ESTIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMETRIK PROSES PRODUKSI

TUBAGUS PAMUNGKAS, Prof. Dr. Sri Haryatmi, M.Sc

2012 | Tesis | S2 Matematika

Regresi berganda terdapat kasus khusus dalam sebuah analisa regresi, pada regresi berganda terdapat satu variabel tak bebas yang akan diprediksi, tetapi terdapat dua atau lebih variabel bebas, pemilihan model yang terbaik akan dilakukan dengan 3 metode, yaitu Metode Quadratic Mode Estimator (QME), Metode Symmetrically Trimmed Least Squares (STLS) dan Metode Left Truncated (LT). Data yang digunakan adalah data polusi udara yang disebabkan oleh 7 variabel bebas yang meliputi jumlah kendaraan yang melewati, suhu udara, kecepatan angin, perbedaan temperatur, angin, jam aktif dan hari aktif, Pemotongan atau penyensoran dari suatu variabel respon dalam suatu model regresi adalah salah satu masalah yang sering muncul dalam banyak aplikasi. Berdasarkan uraian dari pembahasan dan simulasi, terdapat beberapa hal penting yang dapat disimpulkan, dalam pemilihan model terbaik regresi semiparametrik diperoleh model terbaik adalah dengan menggunakan metode QME, hal tersebut dapat dilihat dari nilai RMSE terkecil. Dalam uji parsial terdapat 2 variabel yang signifikan terhadap variabel dependent yaitu variabel yang berupa cars dan wind.speed dan juga konstanta yang berupa intercept. Dalam diagnostic checking dapat disimpulkan uji kenormalan menggunakan Kolmogorov Smirnov Test ternyata data tidak berdistribusi normal, namun karena data banyak sehingga kenormalan bisa diabaikan, sedangkan untuk uji autokorelasi menggunakan Durbin WatsonTest dapat disimpulkan tidak ada autokorelasi pada residual, untuk uji Homoskesdastisitas menggunakan Breusch Pagan Test dapat disimpulkan residual bersifat homoskedastisitas.

Multiple regression has special case in a regression analysis. In multiple regression, there is dependent variable to predict. However, when there are two or more independent variables, the best model selected will be performed based on 3 (three) methods, i.e. Quadratic Mode Estimator (QME), Symmetrically Trimmed Least Squares (STLS) and Left Truncated (LT) methods. Data utilized involved data on air pollution that were produced by 7 (seven) independent variables, involving total number of vehicles passing by, air temperature, wind speed, temperature difference, wind, active hours. Censoring on response variable in a regression model is one of the problems frequently identified in some applications. Based on the discussion and simulation, several important points are able to be concluded. In selecting semiparametric regression model, the best one is selected by using QME method. This may be identified from the least RMSE value. In partial test, there were 2 (two) significant variables on the dependent variables, i.e. variables in terms of car and wind speed, and constants, in the form of intercept. In diagnostic checking, it is concluded that normality test using Kolmogorov Smirnov Test showed that data was not normally distributed; however, since there was a greater number of data, the normality was able to be ignored. In autocorrelation test using Durbin Watson Test, it is concluded that no autocorrelation test on the residuals, and Homoscesdasticity using Breusch Pagan Test identified that the residual had the property of homoscesdasticity.

Kata Kunci : Regresi, parametrik, non parametrik, semi parametrik, estimasi dan inferensi