Perbandingan Estimasi S (Scale) Dan Estimasi Mm (Method of Moment) Pada Model Regresi Robust Dengan Data Pencilan

Abstract

Model regresi merupakan model yang digunakan untuk menggambarkan hubungan antara variabel bebas dan tidak bebas. Salah satu metode yang sering digunakan untuk menduga parameter model regresi adalah metode OLS (Ordinary Least Square). Dalam model regresi dimungkinkan terdapat outlier (pencilan) yang menyebabkan beberapa asumsi regresi tidak terpenuhi sehingga nilai prediksi menjadi kurang akurat oleh karena itu digunakan metode yang dapat menangani data outlier. Salah satunya adalah metode regresi robust dengan menggunakan estimasi S (Scale) dan MM (Methode of Moment) karena memiliki breakpoint (jumlah maksimum data pencilan yang dapat ditoleransi oleh sebuah model) yang tinggi. Penelitian ini bertujuan untuk menerapkan dan membandingkan estimasi OLS, estimasi S dan estimasi MM yang mengandung data pencilan. Data yang digunakan adalah data sekunder berupa kemampuan membaca sekelompok anak yang berumur 4 sampai 7 tahun, umur, skor daya ingat dan IQ. Hasil penelitian menunjukkan metode regresi robust estimasi S merupakan metode terbaik dibandingkan estimasi OLS & estimasi MM karena memiliki nilai R2 tertinggi yaitu sebesar 94,29%. Berdasarkan metode estimasi S diperoleh model dengan Y adalah skor membaca anak-anak yang berumur 4 sampai 7 tahun, X1adalah umur, X2 adalah skor daya ingat dan X3 adalah IQ.

Implementasi Regresi Robust untuk Mengetahui Faktor-Faktor yang Mempengaruhi Produksi Padi di Indonesia

“…Penelitian mengenai faktor-faktor yang memengaruhi produksi padi telah di lakukan oleh (Padilah & Adam, 2019) dan (Usman & , 2018). Kemudian, penelitian yang menggunakan metode regresi robust dalam penelitiannya adalah (Chen, 2002), (Semar, 2020), (Lainun, 2018). Penggunaan regresi robust pada penelitian ini didasarkan atas dalam penggunaan model regresi linier dengan metode kuadrat terkecil sangat sensitif terhadap pencilan pada data (outlier).…”

Perbandingan Regresi Robust Metode Least Trimmed Square (Lts) Dan Metode Estimasi-S Pada Produksi Padi Di Kabupaten Blitar

“…Penelitian yang dilakukan oleh [3] menyatakan metode estimasi S memiliki breakdown point 0,5 yang menjelaskan bahwa banyaknya pencilan hingga separuh data pengamatan tidak akan mempengaruhi model regresi yang dihasilkan. Selain itu penelitian mengenai perbandingan metode estimasi S dan MM dalam [4] menyimpulkan regresi robust estimasi S merupakan metode yang efektif dalam kasus data kemampuan membaca sekelompok anak. Sedangkan penelitian mengenai perbandingan metode estimasi LTS dan MM dilakukan oleh [5] menyatakan metode MM tidak lebih efisien dibanding metode LTS, karena metode LTS memiliki fungsi obyektif yang lebih halus sehingga akan lebih sensitif terhadap efek lokal dan memiliki nilai breakdown point yang tinggi.…”

“…Menurut [4], untuk mendapatkan nilai periksa yang efisien dan tidak bias dari persamaan regresi berganda, maka perlu pengujian untuk mengetahui model regresi yang dihasilkan memenuhi persyaratan beberapa asumsi klasik, yaitu:…”

“…Kriteria yang digunakan dalam pengujian adalah F hitung > F (α, k, n−k−1) maka tolak H 0 pada tingkat signifikansi α, artinya bahwa residual tidak identik [4].…”

“…(3) Uji Multikoliearitas Uji multikolinearitas bertujuan untuk mengetahui adanya korelasi yang tinggi atau sempurna antar variabel independen. Salah satu cara untuk menguji asumsi multikolinearitas adalah dengan melihat nilai variance inflation factor (VIF), dengan statistik uji [4]:…”