Kajian Metode Robust Least Trimmed Square (LTS) Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data yang Mengandung Pencilan

KAJIAN METODE ROBUST LEAST TRIMMED SQUARE (LTS) DALAM
MENGESTIMASI PARAMETER REGRESI LINEAR BERGANDA
UNTUK DATA YANG MENGANDUNG PENCILAN

ABSTRAK

Menentukan parameter regresi linear berganda dapat menggunakan
metode Ordinary Least Square (OLS). Metode OLS harus memenuhi asumsi dari
Best Linear Unbiased Estimator (BLUE) untuk menghasilkan model persamaan
regresi linear berganda yang baik dimana dapat dilihat berdasarkan nilai
residualnya (kuadrat sisanya). Saat mengestimasi menggunakan metode OLS jika
terdapat pencilan pada himpunan data maka metode OLS tidak efektif untuk
menghasilkan model persamaan regresi linear berganda yang baik. Metode robust
least trimmed square (LTS) merupakan metode alternative yang dapat digunakan
apabila terdapat pencilan pada himpunan data. Metode robust least trimmed
square bertujuan untuk menghasilkan model persamaan regresi linear berganda
yang efisien tanpa menghilangkan pencilan tersebut. Model persamaan regresi
linear berganda yang baik setelah melakukan estimasi menggunakan metode
robust least trimmed square (LTS) yaitu dengan melihat nilai residualnya (kuadrat
sisanya) yang semakin kecil atau konvergen ke nol.
Kata Kunci: Metode Ordinary Least Square (OLS, Pencilan, Regresi Linear

Berganda, Metode Robust Least Trimmed Square (LTS)

iv

Universitas Sumatera Utara

ASSESSMENT METHOD ROBUST LEAST TRIMMED SQUARE (LTS)
TO ESTIMATION MULTIPLE LINEAR REGRESSION PARAMETERS
FOR DATA THAT CONTAIN OUTLIERS

ABSTRACT

Determining parameters of multiple linear regression can use the method
of ordinary least squares (OLS). OLS must meet the assumption of Best Linear
Unbiased Estimator (BLUE) to produce a multiple linear regression model was
good which can be seen based on the residual value (the square of the rest). When
using the OLS estimate if there are outliers in the data set then OLS is not
effective to produce multiple linear regression model was good. Robust method of
least trimmed square (LTS) is an alternative method that can be used if there are
outliers in the data set. Robust method of least trimmed square method aims to

generate a multiple linear regression model that efficiently without removing the
outliers. Multiple linear regression model was good after a robust estimation
method least trimmed square (LTS) by looking at the residual value (the
remaining squares) are getting smaller or converging to zero.

Keywords: Method Ordinary Least Square (OLS), Outliers, Multiple Linear
Regression, Method Robust of Least Trimmed Square (LTS)

v

Universitas Sumatera Utara