Text

Regresi Robust Estimasi-M Dengan Pembobot Andrew, Pembobot Ramsay Dan Pembobot Welsch Menggunakan Software R (Studi Kasus : Faktor-Faktor Yang Mempengaruhi Kemiskinan di Jawa Tengah)

---

ABSTRAK
Regresi robust merupakan salah satu metode regresi yang kekar terhadap pengaruh pencilan. Pada regresi dengan estimasi parameter menggunakan Metode Kuadrat Terkecil (MKT), pencilan dapat mengakibatkan pelanggaran asumsi klasik sehingga estimator yang diperoleh menjadi bias dan tidak efisien. Sebagai solusi, regresi robust estimasi-M dengan fungsi pembobot Andrew, pembobot Ramsay dan pembobot Welsch dapat digunakan untuk mengatasi pengaruh pencilan tersebut. Tujuan dari penelitian ini adalah membangun model untuk studi kasus kemiskinan di Jawa Tengah tahun 2017 yang dipengaruhi oleh jumlah pengangguran, jumlah penduduk, Angka Partisipasi Sekolah (APS), Indeks Pembangunan Manusia (IPM), dan inflasi. Hasil estimasi menggunakan MKT menunjukkan bahwa terjadi pelanggaran asumsi heteroskedastisitas karena kehadiran pencilan. Regresi robust estimasi-M yang diterapkan pada studi kasus, dapat mengatasi pencilan dan memperbaiki estimasi parameter. Model regresi robust yang terbaik adalah regresi robust estimasi-M dengan fungsi pembobot Andrew. Besarnya pengaruh variabel prediktor terhadap kemiskinan adalah 92,7714% dan nilai MSE-nya sebesar 370,8817.

Kata Kunci: Pencilan, Regresi Robust, Estimasi-M, Andrew, Ramsay, Welsch

ABSTRACT
Robust regression is one of the regression methods that robust from effect of outliers. For the regression with the parameter estimation used Ordinary Least Squares (OLS), outliers can caused assumption violation, so the estimator obtained became bias and inefficient. As a solution, robust regression M-estimation with Andrew, Ramsay and Welsch weight function can be used to overcome the presence of outliers. The aim of this study was to develop a model for case study of poverty in Central Java 2017 influenced by the number of unemployment, population, school participation rate, Human Development Index (HDI), and inflation. The result of estimation using OLS show that there is violation of heteroskedasticity caused by the presence outliers. Applied robust regression to case study proves robust regression can solve outliers and improve parameter estimation. The best robust regression model is robust regression M-estimation with Andrew weight function. The influence value of predictor variables to poverty is 92,7714% and MSE value is 370,8817.

Keywords: Outliers, Robust Regression, M-Estimator, Andrew, Ramsay, Welsch

---

Ketersediaan

722E19III

722 E 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

722 E 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

512.7

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Aulia Desy Deria

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar