SUBSET SELECTION PADA REGRESI LINEAR GANDA DENGAN METODE JACKKNIFED RIDGE M-ESTIMATOR

SRI UTAMI , Drs.Danardono, MPH, Ph.D; Rianti Siswi Utami, S.Si, M.Sc

2016 | Skripsi | S1 STATISTIKA

Analisis regresi adalah analisis statistika yang dilakukan untuk memodelkan hubungan antara variabel dependen dan variabel independen. Dalam asumsi yang terdapat pada analisis regresi klasik diantaranya adalah tidak adanya outlier pada variabel respon dan tidak adanya multikolinearitas. Jika dalam model regresi terdapat outlier dan multikolinearitas, hal itu dapat menyebabkan hasil estimasi dengan menggunakan metode kuadrat terkecil menjadi tidak valid. Pada skripsi ini akan dibahas mengenai penduga regresi linear ganda dengan menggunakan metode estimator jackknifed ridge M untuk subset selection dengan adanya multikolinearitas dan outlier pada variabel respon yang dikembangkan oleh Jadhav dan Kashid (2011). Metode ini merupakan pengembangan versi generalisasi dari statistik Sp yang dikemukakan oleh Kashid dan Kulkani (2002). Studi kasus pada skripsi ini menggunakan data jumlah asap pada mobil dan variabel yang mempengaruhinya. Diperoleh kesimpulan bahwa metode jackknifed ridge M-estimator memberikan nilai statistik yang lebih mendekati jumlah parameter dalam model subset (p) daripada estimator M dan estimator ordinary ridge regression.

Regression analysis is a statistical analysis that is being used to estimate the relationship model between a dependent variable and independent variables. Two important assumption in classical regression analysis are no outlier in a dependent variable and no multicollinearity. If outlier and multicollinearity are present in a regression model, it can invalidate the estimated result predicted by the Least Squares Estimation method. This paper is aimed discussing the estimation of the multiple linear regression parameter using jackknife ridge M estimator for the subset selection in the linear model with multicollinearity and outlier in dependent variable that has been developed before by Jadhav and Kashid (2011). This method is expansion of the generalized version of statistic Sp, that was first published by Kashid and Kulkani (2002). The data of car fumes quantity and their factors become the case study in this paper. The conclusion that can be obtained is that the Jackknifed Ridge M estimator gives closer statistical value of the parameter numbers in a subset model (p) than the M estimator and ordinary ridge regression estimator.

Kata Kunci : multiple linear regression, subset selection, outlier, multicollinearity, jackknifed ridge M estimator