EMMA KURNIAWATI, 089912009 (2006) ESTIMASI PARAMETER REGRESI LINIER BERGANDA DENGAN METODE ROBUST BERDASARKAN LEAST MEDIAN SQUARES. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) 27.pdf Download (187kB) | Preview
Preview	Text (FULL TEXT) gdlhub-gdl-s1-2006-kurniawati-2115-mpm17_06.pdf Download (1MB) | Preview

Abstract

Estimasi parameter regresi linier berganda bertujuan untuk menjelaskan pengaruh satu atau lebih peubah bebas xi terhadap peubah respon yi. Penyelesaian yang sering digunakan adalah metode Ordinary Least Squares (OLS). Prinsip metode OLS ini adalah meminimumkan jumlah kuadrat residual. Salah satu kelemahan metode ini adalah jika ada outlier, menyebabkan estimator yang dihasilkan kurang sesuai . Alternatif untuk memperbaiki kelemahan OLS adalah menggunakan estimator yang bersifat robust yang mampu bertahan terhadap kehadiran outlier dalam jumlah tertentu pada data pertgamatan. Pada penelitian ini dipelajari metode estimasi robust dalam analisa regresi linier berganda yang berasal dari keluarga High Breakdown Value yaitu Least Median Squares (LMS). Hasil dari penelitian ini menunjukkan kemampuan estimator LMS yang mempunyai sifat lebih baik saat adanya outlier . Hasi1 penerapan terhadap data Delivery Time dengan model regresi linier berganda dengan estimator LMS adalah : OLS : ў = 2.346 + 1.614x1 + 0.014x2 R2 = 0.959 LMS : ў = 3.301 + 1.267x1 +0.021x2 R2=0.999 Dalam hal mendeteksi kehadiran outlier, estimator OLS dengan menggunakan metode Mahalanobis Distance (MD) terdeteksi adanya outlier sebanyak 2 pengamatan. Sedangkan estimator LMS dengan menggunakan metode Mahalanobis Distance (MD) terdeteksi adanya outlier sebanyak 7 pengamatan dan jika menggunakan metode Robust Distance (RD) menunjukkan kemampuan mendeteksi adanya outlier sebanyak 8 pengamatan, terdiri dari 6 pengamatan ergolong outlier vertikal , 1 pengamatan tergolong titik leverage baik dan 1 )engamatan tergolong titik leverage buruk dengan nilai breakdown 52%.

Actions (login required)

View Item