HALAMAAN SAMPUL

ESTIMASI DATA HILANG MENGGUNAKAN REGRESI

ROBUST S PADA RANCANGAN ACAK KELOMPOK

SKRIPSI

ASWAD HARIRI MANGALAENG

H11112276

PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
AGUSTUS 2017
HALAMAN JUDUL

DAFTAR ISI

HALAMAAN SAMPUL .............................................................................................. i

DAFTAR ISI ................................................................................................................ 1

BAB I PENDAHULUAN ............................................................................................ 2

1.1 Latar Belakang ................................................................................................... 2

1.2 Rumusan Masalah .............................................................................................. 2

1.3 Batasan Masalah ................................................................................................. 2

1.4 Tujuan Penelitian ................................................................................................ 3

BAB II TINJAUAN PUSTAKA.................................................................................. 4

2.1 State of the Art ................................................. Error! Bookmark not defined.

2.2 Metode Kuadrat Terkecil .................................................................................... 4

2.3 Estimasi Robust S ............................................................................................... 4

2.4 Fungsi Pembobot Welsch ................................................................................... 4

BAB III METODOLOGI PENELITIAN..................................................................... 5

3.1 Sumber Data ....................................................................................................... 5

3.2 Identifikasi Variabel ........................................................................................... 5

3.3 Metode Analisis .................................................................................................. 5

BAB IV TARGET LUARAN .....................................Error! Bookmark not defined.

BAB V JADWAL .......................................................Error! Bookmark not defined.

DAFTAR PUSTAKA .................................................................................................. 7

 BAB I
PENDAHULUAN

1.1 Latar Belakang

Percobaan merupakan suatu kegiatan berupa pengamatan khusus yang dilakukan

terhadap objek percobaan. Biasanya, kegiatan ini dilakukan untuk melihat,
menjelasakan, dan memperoleh keterangan mengenai respon objek percobaan
terhadap keadaan tertentu yang diberikan. Dalam suatu percobaan, ada tiga hal
penting yang perlu diperhatikan, yaitu : (1) respon yang diberikan oleh objek, (2)
keadaan tertentu yang sengaja diciptakan untuk menimbulkan respon, dan (3)
keadaan lingkungan serta keragaman alami objek yang dapat mengacaukan penelaan
mengenai respon yang terjadi (Gaspersz, 1991). Dalam statistika, kajian mengenai
desain atau rancangan khusus tiga hal diatas dibahas pada perancangan percobaan.

Pada penelitian sebelumnya, Siswanto (2014) membahas mengenai pendugaan data

hilang pada rancangan percobaan dengan memanfaatkan sifat-sifat yang ada pada
regresi Robust M. Dalam penelitian ini, penulis akan fokus kepada metode Robust S
yang merupakan metode dengan breakdown point yang lebih tinggi dibandingkan
dengan metode Robust LTS. Breakdown point adalah ukuran proporsi minimal dari
banyaknya data yang terkontaminasi outlier dibandingkan seluruh data pengamatan.

1.2 Masalah Penelitian

Adapun rumusan masalah yang akan dikaji penulis berdasarkan uraian latar belakang
adalah sebagai berikut :

1. Bagaimana menduga parameter regresi menggunakan Robust S dalam

mengatasi data hilang pada RAK?
2. Bagaimana menerapkan regresi Robust S untuk data hilang pada data
pengaruh pemberian ransum terhadap bobot badan babi umur 6 bulan?

1.3 Batasan Masalah

Dalam penulisan ini, permasalahan dibatasi pada penerapan estimasi Robust S untuk
RAK data lengkap dengan model tetap. Data lengkap tersebut kemudian
diilustrasikan terdapat pengamatan gagal yang mengakibatkan data hilang dan
digantikan dengan nilai nol, yang sifatnya outlier jika nilai nol tersebut jauh dari nilai
pengamatan yang lain. Adapun ilustrasi data hilang yang dimaksud dibatasi
maksimal 1 data hilang untuk setiap kelompok (𝛾𝑗 ) dan tetap memenuhi prinsip
perancangan percobaan. Pembatasan masalah ini perlu, agar tidak terjadi perluasan
pembahasan dan lebih fokus pada rumusan masalah dan tujuan penulisan yang
nantinya akan dicapai oleh penulis.

1.4 Tujuan Penelitian

Berdasarkan rumusan masalah yang telah ditentukan, maka dapat dikemukakan

tujuan penulisan adalah sebagai berikut :

1. Untuk memperoleh penduga parameter regresi menggunakan Robust S dalam

mengatasi data hilang pada RAK.
2. Untuk menduga data hilang menggunakan Robust S pada data pengaruh
pemberian ransum terhadap bobot badan babi umur 6 bulan.
 BAB II
TINJAUAN PUSTAKA

2.1 State of the Art

Pada suatu percobaan dikenal beberapa bentuk rancangan, diantaranya adalah

rancangan acak kelompok. Rancangan ini diterapkan untuk kondisi yang tidak
homogen serta ada pengaruh lain yang mempengaruhi amatan selain faktor yang
diteliti (Mustakim, 2014). Dalam rancangan acak kelompok, dikenal istilah
pengelompokan dengan tujuan untuk membuat keragaman satuan-satuan percobaan
di dalam masing-masing kelompok sekecil mungkin sedangkan perbedaan antar
kelompok sebesar mungkin.

2.2 Metode Kuadrat Terkecil

Metode kuadrat terkecil (MKT) atau ordinary least square (OLS) adalah salah
satu metode penaksiran parameter dengan tujuan untuk meminimumkan jumlah
kuadrat galat. Misalkan 𝜇, 𝜏𝑖 , dan 𝛾𝑗 adalah parameter yang akan ditaksir pada
persamaan (2.1

2.3 Estimasi Robust S

Regresi Robust merupakan alat penting untuk menganalisis data yang

mengandung outlier. Kutner, dkk (2004) menjelaskan bahwa regresi Robust dapat
mengurangi pengaruh outlier jika dibandingkan dengan MKT, sehingga penduga
yang dihasilkan akan mempunyai sifat yang tidak berpengaruh terhadap keberadaan
outlier (Winantra, 2015). Salah satu metode penduga dalam regresi Robust adalah
penduga S (Scale).

2.4 Fungsi Pembobot Welsch

Pada umumnya, perbedaan mendasar dari setiap pembobot terletak pada fungsi
objektif, pengaruh (influence) dan nilai tunning constant untuk setiap pembobot.
Fungsi objektif adalah fungsi yang digunakan untuk mencari fungsi pembobot pada
regresi Robust (Padang, 2015).
 BAB III
METODOLOGI PENELITIAN

3.1 Sumber Data

Hasil percobaan pada penelitian tersebut menunjukkan bahwa penggunaan bobot

badan pada umur 1 bulan (variabel pengiring) sama sekali tidak tepat, sehingga
dalam penelitian ini penulis tidak akan memasukkan variabel pengiring kedalam data
lengkap yang akan digunakan pada Lampiran 1. Selanjutnya, untuk menerapkan
regresi Robust S, data lengkap tersebut diilustrasikan mengalami kegagalan pada
beberapa pengamatannya sehingga dapat diasumsikan sebagai data hilang seperti
pada Lampiran 2.

3.2 Identifikasi Variabel

RAK ini terdiri dari 4 perlakuan dan 5 kelompok (blok), dengan identifikasi variabel
sebagai berikut :

3.3 Metode Analisis

Metode analisis yang digunakan dalam penelitian tugas akhir ini adalah sebagai
berikut :
 BAB IV
TARGET CAPAIAN

Hasil dari skirpsi ini adalah diharapkan dapat memperoleh suatu algoritma yang
akan dipublikasi.
 BAB V

JADWAL

Jadwal pelaksanaan penelitian skripsi dituliskan dalam bentuk Tabel 1. berikut.

Bulan ke-
No Jenis Kegiatan
1 2 3 4 5 6 7 8
1 Tahap Persiapan
2 Tahap Pelaksanakan
3 Evaluasi dan Pelaporan
 DAFTAR PUSTAKA

Cahyawati, D., Tanuji, H. & Abdiati, R., 2009. Efektivitas Metode Regresi Robust
Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear
Berganda. Jurnal Penelitian Sains, pp. 1-7.

Draper, N. & Smith, H., 1992. Analisis Regresi Terapan (edisi kedua). Alih Bahasa :
Bambang Sumantri. Jakarta: PT. Gramedia Pustaka Utama.

Gaspersz, D. I. V., 1991. Metode Perancangan Percobaan. Bandung: ARMICO.

Harman, A., 2014. Perbandingan Pembobot Tukey Bisquare dan Pembobot Fair
dalam Regresi Robust-M. pp. 253-256.

Matjik, A. & Sumertajaya, I., 2000. Perancangan Percobaan dengan Aplikasi SAS
dan Minitab Jilid I Edisi Kedua. Bogor: IPB-Press.

Montgomery, D. C., 1984. Design and Analysis of Experiments. New York: John
Wiley and Sons.

Musafirah, 2015. Perbandingan Metode Robust Least Trimmed Square dengan

Metode Scale dalam Mengestimasi Parameter Regresi Linear Berganda untuk
Data yang Mengandung Pencilan.

Mustakim, 2014. Penggunaan Uji Skillings-Mack pada Rancangan Acak Kelompok

Tidak Lengkap Tidak Seimbang. Makassar: Fakultas MIPA Universitas
Hasanuddin.

Nurcahyadi, H., 2010. Analisis Regresi pada Data Outlier dengan Menggunakan
Least Trimmed Square (LTS) dan MM Estimasi. Jakarta: Fakultas SAINS dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah.

Octora, W., 2013. Robust Regression with M-Estimation, s.l.: s.n.

Padang, A. M. T., 2015. Perbandingan Regresi Robust dengan Estimasi S (Scale)

Menggunakan Fungsi Pembobot Tukey Bisquare dan Huber. Makassar:
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin.
Paludi, S., 2009. Identifikasi dan Pengaruh Keberadaan Data Pencilan (Outlier).
Majalah Ilmiah Panorama Nusantara, edisi VI, pp. 56-62.

Raupong & Anisa, 2011. Bahan Ajar Mata Kuliah Perancangan Percobaan.
Makassar: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Hasanuddin.

Sariayu, N. M., Susilawati, M. & Sari, K., 2015. Pendugaan Data Hilang dengan
Metode Yates dan Algoritma EM pada Rancangan Lattice Seimbang. E-
Jurnal Matematika, pp. 74-82.

Searle, S. R., Casella, G. & McCulloch, C. E., 2006. Variance Components. New
Jersey: Wiley Interscience.

Sembiring, 1995. Analisis Regresi. Bandung: Penerbit ITB.

Siswanto, 2014. Estimasi Regresi Robust M Pada Faktorial Rancangan Acak

Lengkap Yang Mengandung Outlier. Makassar: Fakultas MIPA Universitas
Hasanuddin.

Susanti, Y., Pratiwi, H. & Sulistijowati, S., 2014. Optimasi Model Regresi Robust
Untuk Memprediksi Produksi Kedelai di Indonesia. International Journal of
Pure and Applied Mathematics, pp. 349-360.

Utami, N. W., 2015. Regresi Ridge Robust-M dengan Pembobot Welsch. Makassar:
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin.

Winantra, S., 2015. Perbandingan Pembobot Ramsey dan Pembobot Andrew dalam
Regresi Robust-M pada Tingkat Kemiskinan Kabupaten/Kota Provinsi Jawa
Timur Tahun 2012. pp. 45-48.