1. Pengujian koefisien regresi simultan
a. Rumusan hipotesis : :
= =
= = model tidak signifikan
: minimal terdapat satu α ≠ ; = , , … , model signifikan
b. Taraf signifikansi : α
c. Statsitik uji :
ℎ �
= ∑
�
̂ − ̂
=
∑
�
̂ − ̂ − −
=
d. Daerah kritis : Tolak
jika nilai
α ; − −
atau P-Value α.
2. Pengujian koefisien regresi parsial
a. Rumusan hipotesis: : α = koefisien α tidak berpengaruh terhadap model
: α ≠ ; untuk setiap m, dimana m=1,2,...,M koefisien α berpengaruh terhadap model
b. Taraf signifikan : α
c. Statistik Uji :
ℎ �
= ̂
̂ dengan
̂ = √
̂ d. Daerah kritis:
Tolak jika
�
, −
atau P-Value .
2.10 Penelitian Terdahulu
Penelitian yang berkaitan Multivariate Adaptive Regression Splines MARS diantaranya.
1. Penelitian oleh Noviyanti Santoso Jurusan Statistika ITS Surabaya 2009
yang berjudul “Klasifikasi KabupatenKota di Jawa Timur Berdasarkan Tingkat Pengangguran Terbuka dengan Pendekatan Multivariate
Adaptive Regression Splines MARS ”. Penelitian ini membahas
pengangguran di Jawa Timur Indonesia, tingkat pengangguran yang tinggi akan menimbulkan berbagai permasalahan sosial. Pendekatan model
MARS dipilih karena beberapa penelitian sebelumnya menyatakan bahwa metode ini lebih baik dibandingkan dengan metode klasifikasi lainnya.
Hasil pemodelan dengan Multivariate Adaptive Regression Spline MARS terdapat tiga variabel yang berkontribusi dalam pengelompokan,
yaitu tingkat investasi daerah, rasio banyaknya perusahaan, dan persentase angkatan kerja berpendidikan SMA keatas. Ketepatan klasifikasi model
secara keseluruhan adalah 97,4 dengan nilai GCV yaitu 0,096 dan sebesar 82,9.
2. Penelitian oleh Nurul Astuty Yensy Program Studi Matematika FKIP
Universitas Bengkulu yang berjudul “Penggunaan Regresi Splines Adaptif Berganda untuk Peramalan Indeks ENSO dan Hujan Bulanan
”. Penelitian ini membahas metode Regresi Splines Adaptif Berganda RSAB yang
digunakan untuk peramalan indeks ENSO dan hujan bulanan melalui proses stepwise berdasarkan Recursive Partitioning dengan splines.
Dibahas pula metode Adaptive Splines Treshold Autoregression ASTAR yaitu analisis deret waktu nonlinier yang berdasarkan algoritma RSAB.
RSAB merupakan metode alternatif dari metode kuadrat terkecil bila asumsi bentuk fungsi hubungan model tidak diketahui. Hasil validasi
model dari metode ini mampu meramal curah hujan antara − .
Metode ASTAR mempunyai daya ramal mencapai 60 hingga lebih 90 dalam jangka 3 bulan ke depan.
3. Penelitian oleh Bambang Widjanarko Otok Jurusan Statistika ITS
Surabaya, Vol.10 No.2, 107 –120 Nopember 2010 yang berjudul
“Pendekatan Multivariate Adaptive Regression Spline MARS pada Pengelompokkan Zona Musim Suatu Wilayah
”. Hasil penelitian menunjukkan bahwa estimasi parameter model MARS untuk variabel
respon kontinu dilakukan dengan Penalized Least Square PLS. Pemilihan model MARS terbaik dilakukan dengan prosedur forward dan
backward stepwise didasarkan pada nilai GCV. Hasil kajian juga menunjukkan bahwa GCV dengan potongan regresi linier dapat terbukti
bekerja dengan baik dalam menentukan pemilihan model terbaik pada MARS respon kontinu.
4. Penelitian Petra Surabaya oleh I Nyoman Budiantara, dkk. Jurusan
Statistika ITS Surabaya yang berjudul “Pemodelan B-Spline dan MARS pada Nilai Ujian Masuk terhadap IPK Mahasiswa Jurusan Disain
