PERBANDINGAN METODE PARTIAL LEAST ABSOLUTE DEVIATION REGRESSION DAN METODE PARTIAL ROBUST M REGRESSION PADA KASUS DATA OUTLIER
Abstract: Partial Least Square
Regression (Regresi PLS) merupakan metode yang dapat digunakan untuk memodelkan
data dengan banyaknya variabel prediktor lebih tinggi dibanding banyaknya
pengamatan. Namun regresi PLS sangat rentan dengan adanya data outlier sehingga
diperlukan metode yang robust. Metode robust dari regresi PLS adalah metode
Partial Least Absolute Deviation Regression (Regresi PLAD) dan Partial Robust M
Regression (Regresi PRM). Penelitian ini bertujuan untuk membandingkan regresi
PLAD dan regresi PRM dalam memodelkan data yang mengandung outlier pada model
regresi PLS. Data yang digunakan berupa empat data simulasi yaitu data yang
tidak mengandung outlier dan data yang mengandung 3 jenis outlier yang berbeda.
Hasil penelitian ini menunjukkan bahwa berdasar indikator kebaikan model GOF maupun RMSE, regresi PLAD cenderung
hampir sama baik dengan metode regresi PRM untuk memberikan pendugaan pada data
yang mengandung outlier. Namun pada data yang mengandung outlier, regresi PLAD
lebih baik.
Penulis: Aulia Maghfiroh, Ani
Budi Astuti, Henny Pramoedyo
Kode Jurnal: jpmatematikadd130815
