Aplikasi model kalibrasi di bidang kimia adalah pemodelan hubungan antara kandungan senyawa aktif yang ditentukan dari High Performance Liquid Chromatography (HPLC) dengan bentuk spektrum  dari spektrometer Fourier Transform Infrared (FTIR). Permasalahan utama dalam kalibrasi adalah multikolinear dan pengamatan pencilan. Regresi Kuadrat Terkecil Parsial (RKTP)  merupakan sebuah teknik prediktif yang mampu mengatasi masalah multikolinearitas.. SIMPLS (Straightforward Implementation PLS) adalah algoritma pendugaan RKTP yang  tidak resisten terhadap pengamatan pencilan. Hubert and Brande (2003) mengemukakan algoritma RSIMPLS yang bersifat resisten terhadap pencilan. RSIMPLS dibentuk dari matriks ragam-peragam robust dan regresi linear robust. Pada penelitian ini dilakukan modifikasi fungsi bobot pada  RSIMPLS dengan penduga-M Huber dimana setiap pengamatan akan diberikan nilai bobot kecil  jika jarak robust dan jarak ortogonal pengamatan ke-i melebihi nilai batas yang ditentukan, dan  untuk lainnya. Dengan demikian besar  tidak hanya 0 dan 1, melainkan . Hasil penelitian menunjukkan RMSEP (root mean square error) pada metode modifikasi bobot lebih kecil dibandingkan RSIMPLS

Aplikasi model kalibrasi di bidang kimia adalah pemodelan hubungan antara kandungan senyawa aktif yang ditentukan dari High Performance Liquid Chromatography (HPLC) dengan bentuk spektrum dari spektrometer Fourier Transform Infrared (FTIR). Permasalahan utama dalam kalibrasi adalah multikolinear dan pengamatan pencilan. Regresi Kuadrat Terkecil Parsial (RKTP) merupakan sebuah teknik prediktif yang mampu mengatasi masalah multikolinearitas.. SIMPLS (Straightforward Implementation PLS) adalah algoritma pendugaan RKTP yang tidak resisten terhadap pengamatan pencilan. Hubert and Brande (2003) mengemukakan algoritma RSIMPLS yang bersifat resisten terhadap pencilan. RSIMPLS dibentuk dari matriks ragam-peragam robust dan regresi linear robust. Pada penelitian ini dilakukan modifikasi fungsi bobot pada RSIMPLS dengan penduga-M Huber dimana setiap pengamatan akan diberikan nilai bobot kecil jika jarak robust dan jarak ortogonal pengamatan ke-i melebihi nilai batas yang ditentukan, dan untuk lainnya. Dengan demikian besar tidak hanya 0 dan 1, melainkan . Hasil penelitian menunjukkan RMSEP (root mean square error) pada metode modifikasi bobot lebih kecil dibandingkan RSIMPL