Text

Pemodelan Regresi Robust S-estimator untuk Penanganan Pencilan Menggunakan GUI Matlab (Studi Kasus : Faktor-Faktor yang Mempengaruhi Produksi Ikan Tangkap di Jawa Tengah)

---

ABSTRAK
Regresi Linier Berganda dapat diselesaikan salah satunya dengan Metode Kuadrat Terkecil (MKT). Beberapa asumsi klasik harus dipenuhi yaitu normalitas, homoskedastisitas, non-multikolinieritas, dan non-autokorelasi. Namun, pelanggaran asumsi dapat terjadi karena adanya pencilan sehingga estimator yang diperoleh bersifat bias dan tidak efisien. Dalam statistik regresi robust merupakan salah satu metode yang dapat digunakan untuk menangani adanya pencilan. Regresi robust memiliki beberapa estimator salah satunya Scale estimator (S-estimator) yang digunakan pada penelitian ini. Penelitian ini menggunakan studi kasus pada data produksi ikan tangkap per kabupaten/kota di Jawa Tengah tahun 2015-2016 yang dipengaruhi oleh jumlah nelayan, jumlah kapal, jumlah trip, jumlah unit penangkapan, dan jumlah rumah tangga/perusahaan perikanan. Estimasi dengan Metode Kuadrat Terkecil terjadi pelanggaran asumsi normalitas, autokorelasi dan homoskedastisitas hal ini terjadi karena terdapat pencilan pada studi kasus. Berdasarkan uji t pada taraf signifikansi 5% disimpulkan bahwa beberapa variabel prediktor antara lain jumlah nelayan, jumlah kapal, jumlah trip dan jumlah unit penangkapan berpengaruh signifikan terhadap variabel produksi ikan tangkap. Besarnya pengaruh variabel prediktor terhadap produksi ikan tangkap adalah 88,006% dan nilai MSE sebesar 7109,519. GUI Matlab untuk regresi robust S-estimator agar mempermudah pengguna dalam melakukan perhitungan.

Kata Kunci: Metode Kuadrat Terkecil (MKT), Pencilan, Regresi Robust, Produksi Ikan Tangkap, GUI Matlab

ABSTRACT
Multiple Linear Regression can be solved by using the Ordinary Least Squares (OLS). Some classic assumptions must be fulfilled namely normality, homoskedasticity, non-multicollinearity, and non-autocorrelation. However, violations of assumptions can occur due to outliers so the estimator obtained is biased and inefficient. In statistics, robust regression is one of method can be used to deal with outliers. Robust regression has several estimators, one of them is Scale estimator (S-estimator) used in this research. Case for this reasearch is fish production per district / city in Central Java in 2015-2016 which is influenced by the number of fishermen, number of vessels, number of trips, number of fishing units, and number of households / fishing companies. Approximate estimation with the Ordinary Least Squares occur in violation of the assumptions of normality, autocorrelation and homoskedasticity this occurs because there are outliers. Based on the t- test at 5% significance level can be concluded that several predictor variables there are the number of fishermen, the number of ships, the number of trips and the number of fishing units have a significant effect on the variables of fish production. The influence value of predictor variables to fish production is 88,006% and MSE value is 7109,519. GUI Matlab is program for robust regression for S-estimator to make it easier for users to do calculations.

Keywords: Ordinary Least Squares (OLS), Outliers, Robust Regression, Fish Production, GUI Matlab

---

Ketersediaan

735E19III

735 E 19-ii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

735 E 19-ii

Penerbit

: ., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

512.943.4

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Dhea Kurnia Mubyarjati

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar