Rahmatulnissa, Ratih Kartika (2021) "Penanganan Pencilan Dan Heteroskedastisitas Pada Model Regresi Nonlinier Menggunakan Metode Weighted Least Square Dan Regresi Robust (Studi Kasus Data Curah Hujan Di Stasiun Meteorologi Maritim Tanjung Priok Tahun 2019-2020)". Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi merupakan metode yang dapat digunakan untuk menganalisis data untuk mengetahui hubungan antara dua atau lebih variabel independen terhadap variabel dependen. Analisis regresi berdasarkan linieritas dibagi menjadi dua yaitu regresi linier dan regresi nonlinier. Apabila hubungan variabel independen dan variabel dependen bersifat nonlinier maka data yang ditebarkan pada scatterplot tidak mengikuti garis lurus namun mengikuti suatu bentuk kurva tertentu. Selain itu, terdapat asumsi yang harus diuji yaitu asumsi normalitas galat, homoskedastisitas, multikolinieritas, dan autokorelasi. Pada penelitian ini, terdapat asumsi yang terlanggar yaitu asumsi homoskedastisitas dan pencilan. Oleh karena itu digunakan metode Weighted Least Square dan Regresi Robust untuk mengatasi terlanggarnya asumsi heteroskedastisitas dan pencilan. Penelitian ini menggunakan data sekunder yang didapatkan dari Badan Meterologi Klimatologi dan Geofisika mengenai curah hujan di DKI Jakarta Tahun 2019-2020 sebagai variabel dependen dan 4 variabel independen. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa menggunakan metode robust weighted least square dapat menangani pencilan dan homoskedastisitas dimana nilai R2adjusted sebesar 70,68% dan nilai RMSE sebesar 0,729.
English Abstract
Regression analysis is a method that can be used to determine the relationship between two or more independent variables on the dependent variable. Regression analysis based on linearity is divided into two, namely linear regression and nonlinear regression. If the relationship between the independent variable and the dependent variable is nonlinear, then the data spread on the scatterplot does not follow a straight line but follow a certain curve shape. In addition, there are assumptions that must be tested namely the assumptions of normality error, homoscedasticity, multicollinearity, and autocorrelation. In this study, there are assumptions that are violated, namely the assumption of homoscedastisity and outlier. Therefore, the Weighted Least Square and Robust Regression methods are used to overcome the heteroscedasticity and outlier. This study used secondary data were obtained from the Meteorology, Climatology, and Geophysics Agency regarding rainfall in DKI Jakarta in 2019- 2020 as a dependent variable and 4 independent variables. Based on the results of this study it can be concluded that using Robust Weighted Least Square method can handle the outlier and heteroscedasticity where the adjusted R-Squared value is 70,68% and the RMSE value is 0,729.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052109 |
| Uncontrolled Keywords: | : Analisis regresi nonlinier, Weighted Least Square, Regresi Robust, LTS, Nonlinear regression analysis, Weighted Least Square, Robust Regression, LTS |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Unnamed user with username dedyiskandar |
| Date Deposited: | 22 Oct 2021 02:38 |
| Last Modified: | 17 Oct 2024 01:21 |
| URI: | http://repository.ub.ac.id/id/eprint/184868 |
![[thumbnail of Ratih Kartika Rahmatulnissa..pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Ratih Kartika Rahmatulnissa..pdf Download (2MB) |
Actions (login required)
 |
View Item |