Jawaban:
Saya pikir penting untuk membedakan antara metode dan implementasinya dalam perangkat lunak. Perbedaan utama sehubungan dengan yang pertama adalah bahwa lowess hanya memungkinkan satu prediktor, sedangkan loess dapat digunakan untuk memuluskan data multivariat menjadi semacam permukaan. Ini juga memberi Anda interval kepercayaan diri. Dalam pengertian ini, loess adalah generalisasi. Sementara default untuk lowess adalah dengan menggunakan pembobotan tricube, loess melakukan fit yang tidak tertimbang secara default.
Sekarang untuk implementasinya. Dalam beberapa perangkat lunak, lowess menggunakan polinomial linier, sedangkan loess menggunakan polinomial kuadrat (meskipun Anda dapat mengubahnya). Default dan pintasan yang digunakan algoritma sering sangat berbeda, sehingga sulit untuk mendapatkan output univariat agar sama persis. Di sisi lain, saya tidak mengetahui kasus di mana pilihan antara keduanya membuat perbedaan yang nyata.
Khusus untuk R, perbedaannya kecil. Ada penjelasan yang sangat rinci di sini: https://support.bioconductor.org/p/2323/
Tetapi perhatikan bahwa lowess () dalam daftar data keluaran R sementara loess () menampilkan model yang dapat dimasukkan ke dalam prediksi ().