Perbandingan Metode Estimasi M Dan Estimasi Mm (Methode Of Moment) pada Regresi Robust

Abstract

Analisis regresi merupakan suatu metode dalam statistika untuk mengetahui hubungan antara variabel dependen dengan variabel independen. Metode yang digunakan dalam estimasi parameter pada model tersebut adalah Metode Kuadrat Terkecil (MKT).Metode ini sangat peka terhadap penyimpangan-penyimpangan asumsi pada data.Asumsi yang sering tidak terpenuhi adalah asumsi normalitas.Salah satu penyebab tidak terpenuhinya asumsi ini karena terdapat outlier pada data. Oleh sebab itu, digunakan metode lain untuk menangani data outlier. Salah satunya adalah metode regresi robust dengan menggunakan estimasi M dan MM (Methode of Moment). Metode yang digunakani adalah estimasi MKT, estimasi M, dan estimasi MM. Pada penelitian ini akan dibahas mengenai perbandingan antara M dan estimasi MM dengan metode MKT dilihat dari nilai residual standard error, standard errordan nilai koefisien regresi. Hasil yang diperoleh dengan simulasi data menunjukkan bahwa untuk data yang mengandung outlier estimasi parameter yang diperoleh pada metode regresi robust dengan metode M lebih baik digunakan dibandingkan dengan metode MKT. Sedangkan untuk data tanpa outlier estimasi parameter yang diperoleh dengan metode MKT lebih baik dibandingkan dengan metode estimasi M dan estimasi MM