KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST THE CONSISTENCY OF COEFFICIENT OF DETERMINATION TO FITTING MODEL THROUGH ROBUST REGRESSION
Keywords: data outlier, konsistensi koefisien determinasi, LMS estimator, M estimator, outlier data, regresi robust, robust regression, The Consistency of Coefficient of Determination
Abstract
In statistics, the coefficient of determination can be used to assess the suitability of a model with the data. If there are outliers in the data, the coefficient of determination obtained by the OLS method is not consistent. The purpose of this study was to compare the coefficient of determination of regression lines obtained by the OLS, the M and the LMS methods as a measure of the suitability model. The result showed that when the data contains no-outlier, the LMS method is as consistent as the OLS and the M methods concerning the coefficient of determinations. When the data contain outliers, the LMS method is more consistent than the OLS and the M methods. This result was based on real data with 9.1% outliers.
Dalam statistik, koefisien determinasi dapat digunakan untuk menilai kesesuaian model dengan data. Jika ada outlier pada data, koefisien determinasi yang diperoleh dengan metode OLS tidak konsisten. Tujuan dari penelitian ini adalah untuk membandingkan koefisien determinasi dari garis regresi yang diperoleh melalui metode OLS, M dan metode LMS sebagai ukuran model kesesuaian. Hasil penelitian menunjukkan bahwa ketika data tidak mengandung-outlier, metode LMS adalah konsisten, serupa dengan metode OLS dan metode M terkait dengan koefisien determinasi. Ketika data mengandung outlier, metode LMS lebih konsisten daripada metode OLS dan metode M. Hasil ini berdasarkan ujicoba pada data nyata dengan outlier 9,1%.
Downloads
References
Maronna, R.A., martin, R.D., Yohai, V.J. (2006). Robust statistics: Theory and Methods. Wiley, Chichester, West Sussex, UK.
Myers, R.H. (1990). Classical and modern regression with applications (2nd ed). Boston: PWS- Kent.
Rousseeuw,P.J. & Leroy,A.M. (2003). Robust regression and outlier detection. New York: Wiley.
Staudte, R.G. & Sheather, S.J. (1990). Robust estimation and testing. New York: Wiley.
Sugiarti, H. & Megawarni, A. (2010). Tingkat efisiensi penaksir M terhadap penaksir LMS dalam menaksir koefisien garis regresi. Jurnal Matematika, Sains, & Teknologi, 11(2), 90-98.