Persamaan pendugaan parameter peragam

12 penduga yang diperoleh. Tahapan-tahapan yang dilakukan dalam analisis ini sebagai berikut yang diringkas pada Gambar 1: 1. Pembangkitan data longitudinal dengan berbagai kondisi dengan langkah- langkah sebagai berikut i. Menentukan parameter dan 1 yang ditetapkan secara berturut-turut 50 dan -2. ii. Membangkitkan pengaruh acak dari sebaran 1 iii. Membangkitkan pengaruh acak dari sebaran 2 iv. Menentukan nilai t , yaitu 0, 2, 6, 12, dan 18 yang diulang sebanyak n kali. t merupakan waktu pengamatan berulang. v. Menentukan nilai 1 t . Hasil ini digunakan sebagai data dengan 0 pencilan tanpa pencilan. vi. Membangkitkan n pengaruh acak dari sebaran 10 = . vii. Membangkitkan nm pengaruh acak dari sebaran ,σ 2 = viii. Skenario 1: Ambil secara acak yang diperoleh dari langkah ii sebanyak 95 dan dari langkah vi sebanyak 5 sebagai pencilan pengaruh intersep acak pencilan-b kemudian digabungkan. Tentukan nilai Y pada langkah v dengan menggunakan baru yang terkontaminasi pencilan-b. ix. Skenario 2: Ambil secara acak yang diperoleh dari langkah iii sebanyak 95 dan dari langkah vii sebanyak 5 sebagai pencilan e- outlier kemudian digabungkan. Tentukan nila Y pada langkah v dengan menggunakan baru yang terkontaminasi pencilan-e. x. Skenario 3: Ambil secara acak , yang diperoleh dari langkah ii dan iii sebanyak 95 dan dari langkah vi sebanyak 5 sebagai pencilan pengaruh acak b-outlier dan dari langkah vii sebanyak 5 sebagai pencilan-e, sehingga ada dua kombinasi pencilan yaitu pencilan-e dan pencilan-b. Tentukan nilai Y pada langkah v dengan menggunakan dan baru yang terkontaminasi pencilan-e dan pencilan-b. xi. Ulangi langkah viii-x untuk kasus kontaminasi pencilan 10 dan 15 Skenario 4-9 xii. Skenario 10: Pembangkitan data dengan pengaruh acak dari sebaran db=1,2,3,4,5 dan 6. xiii. Skenario11: Pembangkitan data dengan pengaruh acak dari sebaran dari sebaran db=1,2,3,4,5 dan 6. xiv. Skenario12: Pembangkitan data dengan pengaruh acak dari sebaran dari sebaran t-student db=2,3,4,5, dan 6. xv. Skenario13: Pembangkitan data dengan pengaruh acak dari sebaran dari sebaran t-student db=2,3,4,5, dan 6. 2. Menghitung pengaruh tetap dan dan penduga respon terhadap masing- masing kondisi data menggunakan metode pendugaan klasik dengan metode pendugaan kekar Huber yang disarankan, dengan algoritma pendugaan sebagai berikut: 13 a. Hitung penduga awal. Pemilihan penduga awal pada algoritma dapat diperoleh dari penduga kekar klasik, yaitu menggunakan proposal II