ANALISIS JUMLAH PENCILAN MENGGUNAKAN METODE PENDUGA – LTS (LEAST TRIMMED SQUARE) PADA ANALISIS REGRESI

ABSTRAK

ANALISIS JUMLAH PENCILAN MENGGUNAKAN
METODE PENDUGA – LTS (LEAST TRIMMED SQUARE)
PADA ANALISIS REGRESI

Oleh

DWIKA FITRI ARISTYA

MKT ( Metode Kuadrat Terkecil ) dikenal sebagai metode penduga terbaik dalam
analisis regresi. Namun kelemahan metode ini adalah sangat peka terhadap
penyimpangan – penyimpangan asumsi. Oleh karena itu, dibutuhkan suatu
metode statistik yang hasil dugaannya tidak terpengaruh oleh
penyimpangan – penyimpangan asumsi tersebut. Dalam hal ini salah satu solusi
yang digunakan adalah menggunakan metode LTS ( Least Trimmed Square ).
Penelitian ini bertujuan untuk mengetahui ketegaran metode LTS
( Least Trimmed Square ) dengan melihat kepekaannya terhadap jumlah pencilan
dan kemudian membandingkannya dengan MKT ( Metode Kuadrat Terkecil ).
Hasil penelitian ini menunjukkan bahwa metode LTS ( Least Trimmed Square )
hanya tegar terhadap pencilan sebesar 20% dari jumlah data keseluruhan dan tidak

tegar terhadap pencilan yang jumlahnya lebih dari 20%.

1

I. PENDAHULUAN

1.1 Latar Belakang dan Masalah
Pada suatu pengamatan, seringkali ditemukan nilai – nilai pengamatan yang
beragam. Beragamnya nilai – nilai pengamatan ini sangat dibutuhkan dalam
analisis statistiknya, namun tidak menutup kemungkinan pada hasil pengamatan
diperoleh suatu nilai pengamatan yang menyimpang cukup jauh dari nilai – nilai
pengamatan lainnya. Data pengamatan yang menyimpang inilah didefinisikan
sebagai data pencilan (outlier). Kehadiran data pencilan dapat berpengaruh pada
model yang dibuat sehingga dapat menyebabkan kesalahan dalam pengambilan
keputusan dan kesimpulan. Oleh karena itu kehadiran data pencilan harus
dihindari. Untuk keperluan tersebut, regresi digunakan sebagai perangkat
analisisnya.

Dalam analisis regresi, dikenal uji ketegaran regresi atau regresi robust. Regresi
robust merupakan metode yang digunakan ketika distribusi dari error tidak

normal dan atau adanya beberapa pencilan (outlier) yang berpengaruh pada model
(Ryan, 1997).

2

Salah satu metode regresi robust adalah metode penduga Least Trimmed Square
(LTS). LTS merupakan suatu metode pendugaan parameter regresi robust untuk
meminimumkan h residual (fungsi objektif). Ketegaran metode penduga LTS
akan dilihat kepekaannya dengan memberikan jumlah pencilan yang berbeda –
beda.

1.2 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah:
1. Mengetahui ketegaran metode penduga LTS dengan melihat kepekaan
terhadap jumlah pencilan.
2. Membandingkan ketegaran metode penduga LTS dengan Metode Kuadrat
Terkecil (MKT) terhadap jumlah pencilan.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah menambah pengetahuan dan memberi
masukan kepada para peneliti dan pembaca tentang metode penduga LTS
untuk menganalisis data yang mengandung pencilan.

V. KESIMPULAN

Dari hasil penelitian yang telah dilakukan, kesimpulan tentang analisis jumlah
pemcilan menggunakan metode penduga – LTS (Least Trimmed Square) pada
analisis regresi adalah sebagai berikut :
1.

Penduga LTS lebih baik dalam menghadapi data yang mengandung pencilan
sebesar 20% dari data.

2.

Penduga LTS dan MKT sama tidak tegarnya dalam menghadapi data dengan
pencilan lebih dari 20% dari data keseluruhan.