Anggriani, NuaritaRetnaningPuspa (2016) Perbandingan Penduga Least Median Of Squares (Lms) Dan Penduga S Sebagai Metode Pendugaan Parameter Regresi Robust. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi adalah teknik statistika yang digunakan untuk menggambarkan hubungan antara peubah respon dan peubah prediktor. Pendugaan parameter pada analisis regresi linier berganda menggunakan Metode Kuadrat Terkecil (MKT) dengan syarat semua asumsi yang melandasi terpenuhi. Asumsi kenormalan galat seringkali tidak terpenuhi apabila terdapat pencilan dalam data. Regresi robust merupakan metode alternatif yang dapat digunakan untuk mengatasi pencilan dalam data. Metode pendugaan parameter yang digunakan adalah Penduga Least Median Of Squares (LMS) dan Penduga S. Penelitian ini menggunakan tiga data sekunder yang mempunyai karakteristik pencilan yang berbeda dan bertujuan untuk membandingkan Penduga LMS dan Penduga S berdasarkan kriteria nilai breakdown point. Hasil penelitian menunjukkan bahwa Penduga S merupakan penduga yang lebih baik digunakan dalam mengatasi pencilan berpengaruh dibandingkan Penduga LMS karena menghasilkan nilai breakdown point yang lebih besar untuk ketiga data tersebut. Jadi Penduga S lebih kekar dibandingkan Penduga LMS. Namun berdasarkan efisiensi relatif Penduga LMS lebih efisien daripada Penduga S.
English Abstract
Regression analysis is a statistical technique that is used to describe the relationship between the dependent variable and independent variables. Parameter estimation in multiple linear regression analysis using the Ordinary Least Squares (OLS) which has requirement that all the underlying assumptions was fulfilled. The assumption of error normality is not fulfill oftentimes if there are outliers in the data. Robust regression is an alternative method that can be used to overcome the outliers in the data. Parameter estimation method used in this study is Least Median Of Squares (LMS) and S estimator. This study uses three secondary data which have different outliers’ characteristics and aims to compare the LMS and S estimator based on breakdown point criteria. The result of this study showed that S estimator is better estimator used in resolving influential outliers than LMS estimator because it produces a greater breakdown point value for the third data. So, S estimator is more robust than the LMS estimator. However, based on the relative efficiency the LMS estimator more efficient than S estimator.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2016/305/051610467 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Kustati |
| Date Deposited: | 28 Oct 2016 10:02 |
| Last Modified: | 29 Mar 2022 01:12 |
| URI: | http://repository.ub.ac.id/id/eprint/154826 |
Preview |
Text
SKRIPSI_NUARITA_RETNANING_PUSPA_ANGGRIANI_125090507111020.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |