Jurnal ILMU DASAR, Vol. 9 No.

2, Juli 2008 : 165-171

165

Estimator Robust S Pada Model Seemingly Unrelated Regression

The S Robust Estimator in Seemingly unrelated Regression Model
Suliyanto
Jurusan Matematika FMIPA Universitas Airlangga

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

korelasi error antar persamaan. Jika matriks

kovarian tidak diketahui maka dilakukan
pendugaan matriks kovarian dengan metode
two stage Aitken (Zellner 1962). Namun
metode ini kurang mampu bertahan terhadap
kehadiran outlier.
Estimasi robust S adalah salah satu bentuk
estimasi yang digunakan pada data yang
memuat outlier. Estimator robust S untuk kasus
regresi linier berganda telah dibahas oleh
Kumala (2005). Dalam perkembangannya
estimator robust S juga dapat diterapkan pada
model SUR. Pada penelitian ini dibahas cara
mendapatkan estimator model SUR dengan
metode robust S tetapi tidak dibahas sifat-sifat
estimatornya, kemudian model tersebut
diterapkan pada data sekunder.
Model seemingly unrelated regression
Sistem
persamaan
regresi
multivariat
dinyatakan sebagai berikut :
y1t = 10 + 11 X 1t ,1 + 12 X 1t , 2 + ... + 1 p1 X 1t , p1 + 1t
y 2 t = 20 + 21 X 2 t ,1 + 22 X 2 t , 2 + ... + 2 p 2 X 2 t , p 2 + 2 t
M

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

Model SUR pada persamaan (3) juga dapat

ditulis dengan
menggunakan regresi
multivariat :
~
Y = XB + E
(4)
dimana
Y = ( y1 ,..., y q ) , E = (e1 ,..., e n )T
dengan ei = (1i , 2i , ... , qi )T adalah vektor

~
q 1 , X = ( X1 ,..., X q ) , dan

adalah

Duchesne 2000) adalah :

( 1T , ... , qT ) T , = ( 1 , ... , q ) T dan

= ( 1 ,..., q ) dan untuk (Bilodeau &

i, j = 1,2,K, q , maka sistem persamaan

regresi multivariat tersebut dikenal dengan
model Seemingly Unrelated Regression (SUR).
Model SUR pada persamaan (2) secara
umum dapat ditulis dalam notasi matriks
sebagai berikut :
y = X +
(3)

untuk
T

pada persamaan (2) ditambahkan

asumsi
khusus yaitu cov i , j = ij n , untuk

0
O M

L q
L
L

b
, dengan b = E (c ) dan
(c)
( x) adalah fungsi distribusi Normal
baku, 0 < 0,5 .

Fungsi didefinisikan sebagai berikut

(Rousseuw dan Yohai, 1984) :

x2 x4
x6

2
4
( x) = 22 2c 6c
c
6

jika x c
jika x > c
(6)

Estimator robust S pada model SUR

adalah penyelesaian dari masalah optimasi :
12
1 n
min , dengan kendala ei' 1ei
=b
( ,)
n i =1
(7)

{(

167

Jurnal ILMU DASAR, Vol. 9 No. 2, Juli 2008 : 165-171

dengan memilih b = E (c ) , ( x) adalah

fungsi
distribusi
normal
baku
dan
= b / (c) adalah breakdown point
(Ruppert, 1992).
persamaan (6) dan

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

dengan c adalah suatu konstanta. Menurut

Marazzi dan Randriamihariosa (1993), jika
dipilih
c =1,547 maka akan diperoleh nilai
breakdown sebesar 50 %.
Estimator robust S pada persamaan (7)
dipenuhi oleh persamaan estimasi (Bilodeau &
Duchesne 2000) :
1 D )X}1 XT (
1 D )y
= {XT (
u
u
(9)
~ T
~
= q(Y X

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)

adalah sebagai berikut :

termodifikasi. Langkah-langkah algoritma

Ruppert termodifikasi dibangun dengan
mendefinisikan :
~ ~
~~
~~
(13)
( , ) = (1 ( ,), 2 ( ,))
dimana fungsi 1 dan 2 berturut-turut adalah
nilai dan setelah satu kali iterasi dari
masing-masing persamaan estimasi (9) dan
(10). Dalam metode ini nilai dugaan awal
yang digunakan adalah estimasi yang diperoleh
dengan menggunakan metode ordinary least
square.
Algoritma estimator robust S pada model
SUR
Proses perhitungan untuk mendapatkan hasil
dari estimasi robust S model SUR tidak
mempunyai bentuk baku (close form),
sehingga didekati dengan suatu algoritma.
Secara rinci algoritma estimator Robust S pada
model SUR dijelaskan sesuai dengan langkahlangkah sebagai berikut :

(11)
Nilai koefisien determinasi R2 berada
dalam batas 0 R 1 dan didefinisikan
sebagai berikut (Rousseuw & Leroy, 2003) :
2

Menghitung dan , dengan cara sebagai

berikut :
a. memilih sub sampel acak sebesar p dari
data berukuran n dengan metode
resampling
bootstrap
untuk
setiap
persamaan (1) ;

~ (i )

(12)
dengan

pada model SUR dari persamaan (4). Estimasi

robust S untuk mengestimasi parameter dan

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

yang berturut-turut dinyatakan oleh dan

diselesaikan dengan algoritma Ruppert

b=

mad( yit ) = med{ yit med( yit ) } , i = 1,2, ,q

b. menghitung estimator awal , i =

1,2,,q dari langkah 2 point (a) dengan
menggunakan
estimator
OLS
dari
persamaan (1) ;

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

menghubungkan dua titik. Dalam hal ini

dan titik akhir.

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)

d. menghitung matrik kovarian

~
~
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

Segmen garis yang menghubungkan

(J1,)j

, j = 1,2, ,n
= M
(q)
J,j

~
dan

J , 0 terbagi menjadi empat ruas garis yang

masing-masing memiliki peluang 0,25,
sehingga masing-masing nilai J , j untuk j =
1,2, ,nr adalah
~
J ,1 = 0,25 J ,0 + 0,75
~
J , 2 = 0,5 J , 0 + 0,5
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.

Segmen garis yang menghubungkan dan

J ,0 terbagi menjadi empat ruas garis yang
masing-masing memiliki peluang 0,25,
sehingga masing-masing nilai J , j untuk j =
1, 2,... ,nr adalah

~
J ,1 = 0,25 J ,0 + 0,75
~
J , 2 = 0,5 J , 0 + 0,5

oleh
J, j

J , 0 masing-masing menjadi titik awal

dan
0 ;

M
~ ( q )
L

0 L
~ ( 2)

L
M O

dan

~
J ,3 = 0,75 J , 0 + 0,25

169

Jurnal ILMU DASAR, Vol. 9 No. 2, Juli 2008 : 165-171

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

maka iterasi selesai, tetapi jika

{(

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

dilanjutkan ke langkah berikut :

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)

digunakan metode iterasi Newton-Raphson

dengan input nilai awal tertentu, yaitu :
~
f ((s(, C J , j ))k )
~
~
( s (, C J , j ))k +1 = ( s(, C J , j ))k
~
f ' ((s( , C J , j ))k )
dengan

{(

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).

dengan 2 ( , ) adalah penyelesaian

dari (10) ;

Penerapan estimator robust S pada model SUR

menggunakan data sekunder yang diambil dari
hasil penelitian Grunfeld (1958) dalam Judge
et al. (1982). Data model SUR telah memenuhi
asumsi-asumsi khusus. Data ini menjelaskan
tentang jumlah
investasi tahunan dua
perusahaan di Amerika yang bergerak dalam
bidang yang sama yaitu pembuatan mesin
pesawat jet. Dua perusahaan yang dilibatkan
disini adalah General electric (GE) dan
Westinghouse(WH). Jumlah investasi sebagai
variabel dependen. Harga penjualan dan stok
total sebagai variabel bebas. Model regresi
yang digunakan adalah sebagai berikut :
(Jumlah investasi GE) = 10 + 11 (harga
penjualan GE) + 12 (stok total GE)
(Jumlah investasi WH) = 20 + 21 (harga
penjualan WH) + 21 (stok total WH)
Jumlah pengamatan sebanyak 20 yaitu
pengamatan berturut-turut dari tahun 19351954. Datanya disajikan pada Tabel 1.
Untuk selanjutnya 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 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)

Program komputer untuk mengestimasi

parameter model SUR dengan menggunakan
estimator robust S dibuat dengan bahasa
pemrograman yang tersedia di S-Plus 2000.
Hasilnya secara ringkas disajikan pada Tabel 2.

Berdasarkan Tabel 2 didapat hasil estimasi

model SUR. sebagai berikut :
y1 = 37,89448495 + 0,04209415 X 11 + 0,16786478 X 12
y2 = 15,29550734 + 0,01309584 X 21 + 0,26641302 X 22

(16)
dengan R

= 0,8802155

Tabel 1. Data Sekunder General Electric dan Westinghouse tahun 1935-1954

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

Tabel 2. Hasil Estimasi Parameter Model SUR metode Robust S

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

Jurnal ILMU DASAR, Vol. 9 No. 2, Juli 2008 : 165-171

GE, dan stok total WH. Nilai koefisien

determinasi R = 0,8802155 .
2

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

Rousseuw PJ & Leroy AM, 2003, Robust

Regression and Outlier Detection, Wiley
Interscience, New York
Ruppert D, 1992, Computing S Estimators for
Regression and Multivariate Location /
Dispersion, American
Statistical
Association,
Institute of Mathematical
Statistics, and Interface Foundation of
North America, Ithaca, NY.
Rousseuw PJ & Yohai VJ, 1984, Robust
regression by means of S-estimator. Robust
and Nonlinear Time Series Analysis,
Lecture Notes in Statist, 26: 256-272,
Springer, Berlin.
Zellner A.,1962. An Efficient Methods of
Estimation
SUR
and
Test
for
Aggregation
Bias. Journal of
American Statistical Association, 57: 348
368.