Analisis Model Multivariate Adaptive Regression Spline (MARS) Dalam Mengklasifikasikan Faktor Yang Mempengaruhi Masa Studi Mahasiswa FKIP Universitas Darussalam Ambon

Main Article Content

Darwin Darwin Safarin Zurimi

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. Hasil penelitian menunjukkan bahwa penaksiran parameter model MARS menggunakan metode Ordinary Least Square (OLS) diperoleh hasil yang konvergen. Hal ini ditunjukkan oleh nilai Mean Square Error (MSE) yang terkecil. Selain itu, Aplikasi model MARS menggunakan metode OLS pada data masa studi alumni FKIP Universitas Darussalam Ambon menunjukkan bahwa ada 1 fungsi basis yang berpengaruh yaitu  yang didalamnya memuat 2 variabel prediktor yaitu IP Semester Awal dan Kondisi ekonomi Keluarga.

Article Details

How to Cite
DARWIN, Darwin; ZURIMI, Safarin. Analisis Model Multivariate Adaptive Regression Spline (MARS) Dalam Mengklasifikasikan Faktor Yang Mempengaruhi Masa Studi Mahasiswa FKIP Universitas Darussalam Ambon. Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), [S.l.], v. 3, n. 1, p. [423-429], feb. 2020. Available at: <http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/1181>. Date accessed: 07 apr. 2020.
Section
Mathematics

References

[1] 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.
[2] Aziz, Azwirda.. Penggunaan regresi spline adaptiv berganda untuk data respon biner. Tesis. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor.2005
[3] 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.
[4] Friedman, J.H,.Multivariate Adaptive Regression Splines, The Annals of Statistics. 1991;19(1). Hal. 1-14
[5] Otok, B.W. Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (MARS) Respon Biner. Jurnal Ilmu Dasar.2009; 10(2).Hal.133-140
[6] 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
[7] UNIDAR. Peraturan Akademik. 2017