CD-ROM
EFEKTIVITAS REGRESI ROBUST DENGAN METODE LEAST TRIMMED SQUARE (LTS) DAN M-ESTIMATION UNTUK MENGATASI MASALAH PENCILAN PADA PERSAMAAN REGRESI SEDERHANA
Matematika merupakan ilmu yang berperan dalam menunjang ilmu-ilmu lainnya. Dalam perkembangannya kajian matematika terbagi menjadi dua arah yaitu murni dan terapan. Matematika terapan memiliki pengertian bahwa matematika digunakan di luar bidang matematika. Lain halnya dengan matematika murni yang mengkaji tentang seluk beluk dalam matematika serta memecahkan kasus-kasus dalam matematika. Salah satu cabang dari matematika terapan adalah statistika.
Salah satu permasalahan dalam statistika adalah mengenai regresi. Regresi adalah suatu sistem atau metode yang digunakan untuk mencari hubungan antara kelompok variabel. Regresi robust merupakan salah satu metode yang dapat digunakan untuk menetukan model persamaan regresi dimana di dalamnya terdapat data pencilan (outlier). Pada regresi robust ada beberapa metode yang dapat digunakan yaitu m-estimation, least median square, least trimmed square,s-estimation serta mm-estimation. Pada penelitian ini, metode yang digunakan adalah metode m-estimation dan least trimmed square.
Permasalahan yang diangkat pada penelitian ini adalah bagaimana nilai breakdown point serta residual dari metode least trimmed square dan m-estimation serta metode manakah yang lebih efektif diantara keduanya untuk mengatasi masalah pencilan. Langkah yang dilakukan adalah menentukan masalah, merumuskan masalah , studi pustaka, analisis pemecahan masalah dan penarikan kesimpulan.
Pembahasan dilakukan dengan dua metode yaitu metode least trimmed square serta m-estimation. Pada metode least trimmed square diperoleh nilai breakdown pointnya sebesar (([(n-p)/2]+1))/n dengan nilai residual mendekati nol (0). Sedangkan pada metode m-estimation nilai breakdown pointnya 0, dengan nilai residual lebih besar dibandingkan least trimmed square. Dari hasil penelitian tersebut dapat disimpulkan bahwa metode least trimmed square lebih efektif dibandingkan metode m-estimation dilihat dari nilai breakdown poin serta nilai residualnya untuk mengatasi masalah pencilan.
No copy data
No other version available