Kajian Metode Estimasi Parameter dalam Regresi Semiparametrik Spline

Abstract

Pada regresi semiparametrik spline, estimasi kurva regresi dapat diselesaikan dengan metode kuadrat terkecil, kuadrat terkecil terpenalti, dan reproducing kernel Hilbert space.  Masing-masing pendekatan memiliki karakteristik yang berbeda.  Pada pendekatan kuadrat terkecil, masalah utama adalah memilih banyak knot dan lokasinya.   Pada kuadrat terkecil terpenalti dan reproducing kernel mempunyai permasalahan yang sama, yaitu menentukan nilai parameter penghalus yang optimal.  Namun, secara matematis, metode reproducing kernel memberi hasil yang lebih umum dibandingkan dengan kuadrat terkecil terpenalti karena berlaku untuk semua derajat polinomial spline yang akan dipergunakan.  Makalah ini akan menjelaskan penggunaan metode kuadrat terkecil, kuadrat terkecil terpenalti, dan reproducing kernel hilbert space serta perbedaan masing-masing dalam estimasi kurva regresi semiparametrik spline.