Abstract
This paper discusses aselection of smoothing parameters for the linier spline regression estimation on the data of electrical voltage differences in the wastewater. The selection methods are based on the mean square errorr (MSE) and generalized cross validation (GCV). The results show that in selection of smooting paranceus the mean square error (MSE) method gives smaller value , than that of the generalized cross validatio (GCV) method. It means that for our data case the errorr mean square (MSE) is the best selection method of smoothing parameter for the linear spline regression estimation.
Highlights
This paper discusses aselection of smoothing parameters for the linier spline regression estimation on the data of electrical voltage differences in the wastewater
Dibahas mengenai pemilihan parameter penghalus ( ) untuk estimasi spline linier pada data pengaruh penambahan potensial listrik dalam limbah cair
Pemilihan Parameter Penghalus dalam Regresi Spline Terbobot
Summary
Pemilihan nilai parameter penghalus ( ) optimal mutlak diperlukan untuk memperoleh estimator spline yang sesuai dengan data. Dibahas mengenai pemilihan parameter penghalus ( ) untuk estimasi spline linier pada data pengaruh penambahan potensial listrik dalam limbah cair. Dalam hubungannya dengan estimasi kurva mulus f(x), yang mempunyai nilai parameter penghalus (λ ) optimal, maka untuk memilih estimator f(x) yang terbaik diantara kelas estimator C(Λ) = {fλ: λ ∈ Λ, Λ = himpunan indeks}. Untuk mendapatkan kurva mulus yang mempunyai λ optimal menggunakan data amatan sebanyak n, diperlukan ukuran kinerja atas estimator yang dapat diterima secara universal. Persamaan regresi spline yang digunakan pada data ini adalah model spline dengan intersep (β0) karena pada awal pengukuran sudah diperoleh besarnya beda potensial listrik
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callMore From: Jurnal Ilmiah Matematika dan Pendidikan Matematika
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
