Deteksi outlier pada model Regresi Robust dengan metode Least Trimmed Square (LTS)

INDONESIA :

Secara umum outlier dapat diartikan data yang tidak mengikuti pola umum pada model atau data yang keluar dari model dan tidak berada dalam daerah selang kepercayaan. Outlier merupakan salah satu faktor yang dapat mempengaruhi estimasi parameter pada model regresi linier. Untuk mengetahui apakah outlier berpengaruh terhadap estimasi parameter pada model regresi linier dilakukan dengan jalan mengestimasi parameter model regresi linier yang mengandung outlier dan mengaplikasikan hasil estimasi parameter tersebut pada data yang mengandung outlier. Regresi robust merupakan alat penting untuk menganalisa data yang dipengaruhi oleh outlier sehingga dihasilkan model yang robust atau resistance terhadap outlier. Pada penelitian ini model yang digunakan dalam mendeteksi outlier adalah model regresi robust. Dimana dari model tersebut akan diestimasi dengan metode least trimmed square. Metode least trimmed square merupakan suatu metode pendugaan parameter regresi robust untuk meminimumkan jumlah kuadrat h residual (fungsi objektif). Metode least trimmed square lebih resistance terhadap data yang mengandung outlier dibanding dengan metode ordinary least square. Dari hasil penelitian didapatkan estimasi parameter model regresi robust dengan metode least trimmed square yang memenuhi syarat unbias. Sehingga β ̂_LTS yang didapat sudah dapat digunakan untuk mengatasi outlier pada model regresi robust.

ENGLISH :

In general, outlier can be interpreted as a data that did not follow a common pattern in the model or data out of the model and not within the area of the confidence interval. Outlier is one of the factors that can affect the estimation of parameters in linear regression models. To determine whether outliers affect the estimation of parameters in a linear regression model we estimate parameters of a linear regression model containing outlier and the estimation of these parameters and apply to the data containing outlier. Robust regression is an important way to analize data that influenced by outlier. Therefore a robust or outlier resistant model is obtained. In this study the model that is used in detecting outlier is robust regression model. In which from that model the regression model will be estimated with least trimmed square method. Least trimmed square method is an estimation method of parameter robust regression to minimalize the number of residual up to h (objective function). Least trimmed square method is more resistant for data outlier than ordinary least square method. From the result of the study we obtain estimation parameter model of robust regression with least trimmed square method that meets unbias property. Therefore the resulting β ̂_LTS can be used to overcome outlier on robust regression model.