ANALISIS REGRESI ROBUST menggunakan PEMBOBOT WELSCH dan PEMBOBOT HAMPEL

RICKY JOSUA SIMANJUNTAK, Drs. Zulaela, Dipl.Med.Stats., M.Si

2013 | Skripsi | STATISTIKA

Dalam beberapa studi kasus yang ditemukan saat melakukan penelitian, kita sering menjumpai adanya data yang memiliki pencilan. Untuk melakukan analisis regresi dengan data tersebut, maka kita dapat melakukan analisis regresi robust. Analisis ini memiliki beberapa metode dan banyak fungsi yang dapat digunakan untuk mencari parameter koefisien untuk variabel independen dalam menentukan variabel dependen. Salah satu metode yang dapat digunakan adalah Estimasi-S. Metode estimasi-S memiliki breakdown point yang tinggi (50%) dan fungsi yang digunakan adalah fungsi dengan pembobot welsch dan pembobot hampel. Laporan skripsi kali ini bertujuan untuk membandingkan kedua fungsi tersebut dengan menggunakan estimasi S serta membandingkan pula dengan metode kuadrat terkecil (dengan/ tanpa pencilan). Data yang digunakan dalam studi kasus laporan skripsi ini adalah data kualitas air dari Laporan Hasil Uji di Balai Laboratorium Kesehatan Yogyakarta dengan periode pada tahun 2012.

In several case studies that found when doing research, we often find the data that have outliers. To perform regression analysis with the data, then we can perform robust regression analysis. This analysis has several methods and many functions that can be used to find the parameter coefficients for the independent variables in determining the dependent variable. One method that can be used is estimated-S. Estimation methods-S has a high breakdown point (50%) and the function that used are weighted function Welsch and weighting function Hampel. This time the report thesis aims to compare both these functions by using the estimated S and compares well with the least squares method (with / without outliers). The data used in this report is a case study of water quality data from the Report of Test Results in Health Laboratory Yogyakarta with the period in 2012.

Kata Kunci : Pencilan, Analisis Regresi Robust, Estimasi-S, Pembobot Welsch, Pembobot Hampel.