ESTIMASI KURVA REGRESI NONPARAMETRIK DENGAN METODE ROBUST POLINOMIAL LOKAL BERDASARKAN LEAST TRIMMED SQUARES

DIDIN YULIAN PRADINA, 080112386 (2006) ESTIMASI KURVA REGRESI NONPARAMETRIK DENGAN METODE ROBUST POLINOMIAL LOKAL BERDASARKAN LEAST TRIMMED SQUARES. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
23.pdf

Download (213kB) | Preview
[img]
Preview
Text (FULL TEXT)
gdlhub-gdl-s1-2006-pradinadid-3333-mpm4006.pdf

Download (1MB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Estimasi kurva regresi nonparametrik bertujuan untuk menjelaskan pengaruh satu atau lebih variabel prediktor terhadap variabel respon. Dalam skripsi ini digunakan pendekatan estimator polinomial lokal untuk mengestimasi kurva regresi. Penyelesaian yang sering digunakan adalah metode Weighted Least Squares (WLS). Salah satu kelemahan metode ini adalah jika ada outlier, menyebabkan estimator yang dihasilkan kurang sesuai. Alternatif untuk memperbaiki kelemahan estimator polinomial lokal adalah menggunakan estimator yang bersifat robust yang mampu bertahan terhadap kehadiran outlier dalam jumlah tertentu pada data pengamatan. Pada skripsi ini dipelajari metode estimasi robust dalam analisa regresi nonparametrik yang berasal dari keluarga High Breakdown Value yaitu Least Trimmed Squares (LTS). Hasil dari penelitian ini menunjukkan kemampuan estimator robust polinomial lokal LTS yang mempunyai sifat lebih baik saat adanya outlier. Hasil penerapan terhadap data Stackloss dengan estimator polinomial lokal adalah : Non robust: ŷ =10.79777+0.40689 (x-19)+0.41996 (x-19)² R²=0.876 Robust LTS: ŷ =13.90303+0.96667 (x-19)+0.03333(x-19)² R²=0.983 Estimaator polynomial local tidak mampu mendeteksi adanya outlier dalam data, sedangkan estimator robust polinomial lokal LTS menghasilkan outlier sebanyak 4 pengamatan dengan nilai breakdown 52,38%. Penerapan terhadap data Jumlah panggilan telepon internasional dari Belgia dengan estimator polinomial lokal adalah : Non robust : ŷ = 5.469311+ 0.5824692(x - 62) R2 = 0.288 Robust LTS : ŷ =1.568869 + 0.1158824(x - 62) R2 = 0.985 Estimator polinomial lokal tidak mampu mendeteksi adanya outlier dalam data, sedangkan estimator robust polinomial lokal LTS menghasilkan outlier sebanyak 8 pengamatan dengan nilai breakdown 50.00%. Sedangkan penerapan terhadap data Pilot-plant dengan estimator polinomial lokal adalah : Non robust : ŷ= 68.9262 + 0.3224931(x -104) R2 = 0.995 Robust LTS : ŷ = 68.63636 + 0.3157895(x -104) R2 = 0.998 Estimator polinomial lokal maupun estimator robust polinomial lokal LTS tidak mendeteksi adanya outlier dalam data dan diperoleh nilai breakdown 50,00%.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM.40/06 Pra e
Uncontrolled Keywords: REGRESSION ANALYSIS
Subjects: Q Science > QA Mathematics > QA1-939 Mathematics
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsEmail
DIDIN YULIAN PRADINA, 080112386UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorNur Chamidah, S.Si., M.SiUNSPECIFIED
ContributorDrs. Suliyanto, M.SiUNSPECIFIED
Depositing User: Tn Fariddio Caesar
Date Deposited: 26 Dec 2006 12:00
Last Modified: 19 Oct 2016 02:01
URI: http://repository.unair.ac.id/id/eprint/25238
Sosial Share:

Actions (login required)

View Item View Item