PERFORMA ESTIMATOR ROBUST JACKKNIFE RIDGE REGRESSION MENGGUNAKAN ESTIMATOR GENERALIZED-M DAN ESTIMATOR LEAST TRIMMED SQUARES (LTS) UNTUK MENGATASI PENCILAN DAN MULTIKOLINEARITAS (Studi Kasus: Berat Badan Lahir Rendah di Jawa Timur Tahun 2022)

Gustina , Saputri (2024) PERFORMA ESTIMATOR ROBUST JACKKNIFE RIDGE REGRESSION MENGGUNAKAN ESTIMATOR GENERALIZED-M DAN ESTIMATOR LEAST TRIMMED SQUARES (LTS) UNTUK MENGATASI PENCILAN DAN MULTIKOLINEARITAS (Studi Kasus: Berat Badan Lahir Rendah di Jawa Timur Tahun 2022). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text 1. ABSTRAK - Gustina Saputri.pdf Download (503kB) | Preview
	Text 2. SKRIPSI FULL - Gustina Saputri.pdf Restricted to Repository staff only Download (7MB) | Request a copy
Preview	Text 3. SKRIPSI TANPA BAB PEMBAHASAN - Gustina Saputri.pdf Download (7MB) | Preview

Abstract

Analisis regresi merupakan salah satu metode statistik yang digunakan untuk mengetahui hubungan sebab akibat antara satu atau lebih variabel penjelas terhadap variabel yang dipengaruhi. Permasalahan yang sering terjadi dalam analisis regresi adalah adanya multikolinearitas dan pencilan. Untuk mengatasi permasalahan tersebut dapat diselesaikan dengan menggunakan analisis regresi ridge dan regresi robust. Regresi ridge dapat mengatasi permasalah multikolinearitas dengan memberikan konstanta k pada matriks Z ′Z. Namun pada metode ini nilai bias yang dihasilkan masih tinggi, sehingga untuk mengatasi permasalahan tersebut digunakan metode jackknife ridge regression. Sedangkan untuk mengatasi pencilan pada data menggunakan metode regresi robust yang mempunyai beberapa metode estimator, dua diantaranya adalah estimator Generalized-M (GM) dan estimator Least Trimmed Square (LTS). Penelitian ini bertujuan untuk menyelesaikan permasalahan multikolinearitas dan pencilan secara bersama dengan menggunakan metode robust jackknife ridge regression dengan menggunakan estimator GM dan estimator LTS. Hasil Penelitian menunjukkan bahwa metode robust jackknife ridge regression dengan estimator LTS mamapu mengendalikan multikolinearitas dan pencilan secara bersamaan lebih baik berdasarkan nilai MSE, AIC, dan BIC dibandingkan dengan metode robust jackknife ridge regression dengan estimator GM. Hal Ini ditunjukkan dengan nilai MSE = 75.00796, AIC = 111.5078, dan BIC = 117.3267 pada estimator LTS yang nilainya lebih kecil dibandingkan estimator GM. Kata Kunci: Multikolinearitas, Robust, Ridge Regression, Jackknife Ridge Regression, Estimator Generalized-M, Estimator Least Trimmed Square

Item Type:	Other
Subjects:	?? 500 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	UPT . Siswanti
Date Deposited:	12 Apr 2025 07:38
Last Modified:	12 Apr 2025 07:38
URI:	http://digilib.unila.ac.id/id/eprint/86010

Actions (login required)

View Item