Hanna Ardiyanti , 4150406542 (2011) (ABSTRAK) PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI-MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR (CONTOH KASUS DATA PRODUKSI PADI DI JAWA TENGAH TAHUN 2007). Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF ((ABSTRAK) PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI-MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR (CONTOH KASUS DATA PRODUKSI PADI DI JAWA TENGAH TAHUN 2007)) - Published Version Download (106kB) | Preview

Abstract

Analisis regresi linier adalah analisis terhadap hubungan satu variabel tak bebas (Y) dengan satu atau lebih variabel bebas (X). Estimasi parameter biasanya diselesaikan dengan metode kuadrat terkecil. Akan tetapi, apabila terdapat outlier, maka estimasi koefisien garis regresi dengan metode kuadrat terkecil menjadi tidak tepat. Hal ini mendorong penelitian ke dalam pendekatan yang lebih robust. Estimasi-M dan Estimasi-MM adalah metode-metode dalam regresi robust. Permasalahan yang dikaji dalam penelitian ini adalah metode manakah yang lebih efektif dalam mengatasi permasalahan outlier pada metode kuadrat terkecil. Tujuan dari penelitian ini adalah untuk mengetahui metode manakah yang lebih efektif, antara metode Estimasi-M dan metode Estimasi-MM. Dalam penelitian ini mengambil simulasi pada suatu kasus dengan mengggunakan data dari BPS (Badan Pusat Statistik) Provinsi Jawa Tengah yaitu data tentang produksi padi tiap kabupaten atau kota di Provinsi Jawa Tengah tahun 2007, dimana variabel–variabel tersebut meliputi jumlah produksi padi, luas panen, dan jumlah penduduk. Proses analisis dimulai dengan menggunakan metode kudrat terkecil, identifikasi outlier, dan analisis dengan dua metode robust. Dalam menilai hasil kedua metode dengan membandingkan standar error kedua metode dengan OLS yang terdapat outlier. Apabila standar error yang dihasilkan metode regresi robust lebih kecil dari OLS, maka regresi robust dapat menganalisis data tanpa membuang outlier dan menghasilkan estimasi yang resisten terhadap outlier. Sehingga dapat dikatakan regresi robust dapat mengatasi kelemahan OLS terhadap pengaruh outlier. Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan bahwa baik Estimasi-M maupun Estimasi-MM mempunyai keefektifan yang sama dalam mengatasi outlier pada OLS, karena keduanya dapat mengecilkan standar error yang dihasilkan OLS. Dilihat dari efek breakdown point, Estimasi-M kurang efektif daripada Estimasi-MM dalam mengatasi pengaruh outlier pada variabel prediktor. Berdasarkan hasil penelitian disarankan bagi peneliti yang menjumpai outlier dalam data observasi, tidak perlu membuang outlier tersebut, karena regresi robust dapat menghasilkan model regresi yang resisten terhadap outlier.

Actions (login required)

View Item