DETEKSI OUTLIER MENGGUNAKAN DIAGNOSA REGRESI BERBASIS ESTIMATOR PARAMETER ROBUST
Abstrak: Pencilan adalah data
yang tidak mengikuti sebagian besar pola dan terletak jauhdari pusat data,
dapat dideteksi dengan menggunakan leverage, nilai discrepancy,nilai influence.
Regresi robust merupakan metode regresi yang digunakan ketikadistribusi dari
residual tidak normal dan atau mengandung beberapa outlier yang berpengaruh
pada model (Ryan, 1997). Least Trimmed Square (LTS) yaitu metodepenaksir
regresi robust yang menggunakan konsep pemangkasan untukmeminimalkan jumlah
kuadrat residual dengan nilai breakdown point sebesar [(np)/2+1]/n. M-estimation
merupakan estimasi yang meminimumkan suatu fungsi objektif dengan nilai
breakdown point 0. Tujuan dari penelitian ini adalah membandingkan tingkat
efektifitas metode Least Trimmed Square (LTS) dan metode M-estimation dalam
data yang mengandung outlier (pencilan). Perbandingan kedua metode ini
dilakukan melalui studi pustaka yang melibatkan dua contoh kasus. Kemudian
perbandingan keefektifitasan kedua metode dilihatdari nilai koefisien
determinasi ( R2 ) yang diperoleh dengan menggunakan rumus atau bisa juga
dengan menggunakan software MINITAB 16.
Penulis: Suyanti, YL Sukestiyarno
Kode Jurnal: jpmatematikadd141464
