ANALISIS REGRESI ROBUST DENGAN METODE PENDUGA MM (METHOD OF MOMENT)

SANDY LUKE NUGROHO, . (2016) ANALISIS REGRESI ROBUST DENGAN METODE PENDUGA MM (METHOD OF MOMENT). Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

Text SKRIPSI.pdf Download (2MB)

Abstract

Skripsi ini membahas bagaimana langkah-langkah menduga parameter regresi robust dengan menggunakan penduga MM. Penduga MM adalah metode estimasi parameter regresi robust yang merupakan kombinasi dari dua metode regresi robust lain yaitu penduga S yang memiliki breakdown point tinggi hingga 50% dan penduga M yang memiliki efisiensi tinggi yaitu mencapai 95% sehingga diharapkan diperoleh model yang efisien dan dapat mengatasi pencilan hingga 50% dari data. Sebelum melakukan estimasi menggunakan penduga MM, seharusnya dilakukan uji asumsi klasik dan mendeteksi adanya pencilan dalam data menggunakan DfFITS. Selanjutnya dilakukan analisis data dan menduga parameter regresi dengan menggunakan metode Penduga MM. Contoh kasus yang digunakan dalam skripsi ini adalah diterapkan pada data gaji matematikawan di suatu yayasan dimana proses analisis data dibantu software SAS 9.1. Hasilnya menunjukkan bahwa penduga MM menghasilkan model yang lebih baik dari MKT berdasarkan nilai R2 . Efisiensi Penduga MM juga lebih besar dibanding Penduga S sehingga Penduga MM merupakan metode yang lebih baik dalam mengestimasi parameter regresi pada data yang mengandung pencilan. This thesis discusses how to estimate parameter of robust regression using MM estimation. MM estimation is a method to estimate parameter of robust regression which combine two robust regression these are S estimation which has high breakdown point until 50% and M estimation which has high efficiency until 95% and expected to be obtained regression model with high efficiency and solve outliers until 50% from the data. Before we estimate using MM estimation, we must do classical assumption and detect existence of outliers in data using DfFITS. Next analyze data and estimate parameter of regression with MM Estimation. Sample case that used in this thesis is applied on Mathematicians salary data which data analyze process uses SAS 9.1 software. The result shows MM estimation gives the better model than OLS method based on R2 score. Efficiency of MM Estimation is higher than S Estimation so MM Estimation is a better method to estimate parameter of regression for data which contained by outliers.

Item Type:	Thesis (Sarjana)
Additional Information:	1) Widyanti Rahayu, M.Si 2) Vera Maya Santi, M.Si
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	sawung yudo
Date Deposited:	14 Apr 2022 06:44
Last Modified:	14 Apr 2022 06:44
URI:	http://repository.unj.ac.id/id/eprint/26695

Actions (login required)

View Item