PERBANDINGAN PENDUGA METHOD OF MOMENT (MM) DAN LEAST TRIMMED SQUARE (LTS) DALAM REGRESI ROBUST LINIER BERGANDA
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. Metode pendugaaan parameter regresi dalam metode Regresi
Robust antara lain penduga MM dan Least Trimmed Square (LTS). Penelitian ini
bertujuan untuk membandingkan penduga MM dan Least Trimmed Square (LTS)
didasarkan pada kriteria R2 adj bagi masing-masing model. Hasil penelitian
menunjukkan bahwapenduga Least Trimmed Square (LTS) lebih baik daripada penduga
MM. Hal ini dilihat berdasarkan nilai R2 adj yangdihasilkan penduga Least
Trimmed Square (LTS) lebih besar daripada nilai R2 adj yang dihasilkan penduga
MM.
Penulis: Efrida Dwi
Candrawati, Eni Sumarminingsih
Kode Jurnal: jpmatematikadd130597
