BAB I

PENDAHULUAN

1.1

Latar Belakang Masalah

Analisis regresi linier merupakan metode statistik untuk memodelkan

hubungan linier antara variabel bebas dengan variabel terikat. Hubungan linier
tersebut dimodelkan dengan persamaan regresi linier yang didapat dari proses
estimasi parameter model regresi. Salah satu metode untuk mengestimasi parameter model regresi adalah Metode Kuadrat Terkecil (MKT) atau Ordinary Least
Square (OLS) dengan prinsip meminimumkan jumlah kuadrat galat.
Parameter model regresi yang baik harus memenuhi asumsi-asumsi yang
ada sehingga hasil pendugaannya memenuhi sifat Best Linear Unbiased Estimator
(BLUE). Asumsi-asumsi yang harus dipenuhi antara lain galatnya harus berdistribusi normal, tidak terjadi autokorelasi, tidak terjadi multikolinearitas dan tidak
terjadi heterokedastisitas. Jika data tidak memenuhi salah satu asumsi misalnya
disebabkan adanya pencilan (outlier ), maka penduga MKT yang diperoleh menjadi tidak efisien (Gujarati, 2010).
Agar memenuhi asumsi-asumsi MKT, hasil observasi yang dianggap sebagai pencilan biasanya akan dibuang atau dikeluarkan dari model sebelum dilakukan estimasi menggunakan metode MKT. Hal ini dilakukan karena pencilan
biasanya muncul dikarenakan kesalahan saat observasi. Namun, apabila pencilan
muncul bukan karena kesalahan saat observasi, maka pencilan tersebut justru bisa

2
memberikan informasi penting yang tidak diberikan oleh hasil observasi lainnya,
sehingga membuang atau mengeluarkan data pencilan seringkali bukan merupakan solusi yang baik.
Untuk mengatasi adanya pencilan, diperlukan metode lain selain MKT
agar diperoleh parameter model regresi yang lebih tegar atau resistant terhadap
pencilan. Salah satu metode yang bersifat tegar terhadap pencilan adalah regresi
robust. Regresi robust diperkenalkan oleh Andrews (1972) dan merupakan metode
regresi yang digunakan ketika distribusi dari galat tidak normal dan atau adanya
beberapa pencilan yang berpengaruh pada model (Ryan, 1997). Ada beberapa
metode dalam regresi robust, antara lain penduga M, penduga S, penduga Least
Trimmed Square (LTS), penduga Least Median Square (LMS) dan penduga MM.
Penduga M merupakan salah satu metode regresi robust yang sering digunakan. Prinsip dasar metode penduga M adalah meminimumkan suatu fungsi
objektif (). Penduga S merupakan metode regresi robust dengan breakdown point
tinggi sehingga dapat mengatasi setengah dari pencilan dan memberikan pengaruh yang baik bagi pengamatan lainnya (Rousseeuw & Yohai, 1984). Penduga
LTS bertujuan meminimumkan jumlah kuadrat h galat (fungsi objektif)(Ryan,
1997). Penduga LMS memiliki kelebihan yaitu mengurangi pengaruh dari galat
yang diperoleh dengan mencari model regresi yang meminimumkan median dari
h kuadrat galat (e2i ) (Rousseeuw & Leroy, 2003). Pada tulisan ini akan dibahas
metode penduga MM yang merupakan kombinasi dari penduga S yang memiliki
breakdown point tinggi (50%) dan penduga M yang memiliki efisiensi tinggi (95%).
Safitri (2006) menggunakan metode Least Trimmed Squares untuk mengestimasi parameter model regresi linier pada data yang mengandung pencilan.
Sementara itu, Ridwan (2008) meneliti tentang metode penduga M yang menghasilkan kesimpulan bahwa penduga M tidak terpengaruh oleh beberapa penga-

3
matan pencilan sehingga hasil estimasi parameternya lebih baik dari metode
kuadrat terkecil saat amatan memiliki data pencilan.

Selanjutnya, Oktasari

(2013) juga melakukan penelitian mengenai regresi robust yaitu metode penduga
S. Dari penelitiannya, didapat bahwa penduga S memiliki ketepatan model yang
lebih baik dalam menerangkan keragaman dibanding MKT.

1.2

Perumusan Masalah
Perumusan masalah yang akan dikaji adalah sebagai berikut:

1. Bagaimana model regresi yang dihasilkan menggunakan metode kuadrat

terkecil ketika terdapat pencilan dalam data pengamatan?
2. Bagaimana cara menduga parameter menggunakan metode penduga MM?

1.3

Pembatasan Masalah
Pembatasan masalah dalam skripsi ini adalah menentukan penduga para-

meter dengan melihat koefisien determinasi untuk mengatasi pencilan pada model
regresi.

1.4

Tujuan Penulisan
Tujuan yang ingin dicapai dalam skripsi ini adalah:

1. Mempelajari cara menduga parameter analisis regresi robust menggunakan

metode penduga MM.

4
2. Mempelajari keakuratan penduga parameter yang dihasilkan metode penduga MM.
3. Menerapkan metode regresi robust penduga MM pada data yang mengandung pencilan.

1.5

Manfaat Penulisan
Manfaat yang diharapkan dari skripsi ini adalah memberikan informasi

mengenai regresi robust khususnya metode penduga MM sebagai salah satu metode analisis untuk data pencilan.

1.6

Metode Penelitian
Skripsi ini merupakan kajian teori dan dilengkapi studi kasus dalam

bidang matematika statistika khususnya analisis regresi robust dengan metode

penduga MM yang didasarkan pada buku-buku dan jurnal-jurnal tentang teori
statistika analisis regresi.