d. Melakukan
pemangkasan sebesar
a \ 1b dari data. e.
Kemudian meregresikan kembali hingga mendapatkan dan final.
f. Menentukan MAPE.
4.2.5 Pengolahan Data dengan WLS
a. Meregresikan gugus data 1, 2, dan 3
dengan metode OLS. Menentukan nilai , , , dan MAPE.
b. Menentukan
kuadrat galat
. c.
Menentukan standar deviasi dari . d.
Menghitung bobot w
i
. e.
Meregresikan kembali
hingga mendapatkan dan final.
f. Menentukan MAPE.
4.3 Hasil
4.3.1 Metode OLS untuk data tanpa pencilan n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode OLS yaitu:
cde
11.6346 9.9577 MAPE 7.3
R 99.2860
Gambar 3 Model linear dengan metode
OLS untuk data tanpa pencilan
4.3.2 Metode LMS untuk data tanpa
pencilan n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LMS yaitu:
dqe
9.8636 10.0765 MAPE 8.1
Gambar 4 Model linear dengan metode
LMS untuk data tanpa pencilan 4.3.3 Metode LAD untuk data tanpa
pencilan n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LAD yaitu:
drs
10.8228 9.9661 MAPE 9.8
Gambar 5
Model linear dengan metode LAD untuk data tanpa pencilan
4.3.4 Metode LTS untuk data tanpa pencilan n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LTS yaitu:
d e
10.1312 10.0163 MAPE 6.6
5 10
15 20
50 100
150 200
x y
5 10
15 20
50 100
150 200
x y
5 10
15 20
50 100
150 200
x y
Gambar 6 Model linear dengan metode
LTS untuk data tanpa pencilan 4.3.5 Metode WLS untuk data tanpa
pencilan n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode WLS yaitu:
tde
10.7187 9.9975 MAPE
8.7
Gambar 7 Model linear dengan metode
WLS untuk data tanpa pencilan
Gambar 8 Model linear perbandingan
metode OLS ▬, LMS ▬
, LAD ▬
, LTS
▬ , dan WLS
▬ tanpa pencilan
Gambar 8 menunjukkan grafik OLS, LMS, LAD, LTS, dan WLS terlihat
berhimpit. Dapat disimpulkan untuk data yang tidak mengandung pencilan, tidak ada
perbedaan antara kelima metode tersebut.
4.3.6 Metode OLS untuk data dengan
pencilan terhadap Y n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode OLS yaitu:
cde
19.9975 14.9672 MAPE
29.9 R
2
65.4448
Gambar 9 Model linear dengan metode
OLS untuk data dengan pencilan terhadap Y 4.3.7
Metode LMS untuk data dengan pencilan terhadap Y n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LMS yaitu:
dqe
10.851 10.0297 MAPE 16.3
Gambar 10 Model linear dengan metode
LMS untuk data dengan pencilan terhadap Y 4.3.8
Metode LAD untuk data dengan pencilan terhadap Y n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LAD yaitu :
drs
20.0096 9.4257 MAPE 20.5
5 10
15 20
50 100
150 200
x y
5 10
15 20
50 100
150 200
x y
5 10
15 20
50 100
150 200
x
y 5
10 15
20 100
200 300
400 500
x y
5 10
15 20
100 200
300 400
500
x
y
Gambar 11 Model linear dengan metode
LAD untuk data dengan pencilan terhadap Y 4.3.9 Metode LTS untuk data dengan
pencilan terhadap Y n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode LTS yaitu:
d e
7.4702 10.69 MAPE 11.2
Gambar 12 Model linear dengan metode
LTS untuk data dengan pencilan terhadap Y 4.3.10 Metode WLS untuk data dengan
pencilan terhadap Y n = 20
Persamaan regresi
yang diperoleh
dengan menggunakan metode WLS yaitu:
tde
13.4787 10.8963 MAPE 19.4
Gambar 13 Model linear dengan metode
WLS untuk data dengan pencilan terhadap Y
Gambar 14 Model linear perbandingan
metode OLS ▬, LMS ▬
, LAD ▬
, LTS
▬ , dan WLS
▬ dengan pencilan
terhadap Y Gambar 14 menunjukkan perubahan
grafik OLS. Garis regresi metode Kuadrat Terkecil bergeser ke atas menuju titik
pencilan, sedangkan LMS, LAD, LTS, dan WLS
tidak mengalami
pergeseran. Disimpulkan metode LMS, LAD, LTS, dan
WLS lebih kekar dibandingkan dengan metode OLS untuk data yang mengandung
pencilan terhadap Y.
4.3.11 Metode OLS untuk data dengan