Perbandingan Metode Least Trimmed Square (LTS) Dan Penduga-S Sebagai Metode Pendugaan Parameter Regresi Robust

Metode Kuadrat Terkecil (MKT) merupakan salah satu metode pendugaan parameter dalam analisis regresi linier. Penggunaan metode ini harus memenuhi asumsi-asumsi analisis regresi linier yang ada. Beberapa asumsi itu antara lain bahwa galat harus menyebar normal, ragam galat homogen dan tidak terjadi autokorelasi. Tapi pada saat asumsi tidak terpenuhi, misalnya disebabkan adanya outlier, maka MKT tidak dapat digunakan. Diperlukan metode lain jika asumsi tidak terpenuhi yaitu metode Regresi Robust. Hasil analisis dari regresi robust ini dapat dipercaya meskipun data telah terkontaminasi oleh pencilan. Metode pendugaaan parameter regresi dalam metode Regresi Robust antara lain metode Least Trimmed Square (LTS) dan penduga S. Penelitian ini bertujuan untuk membandingkan Least Trimmed Square (LTS) dan penduga S didasarkan pada kriteria MSE bagi masing-masing model. Keberadaan pencilan berpengaruh mempengaruhi perubahan koefisien regresi yang dihasilkan baik pada intersep maupun koefisien regresi yang lain. Keberadaan pencilan berpengaruh ini juga berdampak pada perubahan nilai Mean Square Error (MSE). Berdasarkan hasil penelitian dapat disimpulkan bahwa penduga S merupakan penduga yang lebih baik digunakan untuk data yang mengandung pencilan berpengaruh karena memiliki nilai Mean Square Error (MSE) terkecil daripada metode LTS