Dina Kamalia, 080112341 (2006) ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE ROBUST S. Skripsi thesis, UNIVERSITAS AIRLANGGA.
|
Text (ABSTRAK)
gdlhub-gdl-s1-2006-kamaliadin-2145-mpm22_0-k.pdf Download (343kB) | Preview |
|
|
Text (FULLTEXT)
gdlhub-gdl-s1-2006-kamaliadin-2145-mpm22_06.pdf Download (1MB) | Preview |
Abstract
Estimasi parameter regresi bertujuan untuk menjelaskan seberapa besar pengaruh peubah bebas terhadap peubah respon. Dalam perkembangannya estimasi parameter juga digunakan untuk kasus regresi multivariat. Model Seemingly Unrelated Regression (SUR) adalah salah satu bentuk regresi multivariat yang memiliki asumsi khusus yaitu adanya korelasi antara galat-galat pada persamaan regresi multivariat. Salah satu metode estimasi parameter adalah metode Generalized Least Square(GLS). Akan tetapi metode ini kurang mampu bertahan terhadap kehadiran outlier. Robust S adalah salah satu metode estimasi robust. Metode ini memiliki kemampuan bertahan terhadap kehadiran outlier dalam data pengamatan. Dalam penelitian ini dibahas estimasi parameter model Seemingly Unrelated Regression dengan metode GLS dan robust S. Hasil penerapan terhadap data General Electric dan Westinghouse (1935-1954) dalam model SUR dengan estimasi GLS menghasilkan : y1 = -37.20619596 + 0.04108319X11 + 0.16727395 X12 y2 = -5.02832244 + 0.06054043X21 + 0.11561687 X22 dengan R2 = 0.7949889 sedangkan dengan metode robust S menghasilkan : y1 = -37.89448495 + 0.04209415X11 + 0.16786478X12 y2 =15.29550734 +0.01309584X21 + 0.2664 1302 X22 dengan R2 = 0.8802155 Dalam hal deteksi outlier, data General Electric berdasarkan estimasi GLS dengan menggunakan metode Mahalanobis Distance tidak dapat mendeteksi outlier, sedangkan berdasarkan estimasi robust S dengan menggunakan Matrix Covaricm Determinant dapat mendeteksi 5 outlier yang tergolong leverage point baik. Data Westinghouse berdasarkan estimasi GLS dengan menggunakan metode Mahalanobis Distance tidak dapat mendeteksi outlier, sedangkan berdasarkan estimasi robust S dengan menggunakan metode Matrix Covarian Determinant dapat mendeteksi 5 outlier yang tergolong leverage point baik.
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK MPM. 22/06 Kam e | |||||||||
| Uncontrolled Keywords: | REGRESSION ANALYSIS; PARAMETER ESTIMATION | |||||||||
| Subjects: | Q Science > QA Mathematics > QA276-280 Mathematical Analysis Q Science > QA Mathematics > QA299.6-433 Analysis T Technology > T Technology (General) |
|||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | Nn Shela Erlangga Putri | |||||||||
| Date Deposited: | 20 Sep 2006 12:00 | |||||||||
| Last Modified: | 03 Aug 2016 07:29 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/26024 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |