{
&*
*
:ar . ' ,t:
,.i: ":,
C;:
=E
--;
P=
E#=9
2a
EI
4..
T'
1i..,: ;i ti,t .,,*
o
E
o
*,
o
=
tr
IEE
tl lao
Lr,
lll
-,iiCIi! .. .'"! j]y,*i,',J. ,r
L '{'!r'
o
{Jo
EE".
Gt2
Gi
a
LA98,
(Err
EO
h4llt- :,
TI
-o
ul
ulo
str
(!
E
fit F-
Lo
F
O ..,, *ttri:t L..,.r"\ .? '
1.,1|'i'
.i
"!3E
"''''r' ft I J
o
O-
I ra L ctut
s-o
tr
t-j ,.. ::: :::r ;t i!s,:t ra t; '1t .ji q :{ ..,!jj:1 -: '''11 ii.,r!,' t3 ;i'j;&L l:rtiall ir ' a ,u,,.,,,! ,,"..*
:.o
8E
8(E
:E
gI
hJ
ri ;a rti.t..,. lIPENGARUH
O'TZIER
TERHADAP ESTI
PARAMETER RE(:RESI
DAN
METODE
REGRT,SI
RORIIST
i GI]STI
AYI'
MADE
SRINADI
]mm
Ma@m.d!jLriiv4i6
Udayana, *ifudiiluniavmrdtarvahoo .o. dAbsiocl
Metode kuadBl
lerke.il (MKT)
adaLah salahslu
metode yansunun
disunakan unruk mengestimasi paEmerer pada Egresi linear.Akln le6pi
esimasi dcn8rn melode kuadBl terkecil mempunyaikelemans
kdika
d,li.r/p.ncil,n
rerdaplldalam data yang nenyebabkan
esdmlor
dari paraner$
bcNirar bias,M(T
buhnlah
prcsedur regresi yrngmDlsi
(egar) tshadap admyao!rie6.
Sebagaiatemstil
melode
rcsEsi
rur,r,
dlpd
disuaku
diantaranya:Mdi-l,
Li
k2i
I nad E e inatat
(M-I
e
iwt
ot),
scale - E eih d
ot
(s- E!
i
h d at).
d,n
Me t ho.tol
MoM
Eeinotot (.MM.-Lnihdo4.
Pada Denelitianini
disunakan dar.banpt.hn
beb€EpoLelonpo\
daE
)arg
mergodcrs
u,r/,,..
trino'
TaJpr
orlr/r
mayor p.da variabel responsebesi
5yo. lio/a,d^n
lsyo, M Esti atot
danS-rrrn
.rrl
menghasilie
eslimalor parameter ymg b€tsifar bias, khususny! unruk jenisorrrh
minor/mayor syo dan 15% pdd^M-E\tinato\
dan outliersminodnayor
l0%
prdn
S-Etiktut.
SedrngkanMM,rrliuaror
meopakanestimror
ya4
nemiliki
silin
rddar unuk enin.si
panneter^oefisien rcgrcsidan daprt nengarrsi pengadh
olt/ieri k,Ma nebd.
inimerghlsilhn
eslimatorpaiamerer yang tidak bias unlukliapjenis pencilan.
Klll
kd,cir
Mebde Kuadrarlekeil.
ReEesinobu,,
M-Er,id,r,a
S
Enituor
.MM-Eaituot.
O,r,er
merupskm dataylng
lidak mengikuli pola umum aau poladrb
edra
keeluruhan,
weisbeB [6].
o/i.r
dapat memenc!ruhi hasil estiDasiparamcl$ rcer.si.
jwa
dapat
odinbulkd
peldggnran
tehadlp
asumsikenomalan dat!.
(,irltutu
dalm
analisis regrcsidiprt
nenyebabkd
sisn
}!n8
besd
dei
n.!el
ylnE rerbenruk,kedslhan
dah
menjadi lebih bcsar ehinCgahentebabkan data
ddak
hodogen, Monigomery
I3l.
Jika adany, oltlier
dhebabkan karena
keelah.n
dalam mencabtanard
abu keqlanatr menyiapkanpeFla&n,
oullier
tersbut
dapal diabaikonata!
dibuds
sebelumdilaku(m
oalisn
dot..
Namun,tila
outlier ada bukan karenakeirbnan
p€nelni. terrpinemoE
meruplkaninfomGi
}!nE
lidakbie
dib.rikan oleh dala taimya oakaMetode KuadGt
Terkecil
(MKD acu ordimo,
lza,
.r4!m
(OLS) senngdigunald
dalameslindi
param.ler modcl rcercsili.ee.
Enimlor ra.e
dihasilkan
MKT
,k"n
bssifal tah
bias don
ensien(lkn
Li
eat
Uhbi^ed
,r,,arorBLUE)
jika konpond
liean
aEu galar nemenDhi bebeapr asunsiklasilq yaitD:
kenomilan,
kehomosendra8m.
d
ridal
bjadi
aurokorlasi.Mye6 [41. ,ika sdapat
pelan8gamn Erhadap asumsiteebu!
estimalor yangdipeBleh
b.Nilat
bi6
de
tidah efisien sehinsga model Egresi yans diperclehtidlk
cocokL,i,
ahadap dala yang dimodelkan.Meiodo yang dicunaksn untuk
eenghasilkd
Eodel regrcsi yrngbeisifrt
nt
mesldpun tedapalo,risl
dalm
dala adahn mebdeEersi
rcbust. MenurutRyo
[5], m.bdc
i.srsi
obun
meEiliki
sifori
(l)
ema
baiknya den8anMKT
ketik
sesua asumsikl6ik
terD€nuhii0)
dapalmensldilkan eodel
yang lebihbaik dari
MKT ketila
ada asumsilidal
leeenuhi;
dan(3)
eninsi
dilaku*anFBB
nedif
mpai
dipcoleh
du3@nledait
yd8 nemiln 34,r'e efur
paPwtel
palin9
k*il.
Dalm
pcnelitian
ini
metodeBgrcsi
obusl
yangdigu.akm.dalah
Scalersriraro/(S-Edihator),
MDim
Lj*z|ihoodEainatot
$n
Eithdar),
dan Method o!MoN,t
E\tikdat (\rM-Esth.lor).
Od,?r
plda analisis regr.si d,patteijtdi
pado vaiiabelbcbas/r/ep.,.L,,,
vsiabel
tlk
bebardeF,/r?,r.
aEu padatedu
vaiobel le6ebu1. Pada penelilianini
perhati.ndipusrtlan
untukoalEr
padavdiabel b€b$,
denurutjnisn!6
lnimr
natot
outliet)Aa
baayaknyao!/ier
(p€!st!*
o,/r,sr
trhadapdaa
Penelitidn
i.i
benujuan untuk melihal keieerEn terhodap sifatlcnomalan
sis@ sra
sifarkebkbien
estinalorpmneler
r.gresilines
sed.lhsa
daris-Estinatot,
M-EaiDataL
dN
Mv-Etindot
pid& da&
simulosi
yongnengoduns
"lrrcr
menuotjenisdd
banytknya.2.1
P.E.m!.n
R.gftst
Llnelr S.derh.m
Regresi merupakln alai sadstika y3ng
memr.fDtkd
hubn.gan anlaEdua ahu lebih vlriabel
kxdiiaiif
sohin$a salah sottrvdi.bel
dapaldiEm.lto.
dsri voiabel lainnya-
Rqrsi
linetr yme
hanya melibatkanslu
varisb€l Espondan
srtu
variabcl
bebasdhebut
Egrsi linar
sederhdna.Model
siap
p.naamaran
dinlarlko
denganiunus:
(2.t)
v: adal.h nilai
vriab€l
respon daldnmahn [e-i: xr
adtlah vdiabelb.ba
ydg
dikehnui nilainya
dalm
daun
ke-i;.r
adalannihi sisn/galat
yangneniliki
(22)
SrLn
elu
ftet
de
rlalm
&lisis
ECEsi yana
dEunakn
untukmene6lin6i paanererprftnerenya
adalrh Melode KuadBtTe*eil
(MKT).
Prinsip dasar MKT adal.h dcnsm
mesinimumknjuehn
kuadmtsisan.Unluk me.suji
apalah
adahubu,cd
dhF
Hriobel
respm
r
drnvsiabel bebas
,f
digunaksn Uj i F densEn hirotesis seba€li berikut:Hl
:tidaksmuaPkbemilainol
Tabel
L
Arova Bagi Model ReEEsi Line& Sededa.adenge db = deEjat
beb6j J(=
JumlahKudBt;
ffF
KuidmtTeqah
](7S
= Kuadmt Tengah Sisan.Kaid.h keputlson pada
laEf
nyalasbesr
a adalah :(i)
TeriDaH.jikaa <
44{u-:,
dar
PvqL\e>c
(ii)
TolakHojikal
>
ad,(r,,-,
alauP,qtue<
d
2.,
Ocdiq
Dalan
F,ccresiOrr,?/
adalahsru
alau lebih dala ymgridrk
bi.s,
tidak cocok darid!l!
lainnyr
abu
datayrn8
tidak mengikuti polaunm
drd
ke*lutuhan,
WeGbels[6].
Adsya
o!,/trr
munctin
diebrbk&
kena
kesaknan dalammelakuke
obsefllsi yang bissa disebul obsenasi ie&onlaminEi alau
,,r,?r
meopa(m
datarkumt dari kasus yangjamng.
Aralisis EgEsi mcmb.rikon suatu mod.l yans ecnsganMrkan hubungan
wnabe
itulepene
(xi,i=7,2,,.,,n
)
den8n
vadabeld.pade
(yi,i=
1,2,...,n
).
Model regEsi,eg
diperclchde.grn MKT
mensydad{aiasmsi
bahpa
siwdgal.t
dari mod.l yangdihailkrn
harusberdiltibusi
nomal. Tetapi dcnern .danyad,r,rr
ncnycbabk.. asmsi
kmomald
t ,l
brpEnuhi. Dalamanalisis
le8rsi, re'dapl
s^r
wiab.l
&pe,bnt
,os
disambarkm
padarcdlery.,or seblssi
lEh
},,
du
stu
dhu
b€beBpa vadabel,)]]/,p?del
pa&
I
7
KTs
=
-,
ndt.tplot
di9anba'lan
se6aEai a.a,hr.
Kebeden
dat!
o,/,er nun*in
terbpat Dada amh
],
pada aEh!
ahu padamh
kedutnya.Od,?r
p6daeto
vai.b.l.
mislkan
pada variabeld.p.nde.t
Y,dib.daktr
nenjadi minor outlier d.n miyor outlier
yeg
didefinhik
sebasnibenkd
;1. Minbr o,nief lhild
odier)
suatu nilai y dikaiakan
,i,or
o!Ir,,/jika nilri),
h.bul
bemda Dada:Q,-3lR
3y
<
Qt
l,slR
^tarQ3+7,slK<t<q+3JK
2.
Mdrat Oeli.r
@nrem outlier)Suatu nilai
I
dikatlm
zorl
o,,/€rjik
nilair leEbul b.Ed!
pado:y<q
3lr
^dtr>L+3JK
rK
adalahjangkauuob
kudil
{Qr-
Qr.
Dala
outlier dapaldite.ali
dengsn p€Deriksun secaBvkual
dei
daL
menrah
(rs
/da)
ar,u dan dAridiagBn
rencd/vateryht
lqiabfl
in&pende,xdd
vatinbel .lependet.
Padakaus kdika trdapat
lebib dad
dua v&iab€lindeNk&
, h.he$pnodier
nnn8kins.sal
sulir didehksiden3u
peseriksn
vhual,
diperlukd rlat bmto
yang dikenal dengan rcgresi diaE ostik)dg
dapalmetobaitu
d.la6
nend.tekri,,/trr
Melih
drlEr
pad!estimdi
MKT
dapatdiaki
dengd
nenggumldn
meiode estimEi
yoc
beftifat rcear tqhadaporli.,
yrng dikenal dengan re8rcsircb,r. Mouot Myer
[4], resEsi roD6r
merupotan melodeEcrsi
]sg
digunald
keika
distibusidei
sis.
tidat nomal
du
adanya beb€mpadr?/
ydg
bepengaruh p.d0 hasilanalnh regresi,Prosdur regresi
mr&v ditujukd
unlukoengrkon
d6i
adanya ker.ehandalo,
e*aligus
neniadakan
idedinkasi
adeyo
dala
,,rrl.
Chen
0l
nen,€burk
bebempa prcsedurestimlsi
pameter
&laD
regtsi
1016r,
ligadiani.rany, adrlah
M-Esikdor
(Muihm
likelih@d
ttry
estidator)
ynE
diperked0rkan
Hubs
rohun
1973,
S-Er,,d,or
l'cdle
etma@)
y,nc
diperkemlkan oleh
RduswuN
dan Yohoi poda lohun 1934$r&
,{,t{-rrrraror
(Method ofMonent
etinatat)
tmE
diperten.l*tr
olen Yohai pods lanun 1987.Enmasi
pmmeler denEd
nelodc ini
noggunakan
metode.r.turiv.,
,
61=medk,
nedtl/o.67as
(2.4)i,'asr^
Densan funs:ip.mbobo.w,
-
+matoDNmaL
,i=lwtlbL- x'')/6)xt=o
Pe6a6an
(2,6) di.olasikan kedalm
natrit:
xrhtxb= Xrwy
(2.6)
(:2.7)
Nilai
r
pad, runEsiobjeklil,,,/r,sme
dan pemb.bot pado Taber 3 adataha,,i,g
n t
t
ddr.i
=
€JA, dinhx anerwalan
enjnaror
sklta sisoan)as
sifahyarul,y
(eg*).
Kumh
.,zl
l2l
neryebutke
banwaM-rd;-,/or
efeklif
digunakan pada q=5% dengan
r
=
1.345 untukfrdgsi
pembobol Huber danr
-4,685 untuk p€nbobot Tukey BisquoE. Semakin b€str
r
hala
esrimGiDrrr,
arra
nendelGtilear
rruare.
M-trrlraror
dipudang baik dalammenA*rihdi
pdmerer
)angdhcbabktr
olehd^6
outlietdn
enitiki breahlot,
poi
ttn.
dengan n adrlah
bdylknya
,lot
peng.ftailn.
,pa*zioyr
lDrird adalah prcpoBiminimal
ddi
banlakn}!
data
pencilandibsdinskai
denganseturh
dlla
peiennltan.
M-rsrlzarol
meminimumkn rungsiobj.krir
:li-pci)
=Zi=1pcr/a)
=ri=1p(Ot
x;b)/6)
t.2.3)a ncrupakan estimotor
sk
lasi@
yans sifahraro6u,
(tesar, Nitai a dipestehdengan
j
(l=
l.2....ladalahilemsi.BitanbesrdansisanbedislribNiiomal.
ft,ka
deneo. kon nanh 0.6745 Denyebabkd A bssifat t,rrbi6,
Montsloery [3].
Deryar
l=p'adalah
dari
p
yoe
merupakd
t/tueea
,,.rio,,
m.ka untukmeDinimunk
npepm@n
(2.r) lLi-1t(!t xb)/6)xt=o
(2.s)\t(,) netupak
il"ehk
J,nctia,,!nB
diguiakandalm
nempeoleh
b.bd
.abrl2.
Lrg.:obtehr..
/44,.m
rrax,aJdn
Fungj
pemb.tr
MJ,xadrr,
..,
l.l';.,"
".,=1r..,,,.
.,.,.1;l'l'(:il'l
Pe*antu
(2,7)
dnebut,ererred lea
.
YeiEhted]e.t
sqhres
E$ebtr
dapatdieunaka. sebagai
alrt
unruk mendapatkanM-trrDa,of,
sehinggahasil
dlri
e$imsi
pamnorer menj.di :b= (xrwx)
lxrt/,
(2.3)Saara
unum
prossdur untuk netutaparkanBtimasi
pamDeEr dcnEanletdiet
Re\|lishk
t 12aa Squoes(lRrS),
adalah sebasai berikur:l)
Menaksnpdmcler rqresi
nen8gunaian Lzsrs4l,8,
sehingg! didapattan,r,0
dandidapaikd
resid0,l Eo.dinda.l!
=
yr-
ii,o
(,=
l,2,...,)
yane diporlakuk.
sbigai
nilai awal2)
Darinilai-.ilai
residuallerpbur
ditentukM,(0)
da
tungsi pembobol owal.
Mlai
U(E;)dihitunsesui
rungsiHuber6s
=
nhaa@Q),
.-- ,a@))
(2.31dimtua
a
adalahp€ndu$
skala/drsr
yanshenenuhi
i:l,rf);
=
a,
dinrm
6
adalahkonsrani, yang
didefinniko
d=t(o,p(-))
dimaia
o
berdinribBi
nomal
MdaL Enim6ror Shenlunyai
nilai,prMor,
ringgi yaitu2.3.1
MM-E],
otot (MethatlofMoht
htEstimt.r)
Mv-Etindat
ne
p*an enindal
yanA menpunyai silarr,r,,
yangiinggi
danefektil
ledadapo,r,ei
MetodeMM-rrri,ara. nei.lui
du
hhap.3)
Mencari e$imasi pada iErasi t ( t-
t.2.
...
) denedn ||eishted leNt squa4: bt=
(xrwa){)-1xrwi1!
den8a.
rtr
1 menpolonnatiks
diagonal dengan elemen diagonalnla adalahw
1.
sehingsB estimasiplrameter pada
ilemsi
petuna
( /
=
I
)mengEumlan rr
.
dai
wr o4)
MoshiMsri=,!y,
-
ir,lalau
Xi=1k,i!
5J
McnBuld8 iahap 2 - 4 hinssa didaparkanti=1
nrl
yans konvssen(slnin
br+1 dan bi hendeknti 0).
2.J.2
S-Eiihdor
( ScaIe-E$
aror)s-b
ndardipa*r
altu
olehRoulteeu,
dan yohai pado tohun19U.
\-E
i-de
dapaime.gidedinksi
6add,lenarion
ysg
bc6ni
dapd nenb€daks@d
leyeras.poiit
dn
badlewaEe
poitn
CoodLktus.
paint
runpa*d
penBrnatan
ya.g
lerpencil padalrriabel
-Yretlpi lerletlk
dekal densan aarisEgresi (pengamaim
:,
me.jaun teEpi,
cocok dcngan garisrgtsi).
sedlnekanbad
k|emge
poihtne
pakn
$n8amotan y€nglelpeicil
pada variabel bebas,Yd4
terlehkjauh
darisalh
rcsresi. Untuk mensBlasi hol tesebul dip.dukanr,g,
bpo*noin
?oiht, chen [11.s-biado.
ncrupakan e$imatoryoc
memiliki,rs,
breatulorn
poid
n
*
nd9estinasi
sk lasitu
a.
s-leirda
meminimumkanPertama, menge$imasi
paraneer
egtsi
awalda.
msnghirungr.ald
.!.i,,r.r.
denCd metode
S-rrirrdi
Kedua, ftengeninasipemeler
regresi akhn denSo.M-EdiDatt
AadauDumnya
MM-Arizoror
nenggunakannerode
TukeyBisq@e.
MM-A,i,otorjuga
oe\Es!,a\n
tRLs
(temlivet
Re||eishtedLe6t
,sqmft)
unluk
mencariestimci p@meEr rcsr.si.
hngklh"lanskah
eslinasiparameler pada
MM-rsrrhardl
adalah ebaCai b€rikulll,
Menghitung estimator awal,.d
dan.b
dengan mengllunakans-rJri,,/o/
(hichb4kda||
poid)
2.
Dari nilairesidul
ei!
ya.S dipeslch p3d!legkah
I , ditenlu kan e$imator.lJ,"r,.
dlitungpu.
oenooborasrl
wo.
::-i.
u'.r-
=.,/o!
ddr u,o
dih irung ses@i tungsi Tu key B kquare
I
Nilai residual€h
denAanesrimroi
sk la4
panabnsklh
2 disunakan dllam& =
txrw-1xf lxrW_J
denCM t41
r
meflpakan matiksdirgtral
dengan eiemen diagomlnya adalahwri-1.
Sehi.ssa
estimasi pamDeterp.da
ileosi
pertlm!
( / = I
)M
gl
tungXl-,
/i
-
,.
r I aau ,i=116,1lMenslld8i
la4kah
2 smpai 4 hiiggadidapatts
ti=1ls.r]
ldg
konveEen rselhhr,
I
donb.m.nd.br
0'.dme,
/adalahban)abJdrem.i.
Bedlsil{an
luiuondalm
penclni.n
ini
vaitu melihatsiiii kerrtdi@
enimaror
pandeter Eeresi
linear sedshana
da
MKT.
S-rsrrdD4
M-EnintuL
d
MM-Eainatot
p!d!
dlla
simulrsi
yanEheneodung,//ie.
menuruljenis
dan banyaknyr, dalampmelitian
ini
d,,/rr
hanyatetadi
pidapenbrh dependerrt
Y.
Kumpulu dat. ya.e diddlisis
mencakup dataymg
mengddun8
airor-orriar
seb€sr
5%,
l0%, dan
15% serrs dala-data yangnengrndung frEyorcudier
sebes
5yq 105,d..
I 5%.Drh simulsi
awal(hpo
d,ror)
dibangkitkd data b€rdistibusi
.omol
denEn
f,(yl.)O
=
z+x,
sclanjuhyau.tok hehe.uhj klileri! dal!
mensddung jenisd&
banyako,lier
tertentu,dilolakan
deqan
me.gganrisejuhhn
daladeqr.
dab
o//r'er
sesuai3.1 P€ltngga6n
AsumsilGmrE.lar
Pd,
MKT
Karena
d!&
yanC digunakan odaloh dab simulas! ysng mencnuhik
&ria
jenis
danbanyal
ourlis. nska loskah pemer&sn o!i/,br tida(
dilokukan.Aplbila
d!1a dergm,!ltl
tnebul didalish
dengan MKT, 6akadip.rlihalkn
dihdilkn tidlk
menggdnbaGn
keadandiuEikd
dalam Tab€ll.
Uji
kcnomalanDarlins Dada
bral
nyala 5%..Gambar
1a.
Plot xenomalan shaan
MKrdaii
yan8
s.sungerhny!
sepenidru
ncnaEumkanUii
Ande^o.-Unfuk
smu
kumpdM
drh
dengd
je.is dln
bmyakpencild.
apabil.mengeunEkan nerodc s-Erriu ardL
M-EtiMtot
d8
MM-Eeindof,
sis@ ycna
dihasilk n
pmunlB
lelah memenuhiaslnsi kenomahn.
tul
iniDqunjuklan
keriga
h.iode EcEsi ro66r
leEebutmopu
nen8atasimaslah
peldggaEi
asunsi
k nomols
yangdili
bulkd
k,@naadanla,!/,sr
dald
dala.lb.
Plot
&noh.lan
Si5aanE
tinotar
o,rliet
s%t-Tabel r.
H
iluii
Kmomal.n Sis@ RepFsi dengs MKTT
T
M
I
I
r
I
T
I
T
I
T
T
T
I
I
I
I
I
[image:9.595.18.567.143.809.2]Gambar
1c,
Plot
knonalan
Sisaan ME
.-ni'tri
Gambar
1d. Plot
Kenormalan sisaanMM-3.2, Sifat
KetatbiM
Esrimllor PaBmeter RegrcsiKdrena
MKT
lidal
memenuhi asuosi kenomalan- matasi&l
keialdiasan esdnaror dalipdneier
Fgesi
dilihai prda SErriraror.
M-rrrlnarrr,
danMM-,sr,,,d
sifat kelakbien
dilihal
padaslona
*epeMym
9s%ptuerer
resesi.
apabila.ilai
haBpan paBmeterrcsesi,
yanuE(rJ
=
&
=
1
bqadapada selans keperca)@n yang disusun b€rdasarkan
nilai
&
mak
dik
lakan6dmator
&
betsifat tidakbi!s.
Defrikiai
j!ca, lpabih 3(r0) = ,o =
2
bemdapada
*lang kepeMrrtu
yrns
disusn.b&d&rtan
nilai
lo
mata esliDator,0
b€Bifat ridak
bis.
sifat
keb}bidn
s-Estinttof,
M-Enindof,
da
MM-Elri,zrdr
secm rincidiuoikd
pad.Trb.l
4, Tabel 5.dd
Tabtl 6.Taber 5. Selang
Kepetaytu
95%fi
dn
Fr
ddriM-Btindor
Kd.
T= ridalbis,
B=bi6
Berdasark.n
hasil
yang diuraikon dalam
Tabel
5. 6,
dan
7
nak,
lerlihat
bahwa keri8a melode regresirrrrrr
menghasilkaneninalor
lid.*
bias
nntuk
parameterlo
poda semuajenn
dan banyakoullier dalan
data. sedanskanu.luk
ostimator paBmeterll
padas-Errra,,r
diperoleh eslimalor yangbid
pad, daa yana nm8onduns outliershmyak
l0%
u.tut
jenisninor
dan mayor pada posisi baNah dan tengah
dah,
Pada M-Estimator! estimabr yargbi,s
untok
paroneter
&
diperoleh pada
dlta
y!.s
mel8&dung oullier
sebany,k
5%
untuk
jenis minor
dan
mayor
psd!
posisi
ahs
dali
dda.
Sedangkan
MM-Estimaror
nemberikrn
cslinalor
tak
biasu.ruk
parameter&
pada semuajenis
dan banyak
ourlier
di
seoua
DosGidala.
Hal ini
mcmperlihatlian
tahv!
dia.iara
keriaa metodee8rcsi
robu$
yangdi.mali,
MM-Estimator netupakan
m.iod.
ya.s ocmiliki
kekekaranyang
palinBr:nEei
d,'aa
rengdari perbarul o//,ardoLam anol.'n resEn.
lll
Che\
C.,fhe
Robun Regression ann Ouni?tD.kdion
With Th!Robnteg
Ptucedoe. Papet 265-267. SAS lnsitute. Cary, NC. 2002.
l2l Ktmic.Pe,et
al.,Prdical
Robust FitolEnztm. khibition Dda,Mernans
in Enzymolo8y. 333:166-181, 2004,
[]l
Monr8o6ery,D.c.ed
Pect.E.a,, tntrcd@ia.
toLiMr
Pcsre$iar
,,1,,4,r,,t, 2'd Edition,.rohn Wileyand Sons Inc.. 1992.
l4l
Myas,p.Jl.,
cldlical
ohn Modem Resesionlvjk,4pplicaiah,2n
Edition.Duxburyflompson
f.ming;
1990,l5l
Rlan, T.P..Modm
RellBsion
Meiiodi
A