3.4.1. Rata-rata Kuadrat Sisa untuk Penaksir LTS
Setelah diperoleh model, akan dihitung nilai rata-rata kuadrat sisa Mean Square Error yaitu:
dengan: JKR ∑
̂ ̅
JKT ∑
̅
Tabel berikut adalah hasil perhitungan untuk nilai jumlah kuadrat regresi dan jumlah kuadrat total untuk data 1, data 2, data 3, dan data 4 yang nilai sisaannya telah
diurutkan:
Tabel 3.20. Jumlah Kuadrat Regresi dan Jumlah Kuadrat Total Data 1 dengan Nilai Sisaan yang Terurut Menggunakan Metode LTS
Hari ke- ̂
̂ ̅ ̂ ̅ ̅
̅ 1
2 6
5,27778 -2,4722 6,11189
-1,75 3,0625
2 1
4 2,80556 -4,9444
24,4475 -3,75
14,0625 3
1 3
2,80556 -4,9444 24,4475
-4,75 22,5625
4 6
15 15,1667 7,41667
55,0069 7,25
52,5625 5
1 5
2,80556 -4,9444 24,4475
-2,75 7,5625
6 5
15 12,6944 4,94444
24,4475 7,25
52,5625 7
2 4
5,27778 -2,4722 6,11189
-3,75 14,0625
8 2
4 5,27778 -2,4722
6,11189 -3,75
14,0625 9
3 6
7,75 -1,75
3,0625 10
5 16
12,6944 4,94444 24,4475
8,25 68,0625
11 5
10 12,6944 4,94444
24,4475 2,25
5,0625 12
3 5
7,75 -2,75
7,5625 Total
36 93
220,028 264,25
Berdasarkan hasil perhitungan diperolehlah nilai rata-rata kuadrat sisa berikut : n = 12
p = 2
Universitas Sumatera utara
Nilai rata-rata kuadrat sisa adalah :
Jadi, nilai rata-rata kuadrat sisa yang diperoleh dengan penaksir Least Trimmed
Squares adalah 4,42223.
Tabel 3.21. Jumlah Kuadrat Regresi dan Jumlah Kuadrat Total Data 2 dengan Nilai Sisaan yang Terurut Menggunakan Metode LTS
Hari ke- ̂
̂ ̅ ̂ ̅ ̅
̅ 1
6 15
14,4437 5,86034 34,3436
6,41667 41,1736
2 2
6 5,91954 -2,6638
7,0958 -2,5833
6,67361 3
1 4
3,78851 -4,7948 22,9904
-4,5833 21,0069
4 1
3 3,78851 -4,7948
22,9904 -5,5833
31,1736 5
5 15
12,3126 3,72931 13,9077
6,41667 41,1736
6 6
12 14,4437 5,86034
34,3436 3,41667
11,6736 7
5 10
12,3126 3,72931 13,9077
1,41667 2,00695
8 3
6 8,05057 -0,5328
0,28383 -2,5833
6,67361 9
2 4
5,91954 -2,6638 7,0958
-4,5833 21,0069
10 2
4 5,91954 -2,6638
7,0958 -4,5833
21,0069 11
3 12
8,05057 -0,5328 0,28383
3,41667 11,6736
12 3
12 8,05057 -0,5328
0,28383 3,41667
11,6736 Total
39 103
164,622 226,917
Berdasarkan hasil perhitungan diperolehlah nilai rata-rata kuadrat sisa berikut : n = 12
p = 2 Nilai rata-rata kuadrat sisa adalah :
Universitas Sumatera utara
Jadi, nilai rata-rata kuadrat sisa yang diperoleh dengan penaksir Least Trimmed
Squares adalah 6,22943.
Tabel 3.22. Jumlah Kuadrat Regresi dan Jumlah Kuadrat Total Data 3 dengan Nilai Sisaan yang Terurut Menggunakan Metode LTS
Hari ke- ̂
̂ ̅ ̂ ̅ ̅
̅ 1
2 6
5,52632 -1,8904 3,57343
-1,4167 2,00695
2 1
4 3,2579
-4,1588 17,2954
-3,4167 11,6736
3 1
5 3,2579
-4,1588 17,2954
-2,4167 5,84028
4 6
15 14,6
7,18333 51,6003
7,58333 57,5069
5 1
3 3,2579
-4,1588 17,2954
-4,4167 19,5069
6 5
10 12,3316 4,91491
24,1564 2,58333
6,67361 7
3 6
7,79474 0,37807 0,14294
-1,4167 2,00695
8 2
4 5,52632 -1,8904
3,57343 -3,4167
11,6736 9
2 4
5,52632 -1,8904 3,57343
-3,4167 11,6736
10 3
5 7,79474 0,37807
0,14294 -2,4167
5,84028 11
5 15
12,3316 4,91491 24,1564
7,58333 57,5069
12 3
12 7,79474 0,37807
0,14294 4,58333
21,0069 Total
34 89
162,948 212,917
Berdasarkan hasil perhitungan diperolehlah nilai rata-rata kuadrat sisa berikut : n = 12
p = 2 Nilai rata-rata kuadrat sisa adalah :
Universitas Sumatera utara
Jadi, nilai rata-rata kuadrat sisa yang diperoleh dengan penaksir Least Trimmed
Squares adalah 4,99684.
Tabel 3.23. Jumlah Kuadrat Regresi dan Jumlah Kuadrat Total Data 4 dengan Nilai Sisaan yang Terurut Menggunakan Metode LTS
Hari ke- ̂
̂ ̅ ̂ ̅ ̅
̅ 1
2 6
5,60714 -2,3929 5,72576
-2 4
2 5
10 12,7857 4,78571
22,9031 2
4 3
1 4
3,21429 -4,7857 22,9031
-4 16
4 6
15 15,1786 7,17857
51,5319 7
49 5
3 6
8 -2
4 6
1 3
3,21429 -4,7857 22,9031
-5 25
7 2
4 5,60714 -2,3929
5,72576 -4
16 8
2 4
5,60714 -2,3929 5,72576
-4 16
9 3
12 8
4 16
10 3
12 8
4 16
11 5
15 12,7857 4,78571
22,9031 7
49 12
3 5
8 -3
9 Total
36 96
160,321 224
Berdasarkan hasil perhitungan diperolehlah nilai rata-rata kuadrat sisa berikut : n = 12
p = 2 Nilai rata-rata kuadrat sisa adalah :
Jadi, nilai rata-rata kuadrat sisa yang diperoleh dengan penaksir Least Trimmed
Squares adalah 6,36786.
Universitas Sumatera utara
3.5. Metode Regresi Robust dengan Penaksir M
Kategori