ANALISIS REGRESI BERGANDA DENGAN METODE PARTIAL ROBUST-M DALAM MENGATASI MASALAH MULTIKOLINEARITAS DAN PENCILAN

Tri Dewi Cahyani, 1717031085 (2021) ANALISIS REGRESI BERGANDA DENGAN METODE PARTIAL ROBUST-M DALAM MENGATASI MASALAH MULTIKOLINEARITAS DAN PENCILAN. Fakultas Matematika Ilmu Pengatahuan Alam, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK (ABSTRACT) - Rocket Digital.pdf Download (11Kb) | Preview
	File PDF 2. SKRIPSI FULL - Rocket Digital_2.pdf Restricted to Hanya staf Download (2075Kb)
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN - Rocket Digital_2.pdf Download (1782Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Partial Robust-M Regression (PRM) is a robust alternative approach method of Partial Least Square (PLS) regression which is used as a method of handling multicollinearity and data contained outliers in one case. The purpose of this study was to determine the performance of the Partial Robust-M method in overcoming data containing multicollinearity and outliers and to compare the estimated value with the Ordinary Least Square (OLS) method. The results of this study indicate that PRM is better at handling data containing multicollinearity and outliers than the OLS method based on the standard error and MSE values obtained. The Human Development Index data from Central Java Province in 2020 is influenced by the expected length of school, the average length of school, the number of hospitals, and the number of doctors in each district/city based on the PRM method, while the OLS method is only influenced by the school average variable. Keyword : Partial Robust-M Regression (PRM), Multicollinearity, Outliers data. Regresi Partial Robust-M (PRM) merupakan suatu metode pendekatan alternatif robust dari regresi Partial Least Square (PLS) yang digunakan sebagai metode penanganan multikolinieritas dan data pencilan dalam satu kasus. Tujuan dari penelitian ini adalah untuk mengetahui performa metode Partial Robust-M dalam mengatasi data yang mengandung multikolinearitas dan pencilan serta membandingkan nilai dugaannya dengan metode Ordinary Least Square (OLS). Hasil dari penelitian ini menunjukkan bahwa PRM lebih baik dalam menangani data yang mengandung multikolinearitas dan pencilan dibandingkan dengan metode OLS berdasarkan nilai standard error dan MSE yang didapat. Data Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2020 dipengaruhi oleh harapan lama sekolah, rata-rata lama sekolah, jumlah rumah sakit, dan jumlah dokter tiap kabupaten/kota berdasarkan metode PRM, sedangkan dengan metode OLS hanya dipengaruhi oleh variabel rata-rata sekolah. Kata Kunci: Partial Robust-M (PRM), Multikolinearitas, Data pencilan

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	UPT . Neti Yuliawati
Date Deposited:	21 Apr 2022 01:57
Terakhir diubah:	21 Apr 2022 01:57
URI:	http://digilib.unila.ac.id/id/eprint/60168

Actions (login required)

Lihat Karya Akhir