<![CDATA[Analisis regresi nonparametrik merupakan metode alternatif ketika asumsi parametrik terlanggar. Kemampuan estimasi yang tinggi serta sifatnya yang fleksibel membuat regresi nonparametrik menjadi sebuah pemodelan masa kini dan masa mendatang. Memperhatikan gejala alam dewasa ini semakin hari semakin sulit untuk diduga. Musim hujan merupakan salah satu fenomena alam yang semakin hari semakin mengarah pada pola yang tidak menentu. Bulan yang biasanya telah menjadi penanda musim kemarau malah tiba-tiba terjadi curah hujan yang sangat deras bahkan mengakibatkan banyak kerugian. Maka dibutuhkan pemodelan untuk mengetahui faktor-faktor apa yang mempengaruhi curah hujan. Metode Multivariate Adaptive Regression Splines (MARS) merupakan salah satu metode pemodelan modern dengan kemampuan estimasi yang tinggi. Selain itu MARS memilki sifat yang fleksibel serta ketangguhan mengatasi data yang berdimensi tinggi yaitu data yang memiliki variabel bebas 3 ≤ x ≤ 20 dan ukuran data sampel 50 ≤ n ≤ 1000. Model MARS diperoleh dari kombinasi antara Basis Fungsi (BF), Maksimum Interaksi (MI) dan Minimum Observasi (MO) dengan Generalized Cross Validation (GCV) yang bernilai kecil. Pada penelitian ini banyaknya variabel bebas yang digunakan sebanyak 4 variabel. suhu udara, kelembaban udara, kecepatan angin, dan tekanan udara merupakan variabel bebas yang mempengaruhi curah hujan di Kota Makassar dengan tingkat kontribusi masing-masing sebesar 86,54%, 100%, 39,38% dan 54,68%. Kombinasi model terbaik MARS pada penelitian ini adalah BF=12, MI=1, dan MO=1 dengan GCV=31,14]]>
Copyrights © 2022
