasi indeks jumlah cluster terbaik berdasarkan kriteria Fuzziness Perfomance Index (FPI) dan Normalized Classification Entropy (NCE) adalah 2 cluster. Kriteria kebaikan model menggunakan nilai R Square dan Generalized Cross Validation (GCV) memperlihatkan model MABFCMRS lebih baik dari model MARSBK dalam memodelkan kasus prevalansi stunting dan wasting menurut kecamatan di Provinsi Sulawesi Tenggara. Kata Kunci: MARSBK, FCM, MABFCMRS, Stunting, Wasting.

Item Type:	Thesis (Doctoral)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Depositing User:	Unnamed user with email repo@umsb.ac.id
Date Deposited:	16 Jun 2025 06:50
Last Modified:	16 Jun 2025 06:50
URI:	http://eprints.umsb.ac.id/id/eprint/3612

Actions (login required)

View Item