suatu metode pendugaan parameter regresi robust untuk meminimumkan jumlah kuadrat h residual fungsi objektif, penaksir M M
–Estimator adalah penduga parameter regresi robust untuk meminimumkan fungsi galat, dsb.
Dalam mengatasi permasalahan data yang mengandung pencilan, metode- metode penduga regresi robust tersebut memiliki kelebihan dan kelemahan masing-
masing. Regresi robust dengan metode pendugaan parameter LTS lebih efisien dibanding LMS, karena LTS memiliki fungsi objektif yang lebih smooth halus
sehingga akan lebih sensitif terhadap efek lokal dan mempunyai nilai breakdown yang paling tinggi Yaffee, 2002. Sedangkan S
–Estimator tidak selalu lebih baik dari LTS dan LMS, terutama untuk data yang sedikit. Akan tetapi jika data banyak, kadang S
– Estimator lebih baik dari LTS dan LMS Rousseeuw dan Leory, 1987. Secara umum,
metode LMS sangat efisien dibanding metode M dalam menaksir koefisien garis jika data mengandung outlier, dan secara khusus, jika model linier kurang sesuai dengan
data meskipun data mengandung outlier maka metode LMS menjadi tidak efisien dibanding metode M dalam menaksir koefisien regresi Sugiarti, 2010.
Dari uraian di atas, maka dalam penelitian tugas akhir ini peneliti akan membandingkan metode regresi robust yaitu metode Least Trimmed Squares dan
penaksir M dalam mengatasi permasalahan data pencilan.
1.2. Rumusan Masalah
Adanya Pencilan akan mengganggu persamaan regresi linier. Sejauh ini belum ada informasi tentang hasil perbandingan antara dua penaksir regresi robust yakni
penaksir LTS dan penaksir M. Oleh karena itu, akan dibandingkan dua penaksir dalam regresi robust untuk mengatasi pencilan sekaligus mendapatkan sejauh mana
perbedaan regresi robust dengan persamaan regresi liniernya.
Universitas Sumatera utara
1.3. Tujuan Penelitian
Tujuan dari penelitian adalah membanding dua metode regresi robust yakni metode LTS Least Trimmed Squares dengan metode penaksir M M
–Estimator untuk menentukan metode mana yang lebih baik pada kasus permasalahan data pencilan
outlier.
1.4. Batasan Masalah
Masalah dalam penelitian ini dibatasi pada data sekunder yang berhubungan dengan masalah pencilan outlier, kemudian metode regresi robust yang digunakan yaitu
LTS dan M-Estimator.
1.5. Manfaat Penelitian
Kontribusi yang diberikan dari penelitian ini yaitu diharapkan semoga penelitian ini dapat menambah dan meningkatkan wawasan dalam penerapan ilmu statistika dengan
metode regresi robust dalam mengatasi permasalahan pencilan, dapat mempermudah pembaca dalam menambah ilmu pengetahuan mengenai metode regresi robust dan
sebagai referensi baik di departemen maupun di perpustakaan, serta membantu para peneliti yang melakukan penelitian mengenai permasalahan pencilan outlier.
1.6. Metodologi Penelitian
Metode penelitian yang digunakan adalah study literature yaitu mempelajari buku- buku, jurnal-jurnal dan bahan-bahan literatur yang berhubungan dengan penelitian,
kemudian dianalisis dan dibandingkan.
Universitas Sumatera utara
Adapun langkah-langkahnya sebagai berikut : a.
Mengambil data dari hasil pengamatan team marketing di sebuah Bank. b.
Menguji data kemudian menggunakan dua metode regresi robust yakni penaksir least trimmed squares dan penaksir M untuk mengatasi outlier.
c. Mengolah data menggunakan bantuan software.
d. Membandingkan hasil penyelesaian dan pengolahan data antara kedua metode.
e. Menyimpulkan hasil perbandingan.
1.7. Tinjauan Pustaka