207

Deteksi Outlier Pada Model Regresi Linier Berganda Berdasarkan Estimator Robust MM

Peneliti : Suliyanto, Toha Saifudin Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam Sumber Dana : DIPA PNBP Unair Tahun 2007

Estimasi model regresi linier berganda bertujuan untuk menjelaskan pengaruh satu

atau lebih variabel bebas x terhadap variabel respon y. Estimasi model regresi linier berganda yang sering dilakukan adalah menggunakan metode Ordinary Least Squares (OLS). Prinsip estimator OLS adalah meminimumkan jumlah kuadrat residual. Salah satu kelemahan metode ini adalah kurang mampu mendeteksi keberadaan outlier dalam data.

Untuk memperbaiki kelemahan estimator OLS adalah menggunakan estimasi yang bersifat robust yang mampu bertahan terhadap kehadiran outlier dalam jumlah tertentu pada data pengamatan. Penelitian ini membahas estimator robust MM untuk mengestimasi model regresi linier berganda. Hasil penerapan estimator robust MM pada data Salinity berdasarkan model regresi linier berganda adalah y = 27.0726121 + 0.6112481x1 0.9647190x3, dengan variabel y, x1, x2, dan x3, dan 0.2036247x2 masing-masing adalah salinity, salinity lagged dalam dua minggu, the trend yaitu banyaknya periode setiap dua minggu yang telah lewat sejak awal musim semi, dan volume penyaringan sungai (river discharge) yang masuk ke dalam alat ukur. Nilai MSE = 10.61936 dan .Estimator robust MM tersebut menunjukkan kemampuan mendeteksi keberadaan outlier, yaitu dapat mendeteksi 6 buah outlier yang terdiri dari 4 pengamatan dikelompokkan sebagai leverage point baik pada pengamatan ke-1, ke-2, ke-3 dan ke-13, serta 2 pengamatan dikelompokkan sebagai outlier vertikal pada pengamatan ke-5 dan ke-16, dengan nilai breakdown point 49,99107%. Kata kunci: Estimator Robust MM, metode Ordinary Least Squares (OLS)

ix + 22 lbr + Lamp.

Bibl: 18 ID: 088/08/FMIPA-PNBP 2007