Dimas Arif Yulianto, 4111413001 (2018) ESTIMASI PARAMETER REGRESI ROBUST MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN METODE GENERLAIZED LEAST SQUARE (GLS). Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF Download (2MB) | Preview

Abstract

Analisis regrsi linier digunakan untuk mengukur besar pengaruh variabel bebas (X) terhadap variabel terikat (Y). Estimasi parameter analisi regresi umumnya diselesaikan dengan Ordinary Least Square (OLS). Pada kenyataannya banyak ditemukan kasus bahwa data mengandung pencilan (outlier) yang menyebabkan estimasi koefisien regresi dengan OLS menjadi tidak tepat, sehingga diperlukan metode regresi robust. Model regresi linier Seemingly Unrelated Regression (SUR) merupakan model yang menggunakan lebih dari satu persamaan regresi untuk menganalisis pengaruh variabel independen (bebas) terhadap variabel dependen (terikat) sehingga akan menghasilkan persamaan yang lebih efisien. Permasalah yang dikaji dalam penelitian ini adalah menetukan estimasi parameter pada data yang mengandung pencilan (outlier) dengan regresi robust dan menentukan sistem persamaan regresi robust pada model Seemingly Unrelated Regression (SUR). Data amatan pada penelitian ini menggunakan 4 data yaitu nilai inflasi umum di Kota Pekalongan, Kota Salatiga, Kabupaten Rembang, dan Kabupaten Demak sebagai variabel terikat (Y), nilai inflasi di komoditas bahan makan (

Actions (login required)

View Item