Perbandingan Metode Robust Generalized-M Schweppe One-Step Estimator (Gm-S1s) Dan Metode Robust M-Estimator Untuk Menangani Pencilan Pada Regresi Linier Berganda
| Main Author: | Prasetyo, Teguh |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153446/1/Skripsi_Teguh_Prasetyo_Prodi_Statistika_%280910950070%29.pdf http://repository.ub.ac.id/153446/ |
Daftar Isi:
- Metode Kuadrat Terkecil membutuhkan asumsi yang harus dipenuhi untuk menghasilkan penduga yang bersifat BLUE (Best Linear Unbiased Estimator); salah satu asumsi adalah sisaan menyebar normal. Keberadaan pencilan dapat menyebabkan asumsi kenormalan sisaan menjadi tidak terpenuhi. Metode Penduga-M banyak digunakan untuk mengatasi pengaruh pencilan, tetapi memiliki nilai breakdown rendah. Metode Robust Generalized-M Schweppe One-Step Estimator (GM-S1S) atau dikenal dengan Metode Reweighted Least Trimmed Square (RLTS), merupakan pengembangan metode Penduga-M. Penelitian ini bertujuan membandingkan hasil analisis metode Penduga-GM S1S, Penduga MKT dan Penduga-M untuk memilih metode pendugaan terbaik. Data yang digunakan mengandung pencilan sebesar 1.72%, 3.33%, 6.45% dan 8.57%. Berdasarkan nilai Root Mean Square Error (RMSE) disimpulkan metode Penduga-M dan Penduga-GM S1S lebih baik dibanding Penduga-MKT. Selain itu, dari nilai Akaike’s Information Criterion Robust (AICR) disimpulkan metode Penduga- GM S1S lebih baik dibanding Penduga-M. Semakin besar persentase pencilan, selisih nilai AICR antara metode Penduga-GM S1S dengan Penduga-M juga semakin besar.