TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints54798
UR  - http://digilib.unila.ac.id/54798/
A1  - SISKA DIAH AYU LARASATI, 1517031020
Y1  - 2019///
N2  - Principal Component Regression (PCR) is a method used to overcome
multicollinearity problems by reducing the dimensions of independent variables
so that new simpler variables are obtained without losing most of the information
contained in independent variables. If the observation data also indicates outliers,
a robust method on PCR is used by analyzing the combination of Robust Principal
Component Analysis using the Minimum Covariance Determinant (MCD) method
with Robust Regression Analysis using the Least Trimmed Square (LTS) method.
The purpose of this study is to examine the PCR Robust analysis using the MCDLTS method and to know the PCR Robust rigidity by looking at its sensitivity to
outliers then compared to the classic PCR based on the bias and Mean Square
Error (MSE) on several different sample sizes and outliers. The results of this
study indicate that PCR Robust is more effective and efficient in overcoming the
problem of multicollinearity and outliers.
Keywords : Principal Component Regression, Multicollinearity, Outliers, Robust
Regresi Komponen Utama (RKU) merupakan metode yang digunakan untuk
mengatasi masalah multikolinearitas dengan mereduksi dimensi variabel bebas
sehingga diperoleh variabel baru yang lebih sederhana tanpa kehilangan sebagian
besar informasi yang terkandung pada variabel bebasnya. Apabila pada data
pengamatan juga terindikasi adanya pencilan, maka digunakan metode robust
pada RKU dengan cara melakukakan analisis kombinasi antara Analisis
Komponen Utama Robust menggunakan metode Minimum Covariance
Determinant (MCD) dengan Analisis Regresi Robust menggunakan metode Least
Trimmed Square (LTS). Tujuan dari penelitian ini adalah mengkaji analisis RKU
Robust dengan metode MCD-LTS serta mengetahui ketegaran RKU Robust
dengan melihat kepekaannya terhadap pencilan kemudian dibandingkan dengan
RKU klasik berdasarkan bias dan Mean Square Error (MSE) pada beberapa
ukuran sampel dan persentase pencilan yang berbeda. Hasil dari penelitian ini
menunjukkan bahwa RKU Robust lebih efektif dan efisien dalam mengatasi
masalah multikolinearitas dan pencilan.
Kata kunci : Regresi Komponen Utama, Multikolinearitas, Pencilan, Robust
PB  - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TI  - ANALISIS REGRESI KOMPONEN UTAMA ROBUST DENGAN
METODE MINIMUM COVARIANCE DETERMINANT ? LEAST
TRIMMED SQUARE (MCD-LTS)
AV  - restricted
ER  -