Estimasi parameter regresi spatial lag dengan estimator S pada data yang mengandung outlier

INDONESIA:

Regresi spasial merupakan hasil pengembangan dari metode regresi linier klasik, pengembangan ini berdasarkan adanya pengaruh tempat atau spasial pada data yang dianalisis. Dalam analisis data terkadang ditemukan objek outlier. Outlier adalah pengamatan yang terletak jauh dari pusat data dan mungkin berpengaruh terhadap koefisien regresi dan membuat estimasi parameter menjadi bias. Salah satu penyelesaian outlier dalam model regresi adalah dengan menggunakan metode estimator S. Penelitian ini bertujuan untuk memperoleh model tingkat kemiskinan di Jawa Timur yang di dalamnya terdapat outlier, sehingga akan diperoleh pemetaan tingkat kemiskinan di Jawa Timur tahun 2013. Variabel independen yang digunakan adalah status bangunan sewa/kontrak, listrik non PLN, jenis lantai tanah, lama sekolah, dan angka harapan hidup. Hasil yang diperoleh dari dari penelitian ini adalah model spatial lag yang mengandung outlier dapat diselesaikan dengan baik dengan menggunakan metode estimator S dan keadaan tingkat kemiskinan di Jawa Timur tahun 2013 mampu dijelaskan dengan baik

ENGLISH:

Spatial regression is the result of the development of the classical linear regression method, this development is based on their influence on the place or spatial data is analyzed. In the analysis of the data, the outlier is sometimes found. Outlier is an observation that is located away from the data center and may affect the regression coefficients and make parameter estimation to be bias. One outlier solution in the regression model is using the S estimator. This study aims to obtain a model of poverty in East Java in which there are outliers, so the mapping of poverty rate in East Java in 2013 can be obtained. The independent variables used were building status rent/lease, non PLN electricity, the type of ground floor, old school, and life expectancy. Results obtained from this research is that the spatial lag models that contain outliers can be solved by either using a state S estimator method and the poverty rate in East Java in 2013 were able to be explained properly.