Cover Image

Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust

Main Author: Permana, AndhikaTegar
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2014
Subjects:
519.5 Statistical mathematics
Online Access: http://repository.ub.ac.id/142415/1/Andhika_Tegar_Permana_0710953027_Statistika.pdf
http://repository.ub.ac.id/142415/
ctrlnum 142415
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/142415/</relation><title>Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust</title><creator>Permana, AndhikaTegar</creator><subject>519.5 Statistical mathematics</subject><description>Metode Kuadrat Terkecil (MKT) merupakan salah satu metode pendugaan parameter dalam analisis regresi linier. Penggunaan metode ini harus memenuhi asumsi-asumsi analisis regresi linier yang ada. Beberapa asumsi itu antara lain bahwa galat harus menyebar normal, ragam galat homogen dan tidak terjadi autokorelasi. Tapi pada saat asumsi tidak terpenuhi, misalnya disebabkan adanya outlier, maka MKT tidak dapat digunakan. Diperlukan metode lain jika asumsi tidak terpenuhi yaitu metode Regresi Robust. Hasil analisis dari regresi robust ini dapat dipercaya meskipun data telah terkontaminasi oleh pencilan. Metode pendugaaan parameter regresi dalam metode Regresi Robust antara lain metode Least Trimmed Square (LTS) dan penduga S. Penelitian ini bertujuan untuk membandingkan Least Trimmed Square (LTS) dan penduga S didasarkan pada kriteria MSE bagi masing-masing model. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi yang dihasilkan baik pada intersep maupun koefisien regresi yang lain. Keberadaan pencilan berpengaruh ini juga berdampak pada perubahan nilai Mean Square Error (MSE). Berdasarkan hasil penelitian dapat disimpulkan bahwa penduga S merupakan penduga yang lebih baik digunakan untuk data yang mengandung pencilan berpengaruh karena memiliki nilai Mean Square Error (MSE) terkecil daripada metode LTS.</description><date>2014-02-07</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/142415/1/Andhika_Tegar_Permana_0710953027_Statistika.pdf</identifier><identifier> Permana, AndhikaTegar (2014) Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FT/2014/142/051402678</relation><recordID>142415</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Permana, AndhikaTegar
title Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust
publishDate 2014
isbn 9780710953025
topic 519.5 Statistical mathematics
url http://repository.ub.ac.id/142415/1/Andhika_Tegar_Permana_0710953027_Statistika.pdf
http://repository.ub.ac.id/142415/
contents Metode Kuadrat Terkecil (MKT) merupakan salah satu metode pendugaan parameter dalam analisis regresi linier. Penggunaan metode ini harus memenuhi asumsi-asumsi analisis regresi linier yang ada. Beberapa asumsi itu antara lain bahwa galat harus menyebar normal, ragam galat homogen dan tidak terjadi autokorelasi. Tapi pada saat asumsi tidak terpenuhi, misalnya disebabkan adanya outlier, maka MKT tidak dapat digunakan. Diperlukan metode lain jika asumsi tidak terpenuhi yaitu metode Regresi Robust. Hasil analisis dari regresi robust ini dapat dipercaya meskipun data telah terkontaminasi oleh pencilan. Metode pendugaaan parameter regresi dalam metode Regresi Robust antara lain metode Least Trimmed Square (LTS) dan penduga S. Penelitian ini bertujuan untuk membandingkan Least Trimmed Square (LTS) dan penduga S didasarkan pada kriteria MSE bagi masing-masing model. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi yang dihasilkan baik pada intersep maupun koefisien regresi yang lain. Keberadaan pencilan berpengaruh ini juga berdampak pada perubahan nilai Mean Square Error (MSE). Berdasarkan hasil penelitian dapat disimpulkan bahwa penduga S merupakan penduga yang lebih baik digunakan untuk data yang mengandung pencilan berpengaruh karena memiliki nilai Mean Square Error (MSE) terkecil daripada metode LTS.
id IOS4666.142415
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:45:04Z
last_indexed 2021-10-28T07:30:34Z
recordtype dc
_version_ 1751454821170282496
score 17.538404

Lihat Juga