PERBANDINGAN METODE LEAST TRIMMED SQUARE (LTS) DAN PENDUGA-S SEBAGAI METODE PENDUGAAN PARAMETER REGRESI ROBUST
Abstract: Metode Kuadrat
Terkecil (MKT) merupakan salah satu metode pendugaan parameter dalam analisis
regresi linier. Penggunaan metode ini harus memenuhi asumsi-asumsi analisis
regresi linier yang ada. Beberapa asumsi itu antara lain bahwa galat harus
menyebar normal, ragam galat homogen dan tidak terjadi autokorelasi. Tapi pada
saat asumsi tidak terpenuhi, misalnya disebabkan adanya outlier, maka MKT tidak
dapat digunakan. Diperlukan metode lain jika asumsi tidak terpenuhi yaitu
metode Regresi Robust. Hasil analisis dari regresi robust ini dapat dipercaya
meskipun data telah terkontaminasi oleh pencilan. Metode pendugaaan parameter
regresi dalam metode Regresi Robust antara lain metode Least Trimmed Square
(LTS) dan penduga S. Penelitian ini bertujuan untuk membandingkan Least Trimmed
Square (LTS) dan penduga S didasarkan pada kriteria MSE bagi masing-masing
model. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi
yang dihasilkan baik pada intersep maupun koefisien regresi yang lain.
Keberadaan pencilan berpengaruh ini juga berdampak pada perubahan nilai Mean
Square Error (MSE). Berdasarkan hasil penelitian dapat disimpulkan bahwa
penduga S merupakan penduga yang lebih baik digunakan untuk data yang
mengandung pencilan berpengaruh karena memiliki nilai Mean Square Error (MSE)
terkecil daripada metode LTS.
Penulis: Andhika Tegar Permana
Kode Jurnal: jpmatematikadd141099
