Abstract
The study is aimed to estimate the best spline regression model for toddler’s weight growth patterns. Spline is one of the nonparametric regression estimation method which has a high flexibility and is able to handle data that change in particular subintervals so thus resulting in model which fitted the data. This study uses data of toddler’s weight growth at Posyandu Mekar Sari, Desa Suwug, Kabupaten Buleleng. The best spline regression model is chosen based on the minimum Generalized Cross Validation (GCV) value. The study shows that the best spline regression model for the data is quadratic spline regression model with six optimal knot points. The minimum GCV value is 0,900683471925 with the determination coefficient equals to 0,954609.
Highlights
Pendekatan nonparametrik digunakan untuk mengetahui pola hubungan antara variabel respon dengan variabel prediktor yang bentuk fungsinya tidak diketahui
handle data that change in particular subintervals so thus resulting in model
The best spline regression model is chosen based on the minimum Generalized Cross Validation
Summary
Pendekatan nonparametrik digunakan untuk mengetahui pola hubungan antara variabel respon dengan variabel prediktor yang bentuk fungsinya tidak diketahui. Terdapat beberapa metode untuk memilih titik knot yang optimal dalam regresi nonparametrik spline antara lain metode cross validation (CV), unbiassed risk (UR), generalized cross validation (GCV), dan generalized maximum likelihood (GML). Metode yang digunakan untuk menentukan titik knot optimal pada penelitian ini adalah generalized cross validation (GCV) dengan kriteria GCV minimum (Wahba, 1990). Pola pertumbuhan pada balita cenderung memiliki perubahan perilaku pada umur-umur tertentu, sehingga penduga spline merupakan metode yang sesuai untuk melihat dan memantau pertumbuhan berat badan pada balita. Penelitian ini bertujuan untuk mengestimasi model regresi spline terbaik pada pola pertumbuhan berat badan balita di Posyandu Mekar Sari, Desa Suwug, Kabupaten Buleleng. Dengan nilai p+k adalah jumlah parameter dalam model regresi spline, p adalah derajat pada spline dan k adalah jumlah knot.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
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 call
