Nikmah, Nikmatun (2011) Penggunaan High Breakdown Point sebagai Initial Estimate Penduga-MM pada Regresi Linier Berganda dengan Data Mengandung Pencilan. Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi robust merupakan salah satu analisis statistika yang digunakan untuk mengatasi pencilan berpengaruh yang tidak bisa dihilangkan dari data. Regresi robust memiliki beberapa metode pendugaan parameter salah satunya adalah Penduga-MM. Penduga- MM menggunakan penduga High Breakdown Point yang meliputi penduga Least Median Square (LMS), penduga Least Trimmed Square (LTS) dan penduga-S sebagai initial estimate. Penelitian ini bertujuan untuk menentukan tingkat kekekaran penduga-MM dari masing-masing initial estimate, menentukan dampak pencilan berpengaruh, serta menentukan penduga terbaik diantara penduga-MM dari masing-masing initial estimate dan MKT. Data yang digunakan adalah data sekunder yang mengandung pencilan berpengaruh. Hasil analisis menunjukkan penduga-MM dari masingmasing initial estimate memiliki tingkat kekekaran yang tinggi yaitu 49.99%. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi yang dihasilkan. Ketidakkonsistenan nilai 2 adj R menimbulkan keraguan dalam pengambilan keputusan. Oleh karena itu perlu menambah kriteria pemilihan model lain. Berdasarkan nilai Akaike’s Information Criterion (AIC) dan Bayesian Information Criterion (BIC), penduga-MM dengan initial estimate penduga-LMS merupakan penduga terbaik memiliki nilai AIC dan BIC.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/344/051105221 |
| 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: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 13 Dec 2011 10:50 |
| Last Modified: | 22 Oct 2021 08:40 |
| URI: | http://repository.ub.ac.id/id/eprint/152814 |
Preview |
Text
051105221.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |