165
ABSTRACT
Regression parameter estimation is mainly used to describe the effect of dependent variable to the
response variable. On development of it, parameter estimation is also used to case of multivariate
regression. Seemingly Unrelated Regression model is one of regression multivariate cases which
has especially assumption, i.e., correlation between errors on the multivariate regression. Robust S
is one of robust estimation methods. This estimation can be resistant in presence of outlier in the
data. In this research, we studied about parameter estimation for Seemingly Unrelated Regression
model using robust S. We applied the model obtained to General Electric and Westinghouse data
from 1935 to 1954
Keywords: Seemingly Unrelated Regression Model, Robust S Estimation.
PENDAHULUAN
Model regresi linier berganda merupakan
perluasan dari model regresi linier sederhana.
Model regresi linier berganda terdiri atas
variabel respon yang bergantung pada dua atau
lebih variabel bebas. Model regresi linier
berganda multivariat pada dasarnya dibagi
menjadi tiga model, yaitu model tunggal,
model simultan, dan model Seemingly
Unrelated Regression (SUR). Model tunggal
adalah model yang terdiri atas beberapa macam
persamaan tetapi antara persamaan-persamaan
tersebut tidak saling berkaitan. Model Simultan
adalah suatu model yang terdiri dari beberapa
persamaan yang saling terkait, artinya suatu
variabel bebas pada persamaan yang satu
berfungsi sebagai variabel respon pada
persamaan yang lain atau sebaliknya.
SUR adalah suatu model yang terdiri dari
beberapa persamaan dan variabel-variabelnya
tidak bersifat dua arah, akan tetapi antara
persamaan-persamaan tersebut terjadi kaitan
satu sama lainnya sehingga terjadi korelasi
antara galat-galat persamaan tersebut (Zellner
1962). Estimasi parameter model SUR
diperkenalkan oleh Greene (2000)
yang
dilakukan dengan metode Generalized Least
Square (GLS). Metode ini merupakan
pengembangan dari metode Ordinary Least
Square (OLS) yang digunakan untuk model
multivariat. Model SUR memiliki matriks
kovarian antar persamaan untuk menunjukkan
y qt = q 0 + q1 X qt ,1 + q 2 X qt , 2 + ... + qp q X qt , p q + qt
(1)
untuk t = 1,2, , n .
Persamaan (1) juga dapat
dinyatakan
dalam bentuk persamaan matriks sebagai
berikut :
166
Estimator Robust.(Suliyanto)
y1 = X11 + 1 ,
M
y = X + ,
q q
q
q
dengan yi dan
1 0
0 2
B=
M
M
0 0
(2)
adalah vektor n 1 , X i
adalah matrik n ( pi + 1) ,
i adalah vektor
( pi + 1) 1 , dengan asumsi E ( i ) = 0 dan
var( i ) = ii n , untuk i = 1,2,K, n . Jika
Estimasi
dengan
( y1T , ... , y qT ) T ,
X1
0
X=
M
dengan
0
X2
M
0
L 0
O M
L X q
L
asumsi
E () = 0
dan
var( ) = V = I n ,
dimana
11 12
22
= 21
M
M
q1 q 2
1T
= 1 M ( , K , )
1
q
n T
q
atau
~
~
n
= (Y XB)' (Y XB) = 1 e e '
i i
n
n i =1
(5)
ESTIMATOR ROBUST S
Misalkan adalah sebuah fungsi sedemikian
sehingga berlaku :
(i) adalah simetris dan kontinu, serta
(0) = 0 ;
(ii) adalah fungsi naik pada [0, c] dan
konstan pada [c, ] untuk c >0 ;
(iii)
L 1q
L 2q
O M
L qq
~
q 1 , X = ( X1 ,..., X q ) , dan
adalah
untuk
T
0
O M
L q
L
L
b
, dengan b = E (c ) dan
(c)
( x) adalah fungsi distribusi Normal
baku, 0 < 0,5 .
x2 x4
x6
2
4
( x) = 22 2c 6c
c
6
jika x c
jika x > c
(6)
{(
167
Jika
seperti
pada
( x ) d ( x ) = ( x ) d ( x ) + ( x ) d ( x ) + ( x ) d ( x )
b=
(8)
Maka diperoleh :
2
c
x2 x4
c2
x6
c
d ( x) + 2 + 4 d ( x) + d ( x)
6
2
6
2
c
6
c
c
c
c
x2
c2
x4
x6
b = ( x)dx + 2 + 4
6
2 2c
6c
c
c
b=
c2
6
1
2
1 x2
2
c
( x)dx + ( x)dx
6
c
x2 x4
x6 1
dx + 2 + 4
2c
6c 2
c 2
1 x2
2
dx +
c
c2
6
1
2
1 x2
2
dx
B ) D u (Y XB) / v ( d i )
n
i =1
(10)
dengan
d i = e i' 1 e i , D u = diag {u (d i )},
u ( d i ) = ' ( d i ) / d i ,
v( d i ) = ' ( d i )d i ( d i ) + b
,
dan nilai
' ( x)
(11)
Nilai koefisien determinasi R2 berada
dalam batas 0 R 1 dan didefinisikan
sebagai berikut (Rousseuw & Leroy, 2003) :
2
~ (i )
(12)
dengan
Langkah 1
Mengambil ~
s cukup besar.
Langkah 2
2x3 x5
+
, jika x c
x
' ( x ) =
c2
c4
, jika x c
0
med it
R 2 = 1
mad ( yit )
dan t = 1,2, ,n
Estimasi parameter pada model SUR
dengan metode robust S merupakan
pengembangan dari metode robust S pada
regresi linier berganda yang telah dibahas oleh
Kumala (2005).
Estimasi robust S memberikan bobot pada
n pengamatan pada residual multivariat ei
b=
168
Estimator Robust.(Suliyanto)
c. mendapatkan
dan
Bilodeau
&
Duchesne
(2000)
merekomendasikan tiga titik berbeda yang
terletak
pada
segmen
garis
yang
~
(1)
~
= M
~ ( q )
~
(1)
~ 0
B=
M
0
d. menghitung
matrik
kovarian
~
~~ T
~~
,
dengan
Y dan
= ( Y XB) (Y XB ) / n
~
X seperti pada persamaan (4).
Langkah 3
Menghitung nilai b = E (c )
dengan
menggunakan persamaan (8).
Langkah 4
Menghitung J , 0 dan J , 0 , dengan cara
sebagai berikut :
a. memilih sub sampel acak sebesar p dari data
berukuran n dengan metode resampling
bootstrap untuk setiap persamaan (1) ;
(i )
b. menghitung estimator J , 0 , i = 1,2,,q
dari langkah
menggunakan
persamaan (1) ;
c. mendapatkan
J ,0
4 point
estimator
(a) dengan
OLS
dari
(J1,)0
= M
(q)
J ,0
dan
B J ,0
(J1,)0
0
0 (J2,)0
=
M
M
0
0
L 0
L 0
O M
L (Jq, 0)
~
~
J , 0 = (Y XB J , 0 )' (Y XB J ,0 ) / n
~
dimana Y dan X seperti pada persamaan
(4).
Langkah 5
Mencari titik-titik pada segmen garis yang
~
menghubungkan dan J , 0 yang dinyatakan
(J1,)j
, j = 1,2, ,n
= M
(q)
J,j
~
dan
J ,3 = 0,75 J ,0 + 0,25
Langkah 6
Mencari titik-titik pada segmen garis yang
menghubungkan
~
dan J ,0 dan dinyatakan
oleh
J , j
(J1,) j
= M , j = 1, 2, ... ,nr.
( q )
J, j
Bilodeau dan
Duchesne (2000)
merekomendasikan tiga titik berbeda yang
terletak
pada
segmen
garis
yang
menghubungkan dua titik awal.
~
J ,1 = 0,25 J ,0 + 0,75
~
J , 2 = 0,5 J , 0 + 0,5
oleh
J, j
dan
0 ;
M
~ ( q )
L
0 L
~ ( 2)
L
M O
dan
~
J ,3 = 0,75 J , 0 + 0,25
169
Langkah 7
Untuk j = 0,1,,nr, C J , j J , j
1 / q
~ 1 / q ~
C
iii.
J , j
{(
1 n
eTi C 1e i
n i =1
iv.
Langkah 8
Untuk j = 0,1, , nr, jika
{(
1 n
eTi CJ1, j ei
n i =1
12
{(
1 n
eTi CJ1, j ei
n i =1
12
12
s <b.
/~
Langkah 9
Mengulang langkah 4 sampai 8 sebanyak n kali
sampai didapat bilangan terkecil m, inputkan
s b
/~
~
~
~
s s ( , C), ~
s 2C
dan
s <b
/~
~
~
~~
(1 2 m ) + 1 ( ,) 2 m
a. J , j
~
b. ~
s s ( , C J , j )
dengan
penyelesaian dari :
{(
1 n
ei' CJ1, j ei
n i =1
12
~
s( , C J , j )
~
/ s(, C J , j ) = b
PENERAPAN
(14)
Untuk mendapatkan nilai lokal minimum
~
s( , C J , j )
dari
pada
persamaan
(14)
{(
1 n
~
~
f ((s ( , CJ , j ))k ) = eiT CJ , j ei /( s ( , CJ , j ))k b
n i =1
dan
~
f (( s( , C J , j ))k )
~
.
f (( s(, C J , j )) k ) =
~
((s( , C J , j ))k )
'
~
c. ~
s 2C J , j .
d. mencari
bilangan
bulat
terkecil
~ ~
0 m(, ) 10 , yang memenuhi :
~ ~
~ ~ m
m
i. (1 2 ) + 1 ( ,)2 ,
~ ~
dengan 1 ( , ) adalah penyelesaian
dari (9);
ii.
~~
~
~
(1 2 m ) + 2 ( ,) 2 m ,
~ ~
Langkah 10
Menghitung koefisien determinasi dengan
menggunakan persamaan (12).
X 21 , X 12 , dan X 22 berturut-turut
menjelaskan jumlah investasi GE, jumlah
investasi WH, harga penjualan GE, harga
penjualan WH, stok total GE, dan stok total
WH. Sehingga model regresi yang digunakan
adalah sebagai berikut :
170
Estimator Robust.(Suliyanto)
y1 = 10 + 11 X 11 + 12 X 12 + 1
y 2 = 20 + 21 X 21 + 22 X 22 + 2
(15)
(16)
dengan R
= 0,8802155
y1t
X 1t ,1
X 1t , 2
y 2t
X 2t ,1
X 2t , 2
11,3178
80,3581
90,2841
83,0991
55,0247
44,7318
84,9829
99,9387
107,947
101,311
89,3714
138,92
98,1969
110,585
116,509
138,573
164,167
141,249
198,478
234,675
1170,6
2015,8
2803,3
2039,7
2256,2
2132,2
1834,1
1588
1749,4
1687,2
2007,7
2208,3
1656,7
1604,4
1431,8
1610,5
1819,4
2079,7
2371,6
2759,9
97,8
104,4
118
156,2
172,6
186,6
220,9
287,8
319,9
321,3
319,6
346
456,4
543,4
618,3
647,4
671,3
726,1
800,3
888,9
10,9348
38,5463
36,9759
37,0381
22,2987
15,3332
37,0427
35,4941
38,9034
58,0168
44,0455
51,7816
30,207
54,4416
45,5923
44,0503
60,3298
56,2601
95,0585
97,455
191,5
516
729
560,4
519,9
628,5
537,1
561,2
617,2
626,7
737,2
760,5
581,4
662,3
583,8
635,2
723,8
864,1
1193,5
1188,9
1,8
0,8
7,4
18,1
23,5
26,5
36,2
60,8
84,4
91,2
92,4
86
111,1
130,6
141,8
136,7
129,7
145,5
174,8
213,5
0
~
1
~
2
persamaan 1
persamaan 2
-37,89448495
15,29550734
0,04209415
0,01309584
0,16786478
0,26641302
Koefisien determinasi
KESIMPULAN
Hasil estimasi parameter model SUR dengan
metode robust S yang diterapkan pada data
General Electric dan Westinghouse (19351954) adalah :
0,8802155
y1 = 37,89448495 + 0,04209415 X 11 + 0,16786478 X 12
y2 = 15,29550734 + 0,01309584 X 21 + 0,26641302 X 22
dengan variabel y1 , y 2 , X 11 , X 21 , X 12 ,
dan X 22 berturut-turut menjelaskan jumlah
investasi GE, jumlah investasi WH, harga
penjualan GE, harga penjualan WH, stok total
DAFTAR PUSTAKA
Bilodeau & Duchesne, 2000, Robust
Estimation of The SUR Model, The
Canadian Journal of Statistics,
Canada.www.dms.umontreal.ca/~duchesne/sur.pdf.
8 Agustus 2005.
Efron B & Tibshironi RJ, 1993, Introduction
to The Bootstrap, Chapman Hall, USA.
Greene H & William, 2000, Econometric
Analysis, 4thedition, Prentice Hall Inc,
USA.
Judge, 1982, Introduction to The Theory and
Practice of Econometrics, John Wiley and
Sons, New York.
Kumala N, 2005, Estimasi Parameter Regresi
Linier Berganda Dengan Metode Robust S,
Skripsi FMIPA Universitas Airlangga,
Surabaya.
Marazzi A, Joss J, Randriamihariosa A,
1993, Algorithms,
Routines, and
S
Functions for Robust Statistics, Chapman &
Hall, New York.
171