207

Deteksi Outlier Pada Model Regresi Linier Berganda Berdasarkan

Estimator Robust MM
Peneliti
Fakultas
Sumber Dana

:
:
:

Suliyanto, Toha Saifudin

Fakultas Matematika dan Ilmu Pengetahuan Alam
DIPA PNBP Unair Tahun 2007

Estimasi model regresi linier berganda bertujuan untuk menjelaskan pengaruh satu
atau lebih variabel bebas x terhadap variabel respon y. Estimasi model regresi linier
berganda yang sering dilakukan adalah menggunakan metode Ordinary Least Squares
(OLS). Prinsip estimator OLS adalah meminimumkan jumlah kuadrat residual. Salah satu
kelemahan metode ini adalah kurang mampu mendeteksi keberadaan outlier dalam data.
Untuk memperbaiki kelemahan estimator OLS adalah menggunakan estimasi yang
bersifat robust yang mampu bertahan terhadap kehadiran outlier dalam jumlah tertentu
pada data pengamatan. Penelitian ini membahas estimator robust MM untuk
mengestimasi model regresi linier berganda. Hasil penerapan estimator robust MM pada
data Salinity berdasarkan model regresi linier berganda adalah y = 27.0726121 +
0.6112481x1 0.9647190x3, dengan variabel y, x1, x2, dan x3, dan 0.2036247x2
masing-masing adalah salinity, salinity lagged dalam dua minggu, the trend yaitu
banyaknya periode setiap dua minggu yang telah lewat sejak awal musim semi, dan
volume penyaringan sungai (river discharge) yang masuk ke dalam alat ukur. Nilai MSE
= 10.61936 dan .Estimator robust MM tersebut menunjukkan kemampuan mendeteksi
keberadaan outlier, yaitu dapat mendeteksi 6 buah outlier yang terdiri dari 4 pengamatan
dikelompokkan sebagai leverage point baik pada pengamatan ke-1, ke-2, ke-3 dan ke-13,
serta 2 pengamatan dikelompokkan sebagai outlier vertikal pada pengamatan ke-5 dan
ke-16, dengan nilai breakdown point 49,99107%.
Kata kunci: Estimator Robust MM, metode Ordinary Least Squares (OLS)
ix + 22 lbr + Lamp.
Bibl: 18
ID: 088/08/FMIPA-PNBP 2007