Perbandingan Metode Least Trimmed Square (LTS) dan Scale (S) Pada Response Surface Methodology
Article Sidebar
Published
Feb 1, 2018
Main Article Content
Abstract
Penelitian ini bertujuan untuk memperoleh estimator optimal antara metode Least Trimmed Square (LTS) dan Scale (S) dalam mengestimasi model orde dua pada response surface methodology (metode permukaan respon). Kedua metode tersebut merupakan metode regresi robust yang kekar terhadap adanya outlier dalam data. Kriteria pemilihan metode terbaik dilihat berdasarkan nilai R2 yang terbesar dan nilai Mean Square Error (MSE) yang terkecil. Penelitian ini dilakukan dengan menggunakan bantuan software SAS 9.1 dan Minitab 16. Hasil penelitian menunjukkan bahwa metode Least Trimmed Square (LTS) merupakan metode yang lebih baik dibandingkan metode Scale (S) dalam mengestimasi model orde dua pada metode permukaan respon.
Article Details
How to Cite
Rohmawati, A., Dwidayanti, N. K., & Sugiman, S. (2018). Perbandingan Metode Least Trimmed Square (LTS) dan Scale (S) Pada Response Surface Methodology. PRISMA, Prosiding Seminar Nasional Matematika, 1, 728-735. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/19685
Section
Articles
References
Box, G. E. P. & Draper N. R. 2007. Response Surface, Mixtures and Ridge Analyses (2th ed.). New York: John Wiley & Sons, Inc.
Candrawati, E. D. & Eni, S. 2013. Perbandingan Penduga Method Of Moment (MM) dan Least Trimmed Square (LTS) dalam Regresi Robust Linier Berganda. Jurnal Mahasiswa Statistik, 1(1).
Montgomery, D. C. 2001. Design and Analysis of Experiments (5th ed.). New York: John Wiley & Sons, Inc.
Myers, R. H. 2009. Response Surface Methodology (3th ed.). Canada: John Wiley & Sons, Inc.
Paludi, S. 2009. Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier). Jakarta: Majalah Ilmiah Panorama Nusantara.
Rousseuw, P. J. & Leroy, A. M. 1987. Robust Regression and Outlier Detection. New York: John Wiley & Sons, Inc.
Susanti,Y., Pratiwi H., Sulistijowati S., & Liana, T. 2014. M Estimation, S Estimation, and MM Estimation In Robust Regression. International Journal of Pure and Applied Mathematics. 91(3).
Suyanti & Sukestiyarno, YL. 2014. Deteksi Outlier Menggunakan Diagnosa Regresi Berbasis Estimator Parameter Robust. UNNES Journal of Mathematic, 3(2).
Willems, G. & Aelst S. V. 2005. Fast and Robust Bootstrap for LTS. Computational Statistics & Data Analysis, 48.
Zhang, J., Fu, D., Xu, Y., & Liu, C. 2010. Optimization of Parameters on Photocatalytic Degradation of Chloramphenicol using TiO2 as Photocatalyist by Response Surface Methodology. Journal of Environmental Sciences, 22 (8).
Candrawati, E. D. & Eni, S. 2013. Perbandingan Penduga Method Of Moment (MM) dan Least Trimmed Square (LTS) dalam Regresi Robust Linier Berganda. Jurnal Mahasiswa Statistik, 1(1).
Montgomery, D. C. 2001. Design and Analysis of Experiments (5th ed.). New York: John Wiley & Sons, Inc.
Myers, R. H. 2009. Response Surface Methodology (3th ed.). Canada: John Wiley & Sons, Inc.
Paludi, S. 2009. Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier). Jakarta: Majalah Ilmiah Panorama Nusantara.
Rousseuw, P. J. & Leroy, A. M. 1987. Robust Regression and Outlier Detection. New York: John Wiley & Sons, Inc.
Susanti,Y., Pratiwi H., Sulistijowati S., & Liana, T. 2014. M Estimation, S Estimation, and MM Estimation In Robust Regression. International Journal of Pure and Applied Mathematics. 91(3).
Suyanti & Sukestiyarno, YL. 2014. Deteksi Outlier Menggunakan Diagnosa Regresi Berbasis Estimator Parameter Robust. UNNES Journal of Mathematic, 3(2).
Willems, G. & Aelst S. V. 2005. Fast and Robust Bootstrap for LTS. Computational Statistics & Data Analysis, 48.
Zhang, J., Fu, D., Xu, Y., & Liu, C. 2010. Optimization of Parameters on Photocatalytic Degradation of Chloramphenicol using TiO2 as Photocatalyist by Response Surface Methodology. Journal of Environmental Sciences, 22 (8).