REGRESI ROBUST

TIAR INDARTO G152144051

[S2-STT] STATISTIKA TERAPAN
[IPB] INSTITUT PERTANIAN BOGOR

POWERED BY POKOKEONO

PENDAHULUAN .......
LATAR BELAKANG

TUJUAN

POWERED BY POKOKEONO

Metode
yang
familiar
digunakan
adalah
metode
kuadrat
terkecil/ordinary Least Square (OLS). Namun OLS memiliki kekurangan
yakni sensitive terhadap pencilan/outlier. karena apabila terdapat
outlier maka akan terjadi penyimpangan pendugaan OLS atau terjadi
bias estimasi.

untuk menggunakan regresi robust estimasi M IRLS dengan

fungsi pembobot Huber dan Bisquare Tukey dan regresi robust
estimasi LTS pada data yang terdapat outlier.

TINJAUAN PUSTAKA .......

REGRESI LINEAR BERGANDA

Menurut Montgomery and Peck (1992), secara umum peubah tak bebas

y kemungkinan berhubungan dengan k peubah bebas. Model ini :

= 0 + 1 xi1 + 2 xi2 + + k xik + i

OLS UNTUK REGRESI LINEAR BERGANDA

metode kuadrat terkecil tercapai dalam menduga 0, 1, , k sehingga sekecil

mungkin.
Pendugaan kuadrat terkecil dari adalah

POWERED BY POKOKEONO

TINJAUAN PUSTAKA .......

NORMALI
TAS

HOMOSKE
DASITAS
AUTOKOR
ELASI
MULTIKO
LINEARIT
AS

ASUMSI MODEL REGRESI

LINEAR
POWERED BY POKOKEONO

2.
1

TINJAUAN PUSTAKA .......

PENCILAN (OUTLIER)
Menurut Montgomery and Peck (1992), pencilan adalah suatu pengamatan yang
ekstrim. Ryan (1997) mengelompokkan pencilan dalam berbagai tipe :
1. Pencilan-x, yakni pengamatan yang hanya menyimpang pada sumbu x saja.
Pengamatan ini disebut juga sebagai titik leverage.
2. Pencilan-y, yakni pengamatan yang menyimpang hanya karena arah peubah
tak bebasnya.
3. Pencilan-x,y, yaitu pengamatan yang menyimpang pada keduanya yakni pada
peubah x dan peubah y.

POWERED BY POKOKEONO

2.
2

TINJAUAN PUSTAKA .......

REGRESI ROBUST
Menurut Chen (2002), regresi robust adalah sebuah alat yang penting untuk
menganalisis data yang terkontaminasi pencilan.
DUA CONTOH PROSEDUR
REGRESI ROBUST
ESTIMASI M
ESTIMASI LTS
POWERED BY POKOKEONO

2.
3

TINJAUAN PUSTAKA .......

ESTIMASI M
Estimasi M diperkenalkan oleh Huber pada tahun 1973.
Estimator M umumnya dengan meminimumkan fungsi objektifnya adalah .

2.
4

Dimana fungsi memberikan kontribusi untuk setiap residual dari untuk fungsi
objektifnya.
Misalkan dengan merupakan turunan dari .Untuk meminimumkan fungsi objektif, maka
fungsi objektif akan diturunkan terhadap dan hasilnya persamaan, sebagai berikut : .
merupakan fungsi influence yang digunakan dalam memperoleh bobot (weight). Dengan
fungsi pembobot dimana merupakan residual yang distandarkan, maka persamaannya
menjadi : dalam matrik :

POWERED BY POKOKEONO

TINJAUAN PUSTAKA .......

ESTIMASI M
Metode

Fungsi objektif

Fungsi influence

Fungsi pembobot

POWERED BY POKOKEONO

Least Square

Huber

Tukey Bisquare

2.
5

TINJAUAN PUSTAKA .......

ESTIMASI M

2.
6

Langkah langkah yang dilakukan dalam mengestimasi parameter regresi robust dengan
estimasi M, sebagai berikut :
1. Menentukan nilai dari model metode OLS
2. Menentukan nilai
3. Menentukan ||
4. Menentukan ) dengan r = 1.345
5. Menentukan )
6. Melakukan estimasi parameter
7. Lakukan iterasi dari langkah 2 s.d. 6 samapai estimasi konvergen
POWERED BY POKOKEONO

8. Kemudian lakukan uji hipotesis untuk mengetahui apakah variabel bebas mempunyai
pengaruh yang signifikan terhadapa variabel tak bebas

TINJAUAN PUSTAKA .......

Estimasi Least Trimmed Square (LTS)

2.
7

Langkah langkah yang dilakukan dalam mengestimasi parameter regresi robust dengan estimasi
LTS, sebagai berikut :

1. Menghitung kuadrat residual () urutkan dari yan terkecil sampai terbesar dan menghitung h
dimana .
2. Menghitung .
3. Melakukan estimasi parameter dari pengamatan.
4. Menentukan kuadrat residual dari pengamatan.
5. Menghitung .
6. Melakukan iterasi dari langkah 4 s.d. 5 sampai mendapatkan fungsi objektif (h) yang terkecil dan
konvergen ke nol.

POWERED BY POKOKEONO

7. Kemudian lakukan uji hipotesis untuk mengetahui apakah variabel bebas mempunyai pengaruh
yang signifikan terhadapa variabel tak bebas.