PERBANDINGAN REGRESI ROBUST ESTIMASI-LMS DAN ESTIMASI-LTS BESERTA PROGRAM APLIKASINYA

Chintia, Aryanti (2018) PERBANDINGAN REGRESI ROBUST ESTIMASI-LMS DAN ESTIMASI-LTS BESERTA PROGRAM APLIKASINYA. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_MAT_1406382_Title.pdf

Download (136kB)
[img] Text
S_MAT_1406382_Abstract.pdf

Download (215kB)
[img] Text
S_MAT_1406382_Table_of_content.pdf

Download (218kB)
[img] Text
S_MAT_1406382_Chapter1.pdf

Download (405kB)
[img] Text
S_MAT_1406382_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (581kB)
[img] Text
S_MAT_1406382_Chapter3.pdf

Download (576kB)
[img] Text
S_MAT_1406382_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (632kB)
[img] Text
S_MAT_1406382_Chapter5.pdf

Download (326kB)
[img] Text
S_MAT_1406382_Bibliography.pdf

Download (213kB)
[img] Text
S_MAT_1406382_Appendix.pdf
Restricted to Staf Perpustakaan

Download (533kB)
Official URL: http://repository.upi.edu

Abstract

Analisis regresi merupakan studi mengenai ketergantungan satu variabel dependent, terhadap satu atau dua variabel independent (Gujarati & Porter, 2009). Metode yang biasa digunakan untuk mengestimasi parameter regresi adalah Metode Kuadrat Terkecil (MKT). Namun, apabila terdapat pencilan (outlier) pada data, maka estimasi parameter regresi menggunakan MKT menjadi kurang tepat. Hal tersebut dapat diatasi dengan menggunakan analisis regresi robust. Regresi robust estimasi-LMS dan estimasi-LTS merupakan metode estimasi yang mempunyai nilai breakdown point tinggi yaitu 50%. Tujuan penelitian ini adalah meneliti regresi robust manakah yang terbaik antara estimasi-LMS dan estimasi-LTS pada studi kasus Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia Tahun 2016 dan dirancang program aplikasinya menggunakan Excel Visual Basic for Application (VBA). Selain itu, akan dilakukan juga simulasi data pencilan regresi robust Estimasi-LMS dan estimasi-LTS dengan program yang telah dirancang tersebut. Penentuan model terbaik untuk regresi robust dilakukan dengan melihat nilai R-square dari kedua estimasi. Berdasarkan hasil dan pembahasan, dapat disimpulkan bahwa model regresi robust terbaik untuk data Indeks Pembangunan Manusia Berdasarkan Provinsi di Indonesia tahun 2016 yaitu regresi robust estimasi-LTS dengan nilai R-square sebesar 0,99997. Dari hasil data simulasi pencilan, nilai R-square regresi robust estimasi-LMS dan estimasi-LTS masih lebih besar dibandingkan dengan Metode Kuadrat Terkecil, artinya metode regresi robust adalah metode yang baik untuk data pengamatan yang mengandung pencilan (outlier). ;---Regression analysis is a study of the dependence of one dependent variable on one or two independent variables (Gujarati & Porter, 2009). The method usually used to estimate the regression parameter is Least Square Method (MKT). However, if there are outliers in the data, then the estimation of regression parameters using MKT become less precise. Accordingly, this can be solved by using robust regression analysis. LMS-estimation and LTS-estimation of Robust regression are estimation methods which have a high breakdown point value of 50%. The purposes of this study are to examine which robust regression is the best between LMS-estimation and LTS-estimation in the case study of Human Development Index by Province in Indonesia 2016 and designed the application program using Excel Visual Basic for Application (VBA). Also, there will also be outlier data robust regression LMS-estimation and LTS-estimation simulation with the designed program. The best model determination for robust regression is done by looking at the R-square value of both estimations. Based on the result, thus can be concluded that the best robust regression model for Human Development Index by Province in Indonesia in 2016 is robust regression LTS-estimation with the R-square value of 0,99997. From the result of simulated outlier data, the R-square value of the robust regression LMS-estimation and LTS-estimation are still greater than the Least Square Method, which means that the robust regression is a suitable method for outlier observation data.

Item Type: Tugas Akhir,Skripsi,Tesis,Disertasi (S1)
Additional Information: No. Panggil : S MAT CHI p-2018; Pembimbing : I. Rini Marwati, II. Fitriani Agustina; NIM. : 1406382.
Uncontrolled Keywords: Analisis Regresi, Outlier, Regresi Robust, Estimasi-LMS, Estimasi LTS, Excel Visual Basic for Application (VBA), R-Square, Regression Analysis, Outlier, Robust Regression, LMS-Estimation, LTS-Estimation, Excel Visual Basic for Application (VBA), R-Square.
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User: Isma Anggini Saktiani
Date Deposited: 05 Jul 2019 09:57
Last Modified: 05 Jul 2019 09:57
URI: http://repository.upi.edu/id/eprint/35894

Actions (login required)

View Item View Item