摘要：Multivariate adaptive regression spline (MARS) adalah salah satu model regresi nonparametrik, yaitu model yang mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor tidak diketahui. MARS adalah kombinasi yang komplek antara metode spline dengan rekursif partisi untuk menghasilkan estimasi fungsi regresi yang kontinu.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. Prosedur forward adalah tahapan untuk mendapatkan fungsi basis maksimum yang mencakup pengaruh efek utama, interaksi, dan knot. Sedangkan prosedur backward adalah tahapan untuk mengeliminasi fungsi basis yang kontribusinya tidak signifikan. Hasil kajian juga menunjukkan bahwa GCV dengan potongan regresi linear dapat terbukti bekerja dengan baik dalam menentukan pemilihan model terbaik pada MARS respon kontinu.
