Permana, AndhikaTegar (2014) Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust. Sarjana thesis, Universitas Brawijaya.
Abstract
Metode Kuadrat Terkecil (MKT) merupakan salah satu metode pendugaan parameter dalam analisis regresi linier. Penggunaan metode ini harus memenuhi asumsi-asumsi analisis regresi linier yang ada. Beberapa asumsi itu antara lain bahwa galat harus menyebar normal, ragam galat homogen dan tidak terjadi autokorelasi. Tapi pada saat asumsi tidak terpenuhi, misalnya disebabkan adanya outlier, maka MKT tidak dapat digunakan. Diperlukan metode lain jika asumsi tidak terpenuhi yaitu metode Regresi Robust. Hasil analisis dari regresi robust ini dapat dipercaya meskipun data telah terkontaminasi oleh pencilan. Metode pendugaaan parameter regresi dalam metode Regresi Robust antara lain metode Least Trimmed Square (LTS) dan penduga S. Penelitian ini bertujuan untuk membandingkan Least Trimmed Square (LTS) dan penduga S didasarkan pada kriteria MSE bagi masing-masing model. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi yang dihasilkan baik pada intersep maupun koefisien regresi yang lain. Keberadaan pencilan berpengaruh ini juga berdampak pada perubahan nilai Mean Square Error (MSE). Berdasarkan hasil penelitian dapat disimpulkan bahwa penduga S merupakan penduga yang lebih baik digunakan untuk data yang mengandung pencilan berpengaruh karena memiliki nilai Mean Square Error (MSE) terkecil daripada metode LTS.
English Abstract
Least square method is one method of estimating the parameters in a linear regression analysis.The use of this method should satisfy the assumptions of linear regression analysis of existing.Some of the assumptions include that the error should be spread to normal, variety of homogeneous error and there is no autocorrelation.But when the assumptions are not met, for example due to outliers, the MKT can not be used.It can be called Robust regression method.The results of the Robust regression analysis is reliable even if the data has been contaiminated by outliers.Regression parameter estimation method in robust regression method among others LTS method and S estimators.This research aimed to compare the LTS and S estimators based on the MSE criterion for each model.The existence of outliers influence to change the resulting regression coefficients both in the intercept and the regression coefficients of other.The existence of this influential outliers also resulted in changes in the value of MSE.Based on the results of this research concluded that the S estimators is a better predictor used for data containing outliers influential because it has the smallest MSE value than LTS method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2014/142/051402678 |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Hasbi |
| Date Deposited: | 08 May 2014 14:37 |
| Last Modified: | 21 Oct 2021 13:11 |
| URI: | http://repository.ub.ac.id/id/eprint/142415 |
Preview |
Text
Andhika_Tegar_Permana_0710953027_Statistika.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |