IMAM WAHYUDI, 080112279 (2006) ESTIMASI KURVA REGRESI NONPARAMETRIK DENGAN METODE ROBUST POLINOMIAL LOKAL BERDASARKAN LEAST MEDIAN SQUARES. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (Abstrak) gdlhub-gdl-s1-2008-wahyudiima-9706-mpm340-k.pdf Download (437kB) | Preview
	Text (Full Text) gdlhub-gdl-s1-2009-wahyudiima-9637-mpm34_08.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Estimasi kurva regresi bertujuan untuk menjelaskan pengaruh satu atau lebih variabel prediktor terhadap variabel respon. Estimasi kurva regresi nonparametrik digunakan bila tidak ada asumsi atau informasi mengenai bentuk hubungan antara variabel prediktor dan variabel respon. Dalam skripsi ini digunakan pendekatan estimator polinomial lokal untuk mengestimasi kurva regresi nonparametrik. 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 Median Squares (LMS). Dari hasil skripsi ini menunjukkan kemampuan estimator robust polinomial lokal LMS yang mempunyai sifat lebih baik saat adanya outlier. Hal ini terlihat pada penerapan terhadap data Stackloss sebagai berikut Estimator polinomial lokal : y =10.79777 + 0.40689(x -19) + 0.41996(x -19)2 R2 = 0.876 Estimator robust polinomial lokal LMS : y =13.500+1.000(x-19)+ 1.448e-014(x -19)2 R2 = 0.995 Estimator polinomial lokal tidak mampu mendeteksi adanya outlier dalam data, sedangkan estimator robust polinomial lokal LMS menghasilkan outlier sebanyak 4 pengamatan dengan nilai breakdown 52,38%. Sedangkan penerapan terhadap data Cloud Point adalah : Estimator polinomial lokal y = 27.62511 +1.05237(x - 4) R2 = 0.953 Estimator robust polinomial lokal LMS y = 28 + 0.88(x - 4) R2 = 0.997 Estimator polinomial lokal tidak mampu mendeteksi adanya outlier dalam data, sedangkan estimator robust polinomial lokal LMS menghasilkan outlier sebanyak 3 pengamatan dengan nilai breakdown 47,36%.

Actions (login required)

View Item