@misc{eprints60919,
           title = {PERBANDINGAN METODE LEAST MEDIAN SQUARE (LMS) DAN
PENDUGA-S DALAM ANALISIS REGRESI ROBUST},
          author = {1757031019 Nurulita Indriyani},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2021},
             url = {http://digilib.unila.ac.id/60919/},
        abstract = {Linear regression analysis was used to measure the effect of more than one
independent variable (X) on the dependent variable (Y). Estimating the parameters of
regression analysis is generally solved by the Ordinary Least Square (OLS).
However, when an outlier is found in the observational data, it can cause the
regression line coefficient estimator of OLS to be inaccurate. In this case we need a
robust regression method to overcome the problem. Least Median of Square (LMS)
and S-estimator are two methods in robust regression. The LMS itself can be used to
minimize the median number of squared errors, while the S-estimator is used to
minimize the scale sample on the specified residual. The purpose of this study is to
empirically examine the robust LMS method and the S-estimator in estimating the
regression parameters on data containing outliers through simulation data with
several percentages of outliers, namely 10\%, 15\%, and 20\% with sample sizes of 20,
50, 100 and 200, determine the best robust regression method between the LMS
method and the S-estimator method by looking at the MSE value of each estimator.
Based on the results of the study, it was concluded that MSE of LMS value was
better than S-estimator in estimating the regression parameters containing outliers.
Keywords: OLS, LMS, S-estimator, Outlier, Robust
Analisis regresi linear digunakan untuk mengukur pengaruh lebih dari satu variabel
bebas (X) terhadap variabel terikat (Y). Penduga parameter analisis regresi pada
umumnya diselesaikan dengan Metode Kuadrat Terkecil (MKT). Namun, ketika
ditemukan sebuah pencilan pada data pengamatan, dapat menyebabkan penduga
koefisien garis regresi dengan MKT menjadi tidak tepat. Sehingga diperlukan
metode regresi robust untuk mengatasi masalah tersebut. Least Median of Square
(LMS) dan Penduga-S merupakan dua metode dalam regresi robust. LMS sendiri
dapat digunakan untuk meminimumkan jumlah median kuadrat galat, sedangkan
Penduga-S digunakan untuk dengan meminimumkan sampel skala pada residual
yang ditetapkan. Tujuan dari penelitian ini adalah mengkaji secara empiris metode
robust LMS dan Penduga-S dalam menduga parameter regresi pada data yang
mengandung pencilan melalui data simulasi dengan beberapa persentase pencilan
yaitu 10\%, 15\%, dan 20\% dengan ukuran sampel 20, 50, 100 dan 200 serta
menentukan metode regresi robust terbaik di antara metode LMS dan metode
Penduga-S dengan melihat nilai MSE dari masing-masing penduga. Berdasarkan
hasil penelitian diperoleh kesimpulan bahwa nilai MSE LMS lebih baik dibandingkan
Penduga-S dalam menduga parameter regresi yang mengandung pencilan.
Kata Kunci: MKT, LMS, Penduga-S, Pencilan, Robust}
}