Perbandingan Analisis Regresi Robust Estimasi-S dan Estimasi-M dengan Pembobot Huber dalam Mengatasi Outlier

Article Sidebar

PDF
Published Feb 23, 2021

Main Article Content

Nikki Ayu Atamia
Universitas Sebelas Maret
Yuliana Susanti
Universitas Sebelas Maret
Sri Sulistijowati Handajani
Universitas Sebelas Maret

Abstract

Salah satu indikator penting dalam menentukan timgkat kemajuan suatu negara adalah Indeks Pembangunan Manusia (IPM). Oleh karena itu, penting untuk mengetahui pemodelan dari IPM melalui analisis regresi. Metode Kuadrat Terkecil (MKT) dalam analisis regresi kurang tepat dilakukan untuk data yang tidak memenuhi asumsi kenormalan. Asumsi kenormalan tidak dipenuhi disebabkan adanya outlier dalam data. Estimasi dalam regresi robust yang paling umum digunakan estimasi-M, sedangkan estimasi-S mempunyai nilai breakdown point paling tinggi yaitu 50%. Penelitian ini menggunakan regresi robust estimasi-M dan estimasi-S dengan pembobot Huber. Variabel terikat penelitian ini, yaitu IPM dan variabel bebas meliputi angka harapan hidup saat lahir (X1), rata-rata lama sekolah (X2) dan pengeluaran perkapita (X3). Tujuan penelitian ini adalah menunjukkan keefektifan antara metode estimasi-M dan estimasi-S dengan pembobot Huber dalam memodelkan IPM di Indonesia. Kesimpulan yang didapat dari penelitian menunjukkan bahwa pemodelan IPM melalui regresi robust estimasi-M lebih efektif dibandingkan estimasi-S dengan pembobot Huber ditinjau dari adj R-square paling besar dan Mean Square Error (MSE) terkecil.

Article Details

How to Cite
Atamia, N., Susanti, Y., & Handajani, S. (2021). Perbandingan Analisis Regresi Robust Estimasi-S dan Estimasi-M dengan Pembobot Huber dalam Mengatasi Outlier. PRISMA, Prosiding Seminar Nasional Matematika, 4, 673-679. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/45006
Issue
Vol 4 (2021): PRISMA, Prosiding Seminar Nasional Matematika
Section
Articles

References

Badan Pusat Statistik Indonesia. 2018. Statistik Indonesia 2018. (Online). (https://bps.go.id/, diakses pada tanggal 3 Desember 2019).
Draper, N.R., & Smith, H. (1998). Applied Regression Analysis. New York: John Wiley and Sons.
Gujarati, D. N., & Porter, D. C. (2010). Dasar-dasar Ekonometrika. Penerbit Salemba Empat, Jakarta.
Hidayatulloh, F., P., Yuniarti, D., & Wahyuningsih, S. 2015. Regresi Robust Dengan Metode Estimasi-S. Jurnal Eksponensial. Vol. 6, No. 2, 163-170.
Lind, D. A, Marchal W. G., & Wathen S. A. (2014). Teknik-Teknik Statistika dalam Bisnis dan Ekonomi, Edisi 15, Buku 1. Jakarta: Salemba Empat.
Montgomery, D. C., Peck E. A., & Vining, G. G. (2006). Introduction To Linear Regression Analysis, 5nd Edition. New York: John Wiley & Sons, Inc.
Rousseeuw, P., & Yohai, V. (1984). Robust regression by means of S-estimators. In Robust and nonlinear time series analysis (pp. 256-272). Springer, New York, NY.
Sembiring, R. K. (2003). Analisis Regresi Edisi Kedua. Bandung: ITB.
Setiarini, Z., & Listyani, E. (2017). Analisis Regresi Robust Estimasi-S Menggunakan Pembobot Welsch dan Tukey Bisquare. Jurnal Matematika-S1, 6(1), 48-55.
TEMPO.CO. 2019. Indeks Pembangunan Manusia 2019: Kualitas Hidup Indonesia ke-111. (Online). (https://dunia.tempo.co/read/1282268/indeks-pembangunan-manusia-2019-kualitas-hidup-indonesia-ke-111/full&view=ok)
Wahyudi, V. E., & Zain, I. (2014). Analisis IPM di Pulau Jawa Menggunakan Analisis Regresi Kuantil. Jurnal Statistika Universitas Muhammadiyah Semarang, 2(1).