| dc.description.abstract | Metode Robust digunakan untuk mengestimasi data yang mengandung
pencilan. Beberapa metode diantaranya metode MM, metode S, LAV (Least Absolute
Value), LTS (Least Trimmed Square) dan LMS (Least Median Square). Dalam
penulisan ini akan dibahas tentang estimasi parameter regresi robust pada data
dengan metode LMS (Least Median Square) yang diperkenalkan oleh Rousseeuw
pada tahun 1984. Metode LMS menduga koefisien regresi dengan meminimumkan
median dari kuadrat galat (min{𝑒
𝑖
2
}).
Tujuan dari penulisan ini adalah mengetahui tingkat keakuratan metode
tersebut dalam mengestimasi data yang mengandung pencilan. Langkah-langkah
yang dilakukan untuk mencapai tujuan tersebut yaitu membangkitkan data dengan
pencilan kurang dari 10% akan didapat data awal. Pada data disimulasikan dengan
penambahan pencilan 10%, 20% dan 40%. Data dengan berbagai kandungan pencilan
tersebut dibandingkan nilai estimasi parameter regeresinya serta tingkat kecocokan
model.
Pendeteksian dilakukan dengan mengggunakan data yang mengandung
pencilan 10%, 20% dan 40%. Langkah selanjutnya mengestimasi data menggunakan
metode Robust, dalam penelitian ini menggunakan metode LMS (Least median of
Square) sehingga didapatkan model regresi yang akurat dengan cara melihat hasil
nilai koefisien regresi dan keakuratan model pada analisis yang dilakukan. Nilai
keakuratan model pada data simulasi rata-rata besarnya diatas nilai 90%, maka model
tersebut dinyatakan akurat.
Berdasarkan hasil penelitian yang telah dilakukan secara keseluruhan, untuk
pencilan menunjukkan bahwa metode LMS (Least median of Square) memberikan
nilai yang cukup baik dalam ketahanannya terhadap adanya pencilan daripada dengan
metode OLS (Ordinary Least Square). Hal ini dapat dilihat pada hasil koefisien R
dalam hasil estimasinya, yaitu nilai koefisien regresinya rata-rata mendekati 1. | en_US |
