METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER

Elok, Tri Kusuma Dewi (2015) METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER. Other thesis, UNIVERSITAS NEGERI SEMARANG.

Preview

Text (METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER) 70. 4111411016.pdf - Published Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview

Abstract

Elok Tri Kusuma Dewi. 2015. Metode Least Trimmed Square (LTS) dan MMEstimation untuk Mengestimasi Parameter Regresi ketika Terdapat Outlier. Skripsi Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang. Pembimbing : Drs. Arief Agoestanto, M.Si. dan Dra. Sunarmi, M.Si. Kata kunci : Analisis Regresi Berganda, Outlier, Regresi Robust, Least Trimmed Square (LTS), MM -Estimation. Analisis regresi linear berganda merupakan salah satu metode statistik yang digunakan untuk memodelkan dan menyelidiki hubungan antara satu variabel dependen dengan dua atau lebih variabel independen. Salah satu metode yang digunakan untuk mengestimasi parameter regresi adalah metode Odinary Least Square (OLS). Namun metode OLS sangat peka terhadap adanya penyimpangan asumsi pada data misalnya disebabkan adanya outlier. Akibatnya penduga OLS yang diperoleh menjadi tidak efisien. Outlier (outlier) adalah data yang tidak mengikuti pola umum pada model regresi yang dihasilkan, atau tidak mengikuti pola data secara keseluruhan. Keberadaan outlier dalam data dapat mengganggu proses analisis data, sehingga mengakibatkan residual dan varians pada data menjadi lebih besar. Oleh karena itu, diperlukan metode lain yang dapat digunakan untuk mengatasi outlier yaitu Regresi Robust. Regresi robust merupakan alat yang penting untuk menganalisis data yang terdeteksi sebagai data outlier. Pada regresi robust ada beberapa metode yang dapat digunakan yaitu M-Estimation, Least Median Square, Least Trimmed Square, S-Estimation serta MM-Estimation. Penelitian ini bertujuan untuk mengetahui keefektifan regresi robust dengan metode Least Trimmed Square (LTS) dan MM-estimation pada regresi liniear berganda dilihat dari nilai dan residual masing-masing metode. Data yang digunakan dalam penelitian ini merupakan hasil penelitian dari 40 responden yakni pasien dari Puskesmas Sekaran Gunung Pati Kota Semarang. Data ini terdiri dari usia ( dan indeks massa tubuh ( ) sebagai variabel independent sedangkan tekanan darah sistolik ( ) sebagai variabel dependent. Karena data pengaruh usia dan indeks massa tubuh (IMT) terhadap tekanan darah sistolik terdeteksi adanya outlier maka dilakukan estimasi parameter dengan metode MM -estimation dan Least Trimmed Square. Model yang dihasilkan menggunakan metode LTS yaitu ̂ Sedangkan model yang dihasilkan menggunakan metode MM-Estimation yaitu ̂ . Karena pada metode Least Trimmed Square (LTS) memperoleh nilai lebih besar dan residual lebih kecil dibandingkan metode MM-estimation maka dapat disimpulkan bahwa metode Least Trimmed Square (LTS) lebih efisien dalam mengestimasi parameter regresi dibandingkan metode MM-estimation.

Actions (login required)

View Item