2. Metode OLS, LMS, LAD, LTS, dan
WLS sama baiknya dalam menduga parameter untuk data yang tidak
mengandung pencilan. Metode OLS kurang
dapat digunakan
dalam menduga parameter pada data yang
mengandung pencilan karena tidak tahan terhadap pencilan tersebut.
3. Ukuran pembanding antar metode yang
digunakan di sini yaitu MAPE. MAPE di
sini hanya
digunakan untuk
membandingkan, tidak bisa digunakan untuk
akurasi model.
MAPE menunjukkan bahwa metode LMS,
LAD, LTS, dan WLS lebih cocok digunakan pada pendugaan parameter
yang melibatkan data pencilan. Metode LAD dan WLS lebih tahan akan
keberadaan pencilan namun hanya pencilan terhadap Y, sedangkan metode
LMS dan LTS sangat tahan akan keberadaan pencilan baik pencilan
terhadap Y maupun terhadap X sehingga menghasilkan dugaan parameter yang
baik.
5.2 Saran
Gugus data yang tidak terdapat pencilan outlier sebaiknya menggunakan metode
OLS, karena metode ini lebih efektif dan lebih umum, sedangkan untuk gugus data
yang mengandung
pencilan sebaiknya
menggunakan metode kekar LMS, LAD, LTS, atau WLS.
DAFTAR PUSTAKA
Barnett V and Lewis T. 1994. Outliers in
Statistical Data. New York: John Wiley Sons. Inc.
Cizek P.
2002. Nonlinear Least Trimmed Square.www.statspol.czrobust200
2_cizek.pdf 20 Oktober 2005.
Draper N and H Smith. 1992. Analisis
Regresi Terapan. Ed. ke-2. Jakarta: PT Gramedia Pustaka Utama.
Huber P.
1981. Robust Statistics. New York: John Wiley Sons. Inc.
Myers R H.
1990. Classical and Modern Regression
with Applications.
Boston: PWS-KENT Publishing Company.
Rodgers J L and Nicewander W A. 1988.
Thirteen ways to look at the correlation
coefficient. The
American Statistician 42: 59–66. doi:10.23072685263
.
Rousseuw P J. 1984. Least Median of
Squares Regression. Journal of the American Statistician Association
Vol.76, No. 388: 871-880.
Tukey J W
. 1979. Exploratory Data Analysis.
London: Addison
– Wesley Publishing Company.
Weisstein E
W. 1999.
Box-and- WhiskerPlot.http:mathworld.Wolf
ram.comBox-andWhiskerPlot.html 19 Mei 2006.
Pfeil W A . 2006. Statistical Teaching Aids,
Bachelor of
Science thesis, Worcester
Polytechnic Institute.
Yaffee R A. 2002. Robust Regression
Analysis: Some Popular Statistical Package
Options. www.nyu.eduitssocsciDocsRobu
st Reg2. Pdf 13 September 2005.
Yingying C.
2009. Securing Emerging Wireless Systems, Lower Layer
Approaches. New York: Springer Science
Bussiness Media.
PERBANDINGAN METODE REGRESI KUADRAT TERKECIL DENGAN METODE KEKAR
HENDRA YULFI
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR BOGOR
2011
2. Metode OLS, LMS, LAD, LTS, dan
WLS sama baiknya dalam menduga parameter untuk data yang tidak
mengandung pencilan. Metode OLS kurang
dapat digunakan
dalam menduga parameter pada data yang
mengandung pencilan karena tidak tahan terhadap pencilan tersebut.
3. Ukuran pembanding antar metode yang
digunakan di sini yaitu MAPE. MAPE di
sini hanya
digunakan untuk
membandingkan, tidak bisa digunakan untuk
akurasi model.
MAPE menunjukkan bahwa metode LMS,
LAD, LTS, dan WLS lebih cocok digunakan pada pendugaan parameter
yang melibatkan data pencilan. Metode LAD dan WLS lebih tahan akan
keberadaan pencilan namun hanya pencilan terhadap Y, sedangkan metode
LMS dan LTS sangat tahan akan keberadaan pencilan baik pencilan
terhadap Y maupun terhadap X sehingga menghasilkan dugaan parameter yang
baik.
5.2 Saran
