Estimasi Parameter Model Regresi Spatial Lag yang memuat Outlier dengan Metode Bounded Influence M-Estimator

ABSTRAK

Regresi yang dipengaruhi oleh unsur lokasi disebut regresi spasial. Terdapat dua pendekatan dalam analisis regresi spasial yaitu pendekatan titik dan pendekatan area. Pendekatan area salah satunya yakni regresi spatial lag. Dalam analisis data sering kali ditemui outlier. Outlier adalah data yang menyimpang dari pusat data. Outlier seringkali berpengaruh terhadap hasil estimasi. Salah satu metode yang digunakan dalam mengatasi outlier adalah metode bounded influence M-estimator. Penelitian ini bertujuan untuk memperoleh model tingkat kemiskinan di Jawa Timur yang memuat outlier, sehingga akan diperoleh pemetaan tingkat kemiskinan di Jawa Timur tahun 2013. Variabel bebas yang digunakan adalah status bangunan sewa/kontrak (X_1), listrik non PLN (X_2), jenis lantai tanah (X_3), lama sekolah (X_4), dan angka harapan hidup (X_5). Hasil yang diperoleh dari penelitian ini adalah model spatial lag yang mengandung outlier dapat diselesaikan dengan baik dengan menggunakan metode bounded influence M-estimator.

ABSTRACT

A regression influenced by location elements is called spatial regression. There are two approaches in spatial regression analysis namely point and area approach. One of area approach is one that is spatial lag regression. In the analysis of the data, the outlier sometimes found. Outliers are data that deviate from the data center. Outliers often affect the estimation results. One outlier solutin in the regression model is using the bounded influence M-estimator method. This study aims to obtain a model of poverty level in East Java which contains outliers, so that a mapping of poverty levels in East Java in 2013 will be obtained. The independent variables used are building status rent/lease (X_1), non PLN electricity (X_2), the type of ground floor (X_3), old school (X_4 ), and life expectancy (X_5). Results obtained from this research is that the spatial lag models that contain outliers can be solved by either using a state bounded influence M-estimator method.