Analisis Model Aplikatif Multivariate Adaptive Regression Spline (MARS) Terhadap Klasifikasi Faktor Yang Mempengaruhi Masa Studi Mahasiswa FKIP Universitas Darussalam Ambon
DOI:
https://doi.org/10.31959/js.v9i2.426Keywords:
Masa Studi, Multivariate Adaptive Regression Spline (MARS), Generalized Cross Validation (GCV), Mean Square Error (MSE)Abstract
Penelitian ini bertujuan untuk mengetahui Model Aplikatif yang dapat diungkap melalui model klasifikasi Multivariate Adaptive Regression Spline (MARS) untuk permasalahan masa studi alumni FKIP Universitas Darussalam Ambon. Untuk mengetahui model aplikatif yang dapat diungkap melalui model klasifikasi MARS terlebih dahulu dilakukan penaksiran parameter untuk mencari model MARS terbaik. Model MARS terbaik dipilih berdasarkan pada nilai Generalized Cross Validation (GCV) minimum. Penelitian ini menggunakan penaksiran parameter Ordinary Least Square (OLS) dan Generalized Least Square (GLS). Hasil penelitian menunjukkan bahwa penaksiran parameter model MARS menggunakan metode GLS diperoleh hasil yang tidak konvergen dan memiliki nilai Mean Square Error (MSE) paling besar dibandingkan penaksiran parameter model MARS menggunakan metode Ordinary Least Square (OLS) diperoleh hasil yang konvergen dimana hal ini ditunjukkan oleh nilai Mean Square Error (MSE) yang terkecil. Dengan demikian model aplikatif yang dapat diungkap melalui model klasifikasi MARS pada data masa studi alumni FKIP Universitas Darussalam Ambon yaitu menggunakan metode OLS. Hasil analisis menunjukkan bahwa ada 1 fungsi basis yang berpengaruh yaitu yang didalamnya memuat 2 variabel prediktor yaitu IP Semester Awal dan Kondisi ekonomi Keluarga.
References
Annur, Mardiah.,dkk. Penerapan Metode Multivariate Adaptive Regression Spline (MARS) [1] Annur, Mardiah.,dkk. Penerapan Metode Multivariate Adaptive Regression Spline (MARS) untuk menentukan faktor yang mempengaruhi masa studi mahasiswa FMIPA UPI. Eurekamatika.2015; 3(1).Hal.1-19.
Aziz, Azwirda.. Penggunaan regresi spline adaptiv berganda untuk data respon biner. Tesis. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor.2005
Budiantara, I.N., Lestari, B., Islamiyati,A., Wibowo, W. Pemilihan knot optimal dalam estimator spline Terbobot pada regresi nonparametrik Heteroskedastik data longitudinal. Prosiding seminar Nasional Statistika XI, Institut Teknologi Sepuluh November, Surabaya. 2009.
Friedman, J.H,.1991. Multivariate Adaptive Regression Splines, The Annals of Statistics. 1991;19(1). Hal. 1-14
Otok, B.W. Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (MARS) Respon Biner. Jurnal Ilmu Dasar.2009; 10(2).Hal.133-140
Purnomo. Estimation penalized least square Multivariate Adaptive Regression Splines, Proceedings of the First International Conference on Mathematics and Statistics (IcoMS-1), Bandung, west Java, Indonesia.2008
UNIDAR. Peraturan Akademik. 2006