Abstract: Regresi komponen
utama (Principal Component Regression) merupakan teknik statistik yang digunakan
untuk analisis regresi dengan kolinieritas. Teknik robust pada regresi komponen
utama sangat diperlukan jika termuat outlier didalam data. Pada penelitian ini
dilakukan kombinasi antara Analisis Komponen Utama (PCA) Robust: Minimum
Covariant determinant (MCD) dan Minimum Volume Ellipsoid (MVE) dengan Metode Regresi
Robust: Least Median Square (LMS) dan Least Trimmed Square (LTS), kemudian membandingkan
tingkat resistensi metode MCD-LMS, MCD-LTS, MVE-LMS, MVE-LTS terhadap outlier
dengan membandingkan nilai Bias dan MSE (Means Square Error) pada beberapa
ukuran sampel dan persentase outlier yang berbeda. Hasil yang diperoleh
menunjukkan bahwa metode MCD-LMS lebih baik dari pada metode MCD-LTS, MVE-LMS,
dan MVE-LTS karena memiliki nilai Bias dan MSE yang minimum.
Kata Kunci: Regresi Robust,
MCD, MVE, LMS, LTS
Penulis: Sekar Wulandari
Kode Jurnal: jpmatematikadd100009
Artikel Terkait :
