SKRIPSI
H11112276
DAFTAR ISI
Adapun rumusan masalah yang akan dikaji penulis berdasarkan uraian latar belakang
adalah sebagai berikut :
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.
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
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
RAK ini terdiri dari 4 perlakuan dan 5 kelompok (blok), dengan identifikasi variabel
sebagai berikut :
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
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.
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.
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.
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.
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.