Pendugaan Parameter Analisis Regresi Robust Penduga-M Dan Penduga-S Pada Data Simulasi Dengan Berbagai Tingkat Pencilan

Mentari, Hanny Wulan (2019) Pendugaan Parameter Analisis Regresi Robust Penduga-M Dan Penduga-S Pada Data Simulasi Dengan Berbagai Tingkat Pencilan. Sarjana thesis, Universitas Brawijaya.

Abstract

Metode regresi robust digunakan ketika asumsi normalitas galat tidak terpenuhi karena adanya pencilan. Terdapat beberapa metode pendugaan parameter regresi robust, diantaranya metode penduga-M dan penduga-S. Data yang digunakan pada penelitian ini adalah data hasil simulasi pada regresi linier sederhana. Data simulasi dalam penelitian ini dibangkitkan dengan enam tingkatan pencilan yang berbeda-beda, yaitu 0%, 1%, 2%, 3%, 4%, dan 5%. Dari sejumlah pencilan yang telah ditetapkan akan dikalikan suatu pembobot. Nilai koefisien regresi konstan, namun terbagi menjadi tiga kondisi, yaitu rendah (|0,05| hingga |0,15|), sedang (|0,20| hingga |0,40|), serta tinggi (|0,50| hingga |1,00|). Berdasarkan nilai efisiensi relatif, pendugaan parameter dengan regresi robust penduga-M lebih efisien dibanding regresi robust penduga-S. Pada kondisi koefisien regresi rendah, sedang, dan tinggi dengan kondisi pencilan 0%, regresi robust penduga-M mencapai lima kali lebih efisien dibanding regresi robust penduga-S. Namun, nilai efisiensi ini semakin menurun seiring dengan bertambahnya jumlah pencilan dan pembobot yang digunakan.

English Abstract

Robust regression methods are used when assuming error normalities are not met due to outliers. There are several estimation methods for robust regression parameters, including the M-estimator method and the S-estimator. The data used in this study is simulation data in simple linear regression. Simulation data in this study are generated with six different levels of outliers, namely 0%, 1%, 2%, 3%, 4%, and 5%. From the number of outliers that have been set will be multiplied by a weighting. The regression coefficient value is constant, but it is divided into three conditions, namely low (|0,05| to |0,15|), medium (|0,20| to |0,40|), and high (|0.50| up to |1.00|). Based on the relative efficiency value, estimating parameters using M-estimator robust regression is more efficient than the robust S-estimator regression. In conditions of low, medium and high regression coefficients with outlier conditions of 0%, M-estimator robust regression is five times more efficient than robust S-estimator regression. However, this efficiency value decreases as the number of outliers and weighters increases.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/MIPA/2019/216/051910940
Uncontrolled Keywords:	Regresi Robust, Penduga-M, Penduga-S, Pencilan. Regresi Robust, M-estimator, S-estimator, Outlier.
Subjects:	500 Natural sciences and mathematics > 511 General principles of mathematics > 511.8 Mathematical models (Mathematical simulation)
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	05 Aug 2020 08:03
Last Modified:	15 Mar 2023 07:51
URI:	http://repository.ub.ac.id/id/eprint/178942

Text Hanny Wulan Mentari (3).pdf Download (2MB)

Actions (login required)

View Item