Pemodelan Regresi Logistik Robust pada Data Outlier Menggunakan Penduga Bianco-Yohai

Regresi logistik biner adalah regresi yang memiliki variabel respon (Y) bersifat kualitatif dengan dua kategori berskala nominal yang berdistribusi binomial dengan n=1 (Bernoulli). Metode yang sering digunakan dalam menaksir parameter pada regresi logistik adalah Maximum Likelihood Estimation (MLE). Akan tetapi,pada data yang mengandung outlier MLE kurang akurat dalam menaksir parameter sehingga dibutuhkan penaksir yang robust (kekar) terhadap outlier agar menghasilkan kesimpulan yang akurat. Tulisan ini membahas tentang penduga Bianco-Yohai yang robust dalam menaksir parameter pada regresi logistik biner yang mengandung outlier. Adapun metode yang digunakan untuk mendeteksi outlier adalah hat matrix dan DfFITS. Hasil penaksiran penduga Bianco-Yohai tidak dapat memberikan penyelesaian karena parameternya masih saling terkait sehingga digunakan metode numerik yang iteratif yaitu Newton Raphson untuk memperoleh nilai parameter sebagai penduga Bianco-Yohai. Pada tulisan ini, model regresi logistik diaplikasikan pada data sekunder Weschler Adult Intelligence Scale (WAIS) untuk melihat pengaruh skor WAIS (prediktor) terhadap kepikunan (respon). Hasil pengujian dengan uji Wald dan uji Hosmer-Lemeshow menunjukkan bahwa skor WAIS signifikan mempengaruhi kepikunan dan model taksiran logistik layak digunakan