Analisis Sifat Penduga Least Trimmed Squares (Lts) Pada Regresi Linier Berganda Yang Mengandung Pencilan Dengan Berbagai Ukuran Contoh
| Main Author: | Azizah, AmeliaNur |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153635/1/SKRIPSI_AMELIA_NUR_AZIZAH_0910950003_STATISTIKA.pdf http://repository.ub.ac.id/153635/ |
Daftar Isi:
- Pendugaan Parameter Dalam Model Regresi Dapat Dilakukan Dengan Metode Kuadrat Terkecil Atau Ordinary Least Squares (Ols) Yang Memerlukan Beberapa Asumsi Klasik Tentang Galat Dalam Model Yang Dihasilkan. Asumsi Yang Harus Dipenuhi Yaitu Kenormalan Galat, Kebebasan Galat (Non Autokorelasi), Dan Kehomogenan Ragam Galat (Homoskedastisitas). Dalam Beberapa Kasus, Data Yang Melandasi Pembentukan Model Regresi Memiliki Pencilan ( Outlier ) Berupa Pengamatan Dengan Nilai Sisaan Yang Jauh Lebih Besar Dibandingkan Sisaan Pengamatan Lain Atau Jauh Dari Rata-Rata Sisaan. Penanganan Menggunakan Ols Menghasilkan Nilai Penduga Parameter Yang Bersifat Bias. Oleh Karena Itu, Digunakan Metode Least Trimmed Squares ( Lts). Metode Ini Adalah Salah Satu Metode Pendugaan Parameter Regresi Robust Yang Mempunyai Prinsip Pendugaan Parameter Yang Sama Dengan Metode Kuadrat Terkecil (Mkt), Yaitu Meminimumkan Jumlah Kuadrat Galat. Hanya Saja Pada Metode Lts, Jumlah Kuadrat Galat Yang Diminimumkan Adalah Jumlah Kuadrat Galat Dari H Pengamatan Yang Dianggap Bukan Pencilan. Analisis Sifat Penduga Lts Dilakukan Dengan Melihat Nilai Bias, Ragam Dan Mean Square Error (Mse) Ketika Diterapkan Pada Data Yang Mengandung Pencilan Dengan Berbagai Ukuran Contoh Untuk Regresi Linier Berganda. Pertambahan Banyaknya Pencilan Tidak Mempengaruhi Sifat Penduga Lts Karena Penduga Ini Termasuk Penduga Yang Kekar ( Robust ) Terhadap Pencilan. Sedangkan Pertambahan Ukuran Contoh Mempengaruhi Penduga Lts. Hal Ini Dikarenakan Semakin Besar Ukuran Contoh Maka Semakin Kecil Nilai Bias, Ragam Dan Mse Penduga Parameter. Oleh Karena Itu, Metode Least Trimmed Squares (Lts) Lebih Baik Digunakan Pada Data Berukuran Contoh Besar Yang Mengandung Pencilan Berpengaruh Pada Regresi Linier Berganda.