Pendugaan Parameter Regresi Robust Dengan Metode Least Trimmed Squares (LTS)

Analisis regresi merupakan analisis yang digunakan untuk mengetahui dan mempelajari suatu model hubungan fungsional linier antara satu peubah respon Y dengan satu atau lebih peubah prediktor X. Penggunaan OLS sebagai metode pendugaan parameter model regresi tidak akan cukup baik jika terdapat pencilan pada data. Adanya pencilan akan menaikkan ragam galat yang dapat menyesatkan keputusan Oleh karena itu diperlukan suatu prosedur baru yang dapat mengakomodasi pengaruh pencilan yaitu regresi robust . Salah satu metode pendugaan parameter dalam analisis regresi robust adalah metode Least Trimmed Square (LTS). Prinsip metode ini adalah meminimumkan jumlah kuadrat galat pada sub gugus pengamatan h. Untuk mendapatkan penduga yang mempunyai nilai breakdown yang tinggi maka digunakan h optimal. Tujuan dari penelitian ini adalah mengetahui perbedaan hasil pendugaan parameter koefisien model regresi linier robust antara metode LTS dan OLS dan membandingkan keakuratan model yang dihasilkan berdasarkan kriteria 2 adjusted R dan Mean Square Error (MSE) pada data yang mengandung pencilan berpengaruh dan data yang mengandung pencilan tidak berpengaruh. Data yang digunakan adalah 4 data sekunder yang memenuhi asumsi analisis regresi, di mana 2 data mengandung pencilan berpengaruh dan 2 mengandung pencilan tidak berpengaruh. Dari hasil penelitian dapat disimpulkan bahwa terdapat perbedaan sebagian tanda dan besarnya nilai penduga koefisien model regresi yang dihasilkan dari metode LTS dan OLS, model regresi yang dihasilkan dari metode LTS lebih akurat daripada metode OLS pada data yang mengandung pencilan berpengaruh dan data yang mengandung pencilan tidak berpengaruh