REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

dokumen-dokumen yang mirip
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

Volume 1, Nomor 2, Desember 2007

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB III PERSAMAAN PANAS DIMENSI SATU

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.2, September 2015

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

S2 MP Oleh ; N. Setyaningsih

BAB 2. Tinjauan Teoritis

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

Estimator Imputasi Regresi Untuk Mengestimasi Model Regresi Semiparametrik Dengan Respon Hilang

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

ANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

3 Departemen Statistika FMIPA IPB

; θ ) dengan parameter θ,

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

MODEL SPLINE DENGAN ERROR BERKORELASI. Nalim, I Nyoman Budiantara dan Kartika Fitriasari Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 60111

SOLUSI TUGAS I HIMPUNAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

I PENDAHULUAN II LANDASAN TEORI

Bab II Teori Pendukung

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

On A Generalized Köthe-Toeplitz Duals

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

MATEMATIKA INTEGRAL RIEMANN

BAB II TINJAUAN PUSTAKA

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

PEMODELAN GENERAL REGRESSION NEURAL NETWORK UNTUK PREDIKSI TINGKAT PENCEMARAN UDARA KOTA SEMARANG

BAB II LANDASAN TEORI

2.2.3 Ukuran Dispersi

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

NORM VEKTOR DAN NORM MATRIKS

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Transkripsi:

JMP : Volume 7 Nomor, Ju 05, hal. - 0 REGRESI NONPARAMETRIK KERNEL ADJUSTED Novta Eka Chadra Uverstas Islam Darul Ulum Lamoga ovtaekachadra@gmal.com Sr Haryatm da Zulaela Jurusa Matematka FMIPA UGM ABSTRACT. Nadaraya Watso's kerel adjusted regresso estmator s a estmator whose kerel s take from the famly of scale-locato assocated wth the classcal kerel desty estmator. Based o these estmator, t ca be obtaed optmal badwth ad scale parameter. Ths estmator gves a better estmato results compared wth Naradaya Watso's classcal kerel regresso estmator. Ths s prove by the small grade MSE whch s gve by ths estmator. Keywords: estmator, Nadaraya Watso kerel, locato-scale famly. ABSTRAK. Estmator regres kerel Nadaraya Watso adjusted merupaka estmator yag kerelya dambl dar keluarga skala-lokas yag berkata dega estmator destas kerel klask. Berdasarka estmator tersebut dapat dperoleh la badwdth da parameter skala yag optmal. Estmator memberka hasl estmas yag lebh bak dbadgka dega estmator regres kerel Nadaraya Watso klask. Hal terlhat berdasarka la MSE yag dberka estmator lebh kecl. Kata Kuc: estmator, kerel Nadaraya Watso, keluarga skala-lokas.. PENDAHULUAN Hubuga fugsoal atara varabel respo da varabel predktor dyataka ke dalam betuk model regres. Pada model regres terdapat suatu fugs yag dsebut fugs regres. Utuk megestmas fugs regres yag belum dketahu betukya dguaka pedekata regres oparametrk. Estmas fugs regres oparametrk megguaka metode smoothg tertetu. Salah satuya dega estmator kerel Nadaraya Watso. Pada regres oparametrk kerel klask, pemlha badwdth merupaka masalah utama dar estmas kerel. Sebalkya, pemlha kerel tdak memberka

Novta Eka Cadra, dkk pegaruh yag yata dar suatu estmas. Berdasarka hal tersebut, mucullah suatu gagasa baru yatu estmasya tdak dfokuska pada badwdth saja. Aka tetap, kerel memlk pera yag jauh lebh besar dar basaya. Kerel aka dambl dar keluarga skala-lokas yag berkata dega estmator destas kerel klask. Estmas dkeal dega estmas destas kerel adjusted yag telah dper\- kealka oleh Srhera da Stute (0). Selajutya, estmas tersebut dperluas oleh Echer da Stute (0) dalam kasus regres, yag kemuda dsebut regres oparametrk kerel adjusted. Ukura kebaka estmator dapat dlhat berdasarka tgkat kesalahaya. Semak kecl tgkat kesalahaya semak bak estmasya. Ukura kesalaha tersebut dapat dlhat dar MSE (Mea Square Error). Pada peelta aka dbadgka kerja dar estmator kerel Nadaraya-Watso adjusted da estmator kerel Nadaraya Watso klask yag dlhat berdasarka la MSE masg-masg estmator.. ESTIMATOR DENSITAS KERNEL ADJUSTED Meurut Srhera da Stute (0) dalam tulsaya, dambl fugs kerel yag berasal dar keluarga skala-lokas yag berkata dega estmator destas kerel klask, yatu K x f x () * ˆh dega da 0 merupaka parameter lokas da skala. Berdasarka defs kerel yag dambl pada Persamaa, estmator destas kerel adjusted adalah ˆ x X h hx j f x K h j h () * K

Regres Noparametrk Kerel Adjusted 3 Teorema.. Dberka bahwa K merupaka fugs smetrs da f terdferesalka dua kal secara kotu pada x, serta E X. Selajutya, jka da h 0 sedemka hgga h, maka da ˆ f x h f x h Bas f x f y ydy f y y dy o h hvar fˆ x f x f ydy o. Kedua persamaa tersebut berlaku utuk da 0. Bukt: Dar Persamaa, dperoleh ˆ hf x h f x E f x f x f y ydy f y y dy o h Utuk 0 h, E fˆ x koverge ke ol. Dega demka, estmator fˆ x merupaka estmator tak bas asmtotk bla h koverge ke ol. Selajutya, la bas dar Persamaa adalah. ˆ hf x h f x Bas f x f y ydy f y y dy o h da la varas dar Persamaa sebaga berkut: Var fˆ x f x f ydy o, h 0. h h Berdasarka Teorema., dperoleh la MSE utuk hf x MSE fˆ x f x f ydy f y ydy h fˆ x yatu

4 Novta Eka Cadra, dkk Utuk 0 h f x 4 f y y dy o oh, h 0, h. h h da h, la MSE dar estmator Dega demka, estmator fˆ dapat dtuls ˆ p f x f x mejad. f x koverge ke ol. ˆ x merupaka estmator yag kosste, sehgga Selajutya, dambl E X, dega begtu la MSE dar f x x ˆ h f MSE f x f x f y dy Var X h da dperoleh la badwdth optmal da optmal dar MSE fˆ x, yatu hopt f /5 xvar X opt f x f y dy /5. ˆ 3. ESTIMATOR REGRESI KERNEL NADARAYA WATSON ADJUSTED Estmator regres kerel Nadaraya Watso adjusted merupaka perluasa dar estmator regres kerel Nadaraya Watso klask. Sepert yag telah djelaska sebelumya, bahwa kerel yag dambl berdasarka keluarga skala lokas dar estmator destas kerel klask. Dega demka, utuk meetuka estmator regres kerel Nadaraya Watso adjusted aalog dega estmator regres kerel Nadaraya Watso klask. Berdasarka estmator Nadaraya Watso, betuk estmator regres kerel Nadaraya Watso adjusted yatu mˆ x h x X h hx K j h fˆ x j Y (3)

Regres Noparametrk Kerel Adjusted 5 Persamaa 3 dapat dtuls mejad mˆ x W x Y (4) dega W semua x. x h x X h hx K j h fˆ x j 0 Berkut beberapa kods yag dperluka, yatu:. EY da E X. da W x utuk. X mempuya fugs destas f yag terdferesal secara kotu pada x da f x 0. 3. m terdferesal secara kotu dua kal pada x. 3 4. K merupaka fugs destas peluag yag memeuh K x K x setap x 3 x K x dx. Selajutya, ddefska utuk. Selajutya, K mempuya mome ketga berhgga, yatu mˆ x m x W x Y m X W x m X m x I I (5) Teorema 3.. Berdasarka kods () sampa (4), utuk h 0 da / h I d N x 0, I h B x o h, da h

6 Novta Eka Cadra, dkk dega x x x f u du f merupaka varas asmtotk dar h / I da B x f xm x f xm xvar X f x adalah bas asmtotk dar h I. Bukt: Pertama-tama, aka dcar la ekspektas dar I, yatu EI 0. Selajutya, aka dcar varas dar I, yatu Var I E W x Y m X E W x Y m X (6) Perhatka persamaa pertama pada Persamaa (6) x X h hx j (7) 4 4 X K h j h W xy m X ˆ f x Karea ˆ p f x f x, maka ˆ p f x f x utuk h 0 da h. Perhatka pemblag pada Persamaa (7), dperoleh la ekspektasya yatu x X h hx j x f x f u du E 4 4 X K, h 0. h j h h

Regres Noparametrk Kerel Adjusted 7 Dega demka, varas dar I yatu Var I Berdasarka Teorema Lmt Pusat, dperoleh dega x x x f u du. hf / d h I N x x x f u du. f 0, Selajutya, perhatka pemblag utuk I dalam Persamaa (5), la ekspektasya adalah x X h hx j E K m X m x h j h f x m x h Var X f x m x h Var X o h dega E X. Karea ˆ p f x f x I, maka dperoleh f xm x f xm xvar X f x o h. MSE m ˆ Berdasarka Teorema 3., ddapatka la MSE dar x mˆ x, yatu x f u du h f x m x f x m x Var X hf x f x da ddapatka la badwdth optmal da optmal dar h /5 opt, ˆ MSE m f x m x f x m x Var X f x x f udu opt /5. x yatu

8 Novta Eka Cadra, dkk 4. STUDI KASUS Pad merupaka salah satu taama buddaya yag dguaka sebaga baha makaa pokok peduduk Idoesa. Salah satu peyakt pada taama pad adalah peyakt tugro. Vrus tugro dsebarka oleh hama wereg hjau. Semak bayak populas wereg hjau, maka luas laha seragaya pu bertambah. Sela tu, peyakt tugro dapat meyebabka gagal pae da keruga secara ekoom. Data yag dguaka dalam peelta merupaka data sekuder yatu data seraga vrus tugro taama pad d provs Nusa Teggara Barat pada tahu 003-00. Data bersumber dar Bala Proteks Taama Paga da Holtkultura (BPTPH) provs Nusa Teggara Barat da dambl dar skrps yag dtuls oleh Ftasar (0). Dalam stud kasus, varabel predktorya X adalah populas wereg hjau (ekor per rumpu), sedagka varabel respoya Y adalah luas tambah seraga (ha). Selajutya, data dguaka utuk membadgka la MSE dar estmator regres kerel Nadaraya Watso klask dega estmator regres kerel Nadaraya Watso adjusted. Pegolaha data megguaka program R.3.0.3, dguaka pula fugs kerel Gaussa da la parameter skala-lokas yag telah dtetapka yatu la adalah mea dar populas wereg hjau da adalah stadar devas dar populas wereg hjau. Dar hasl pegolaha data, dperoleh beberapa hasl estmas pada tabel berkut: x Tabel. Hasl estmas. mˆ h x mˆ x 0,38,48,46 4,5 3,90 3,86 6,53 7,7 6,96 Berdasarka Tabel, bak dega estmator regres kerel klask maupu adjusted dperoleh hasl estmas yag tdak jauh berbeda. Dsmpulka bahwa semak bayak populas wereg hjau, maka semak besar luas tambah

Regres Noparametrk Kerel Adjusted 9 seragaya. Sela tu, dperoleh pula kurva estmas regres kerel Nadaraya Watso sebaga berkut: Gambar. Kurva estmas regres kerel Nadaraya Watso Terlhat bahwa kurva kedua estmator tersebut memlk betuk kurva yag hampr berhmpta sehgga sult utuk meetuka estmator mmaa yag memlk kerja yag lebh bak. Dega demka, dguaka la MSE utuk membadgka kerja kedua estmator. Berdasarka la output yag ddapatka, dsmpulka bahwa estmator regres kerel Nadaraya Watso adjusted lebh bak. Hal terlhat berdasarka la MSE yag lebh kecl. 5. KESIMPULAN DAN SARAN Berdasarka pembahasa yag telah dlakuka, dperoleh betuk estmator regres kerel Nadaraya Watso adjusted pada Persamaa (3). Dalam hasl stud kasus dega data seraga vrus tugro pada taama pad d provs Nusa Teggara Barat dperoleh bahwa hasl estmas dega kedua estmator yatu klask maupu adjusted tdak jauh berbeda. Utuk membadgka kedua estmator tersebet dlhat berdasarka la MSE terkecl. Karea la MSE estmator regres kerel Nadaraya Watso adjusted lebh kecl, maka estmator regres kerel Nadaraya Watso adjusted memberka hasl estmas yag lebh bak dbadgka estmator regres kerel Nadaraya Watso klask.

0 Novta Eka Cadra, dkk DAFTAR PUSTAKA Azzah, Vta, 008, Aplkas Regres Noparametrk Kerel dalam Data Fasal, Skrps, Uverstas Gadjah Mada, Yogyakarta. Ba, L. J. da Egelhardt, Max, 99, Itroducto to Probablty ad Mathematcal Statstcs, Duxbury Press, Calfora. Echer, Gerrt da Stute, Wfred, 0, Kerel Adjusted Noparametrc Regresso, Joural of Statstcal Plag ad Iferece, 4, pp. 537-544. Ftasar, B. D., 0, Metode Dekomposs utuk Peramala Seraga Vrus Tugro pada Taama Pad d Provs Nusa Teggara Barat, Skrps, Uverstas Mataram, Mataram. Hardle, Wolfgag, 99, Smoothg Techques wth Implemetato S, Sprger- Verlag, New York. Hardle, Wolfgag, 994, Appled Noparametrc Regresso, Berl. Hayat, Lala, 007, Regres Noparametrk utuk Megestmas Total Populas, Tess, Uverstas Gadjah Mada, Yogyakarta. Holmes, M. H., 03, Itroducto to Pertubato Methods, Sprger, New York. Lael, O. A. F., 03, Estmator Regres Kerel Nadaraya Watso Adaptf, Tess, Uverstas Gadjah Mada, Yogyakarta. Pujastut, C. E., 996, Deret Fourer da Kerel dalam Regres Noparametrk, Tess, Uverstas Gadjah Mada, Yogyakarta. Puramasar, Y. K., 03, Perbadga Model Regres Noparametrk Sple da Regres Noparametrk Kerel, Skrps, Uverstas Gadjah Mada, Yogyakarta. Roussas, G.G., 997, A Course Mathematcal Statstcs Secod Edto, Academc Press, Uted States of Amerca. Srhera, Ramdha da Stute, Wfred, 0, Kerel Adjusted Desty Estmato, Statstcs ad Probablty Letters, 8, pp. 57-579. Wad, M. P. da Joes, M. C., 995, Kerel Smoothg, Chapma ad Hall, Lodo.