Yuliana, Susanti and Hasih, Pratiwi and Sri , Sulistijowati H (2013) OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (2013): Peningkatan Peran Matematika dan Pendidikan Matematika untuk Indonesia yang lebih Baik. ISSN 978 – 979 – 16353 – 9 – 4
|
Text
S - 31.pdf Download (197kB) | Preview |
Abstract
Regresi robust adalah bentuk analisis regresi yang dirancang untuk menghindari beberapa keterbatasan metode parametrik dan non-parametrik tradisional. Metode kuadrat terkecil untuk model regresi sangat sensitif terhadap pencilan. Hal ini biasanya tidak masalah jika pencilan berasal dari sebuah pengamatan ekstrim dari ekor distribusi normal, tetapi jika pencilan berasal dari kesalahan pengukuran atau pelanggaran asumsi maka sangat mempengaruhi keabsahan hasil regresi. Dalam analisis regresi, adanya produksi kedelai yang jauh melampaui produksi secara umum dapat dikategorikan sebagai pencilan, sehingga penggunaan metode kuadrat terkecil untuk mengestimasi parameter regresi kurang tepat. Untuk mengatasi hal ini diperlukan metode estimasi parameter yang bersifat robust. Robust diartikan sebagai ketidaksensitifan atau ketegaran terhadap perubahan-perubahan kecil dari asumsi. Artikel ini memberikan gambaran metode estimasi-M, estimasi-S, dan estimasi-MM dalam regresi robust, menjelaskan langkah-langkah estimasi parameter, dan menerapkan metode-metode tersebut untuk menentukan model regresi produksi kedelai di Indonesia. Kata kunci: regresi robust, estimasi-M, estimasi-S, estimasi-MM
| Item Type: | Article |
|---|---|
| Subjects: | Prosiding > Seminar Nasional Matematika dan Pendidikan Matematika 2013 |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Pendidikan Matematika |
| Depositing User: | Jurusan Pendidikan Matematika |
| Date Deposited: | 10 Dec 2013 07:30 |
| Last Modified: | 10 Dec 2013 07:30 |
| URI: | http://eprints.uny.ac.id/id/eprint/10850 |
Actions (login required)
 |
View Item |