PENDAHULUAN TINJAUAN PUSTAKA
|
|
- Sudomo Susman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1 PENDAHULUAN Latar Belakang Analisis regresi berguna dalam menelaah hubungan antara sepasang peubah atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui sempurna sehingga dalam penerapannya lebih bersifat eksploratif dan mengakar pada pendekatan empirik. Dalam penilaian ketepatan model regresi tidak cukup hanya didasarkan pada besarnya nilai R 2, maupun koefisien regresi atau nilai-t dari koefisien regresi tersebut. Diperlukan metode berupa pemeriksaan sisaan lebih seksama yang menyangkut antara lain kemungkinan adanya pencilan, masih adanya struktur dalam sisaan serta masalah pola sebaran dari sisaan. Metode Kuadrat Terkecil (MKT) dikenal sangat peka terhadap adanya pencilan. Model penilaian aset modal adalah model yang digunakan oleh para investor untuk menghitung resiko investasi dan hasil investasi yang diharapkan. Dalam menilai resiko suatu saham, apakah saham tersebut layak dibeli atau dijual, investor menggunakan indikator resiko berupa nilai koefisien regresi β. Nilai koefisien β ini diduga menggunakan analisis regresi MKT. Masalah pencilan pada pendugaan MKT dapat diatasi menggunakan metode pendugaan yang bersifat kekar terhadap pencilan yang dikenal regresi robust. Dalam regresi robust terdapat beberapa metode pendugaan, antara lain adalah penduga robust M, Least Median of Squares (LMS), Least Trimmed Squares (LTS), S, dan penduga robust MM. Tujuan Tujuan dari penelitian ini adalah: 1. Menduga kestabilan nilai koefisien β dari model penilaian aset modal. 2. Membandingkan hasil pendugaan antara regresi pendugaan MKT regresi robust penduga-m. TINJAUAN PUSTAKA Pasar Saham (Stock Market) Saham merupakan bukti kepemilikan seseorang pada suatu perusahaan (Marwan 2003). Bentuk fisik saham adalah selembar kertas dan pada saham tersebut dinyatakan bahwa pemegang saham adalah pemilik perusahaan. Selain itu, saham juga dapat diperjualbelikan. Seperti pasar lainnya, bursa saham menjadi perantara antara pembeli dan penjual. Indeks harga saham di Bursa Efek Indonesia (BEI) terbagi menjadi lima macam, yaitu : 1. Indeks Harga Saham Gabungan (IHSG), menggunakan semua saham dan tercatat sebagai komponen perhitungan indeks. 2. Indeks Sektoral, menggunakan semua saham yang termasuk dalam masingmasing sektor. 3. Indeks LQ 45, yaitu indeks yang terdiri dari 45 saham yang terpilih setelah melalui beberapa tahapan seleksi. 4. Jakarta Islamic Index (JII) menggunakan 30 saham yang termasuk dalam kriteria syariah. 5. Indeks Individual, yaitu indeks harga masing-masing saham terhadap harga dasarnya (BEI 2007). Model Penilaian Aset Modal Model penilaian aset modal adalah sebuah model ekonomi untuk menilai saham, suratsurat berharga atau aset berdasarkan hubungan resiko dan hasil pengembalian yang diharapkan. Bentuk dasar dari model penilaian aset modal adalah hubungan linear antara pengembalian yang diharapkan resiko pasar yang diharapkan. Formula model penilaian aset modal: r = Rf + β(rm-rf) dimana, r = Tingkat pengembalian yang diharapkan Rf = Tingkat pengembalian bebas resiko Rm = Tingkat pengembalian pasar yang diharapkan (Sharpe et at. 2008) β merupakan resiko keseluruhan dalam berinvestasi pada pasar modal. β diperoleh analisis regresi pengembalian harga saham gabungan dan saham individu harian pada periode yang sama (McClure 2006). Bila β = 1, maka harga saham individu akan berubah sama pasar, jika β < 1 maka harga saham tidak mudah mengalami perubahan dibandingkan pasar. Sedangkan jika β > 1 maka harga saham akan lebih mudah mengalami perubahan dibandingkan pasar (NIC 2008).
2 2 Regresi Robust Regresi robust merupakan alat yang penting untuk menganalisis data yang terkontaminasi oleh pencilan. Regresi robust digunakan untuk mendeteksi pencilan dan memberikan hasil yang resisten terhadap adanya pencilan (Chen 2002). Prosedur statistik yang bersifat robust ini ditujukan untuk mengakomodasi keberadaan data ekstrim dan sekaligus meniadakan pengaruhnya terhadap hasil analisis tanpa terlebih dulu mengadakan identifikasi terhadapnya (Aunuddin 1989). Perubahan yang terjadi pada koefisien regresi yang disebabkan oleh disisihkannya pencilan dalam pendugaan akan memberikan petunjuk tentang besarnya peranan pengamatan tersebut terhadap persamaan regresi. Oleh karena itu, pengamatan tersebut tidak dapat disisihkan karena mengandung informasi penting. Namun bila suatu pencilan disisihkan tetapi tidak berdampak besar terhadap persamaan regresi maka penyisihan pengamatan ini sebenarnya tidak menghilangkan informasi penting. Beberapa peneliti menyarankan penggunaan metode regresi robust sebagai pengontrol hasil pendugaan menggunakan MKT, bila kedua hasil tersebut tidak berbeda jauh maka hasil MKT dapat digunakan lebih yakin, sedangkan kalau terdapat perbedaan yang mencolok maka sisaan dari hasil metode regresi robust lebih gamblang dalam menggambarkan pengamatan mana yang perlu mendapat perhatian lebih lanjut tanpa memerlukan tehnik diagnostik yang khusus (Aunuddin 1989). Bentuk umum model linear adalah : dimana, y = vektor respon berukuran nx1 X = matriks berukuran nxp β = vektor parameter berukuran px1 e = vektor galat berukuran nx1, n = ukuran contoh p = banyaknya parameter Terdapat 3 kelas masalah yang dapat menggunakan tehnik regresi robust, yaitu : 1. Masalah pencilan yang terdapat pada peubah y (respon). 2. Masalah pencilan yang terdapat pada peubah x (penjelas). 3. Masalah pencilan yang terdapat pada keduanya yaitu pada peubah y (respon) dan peubah x (penjelas). (Chen 2002) Chen (2002) mengemukakan bahwa regresi robust terdiri dari 5 metode penduga, yaitu : 1. Penduga robust M Metode penduga robust M pertama kali diperkenalkan oleh Huber pada tahun Penduga robust Least Median of Squares (LMS) Metode penduga LMS adalah metode diperkenalkan oleh Rousseeuw pada tahun Penduga robust Least Trimmed Squares (LTS) Sama halnya penduga LMS, metode robust LTS merupakan metode diperkenalkan pertama kali oleh Rousseeuw pada tahun Penduga robust S Metode robust S juga merupakan metode diperkenalkan pertama kali oleh Rousseeuw dan Yohai pada tahun Penduga robust MM Metode robust MM adalah kombinasi antara metode High Breakdown Value penduga-m. Penduga-MM ini diperkenalkan pertama kali pada tahun 1987 oleh Yohai. Penduga Robust M Penduga-M yang dilambangkan t(x 1,...,x n ) merupakan penduga yang meminimumkan fungsi objektif ; Seringkali ; tergantung pada fungsi x dan t dalam bentuk, sehingga dapat ditulis. Penduga t adalah nilai t yang diperoleh menyelesaikan persamaan 0 jika ψ adalah turunan pertama dari ρ maka
3 3 0 (Hoaglin et al. 1982) Penduga t jelas tergantung pada sebaran data, karena fungsi ψ(-) diperoleh dari fungsi sebarannya. Penggunaan fungsi ψ(-) yang didasarkan pada asumsi kenormalan akan menghasilkan penduga t yang tidak tepat, sekalipun sebarannya mirip normal namun memiliki ekor lebih panjang. Penduga robust didapatkan memilih bentuk fungsi ψ(-) sehingga menghasilkan penduga yang robust yang tidak banyak berubah meski terkontaminasi oleh data ekstrim. Adanya kontaminasi data ekstrim menyebabkan setiap pengamatan menerima penimbang w i yang berbeda. Staudte & Sheather (1989) mengemukakan bentuk fungsi ψ(-) menggunakan fungsi penimbang yaitu: 2. Fungsi penimbang yang disarankan oleh Tukey memakai fungsi obyektif ; ; 1 ; 0 ; dan fungsi penimbang 1 ; 0 ; 0 Pada penduga robust M terdapat banyak macam jenis penimbang yang dapat digunakan, diantaranya: 1. Fungsi penimbang yang disarankan oleh Huber memakai fungsi objektif 2 ; 2 ; dan fungsi penimbang ; ; ; / ; 1 ; / ; Gambar 1 Fungsi p(u) dan w(u) untuk fungsi Huber. Gambar 2 Fungsi p(u) dan w(u) untuk fungsi penimbang ganda Tukey. (Aunuddin 1989) Pengaruh besarnya simpangan u i terhadap nilai dugaan dapat dilihat dari perilaku p(u) atau w(u) (Gambar 1 dan 2). Berdasarkan kurva p(u) terlihat bahwa kedua fungsi penimbang tersebut berperilaku mirip rataan dalam selang tertentu di bagian tengah data, di luar batas tersebut pengaruhnya menjadi konstan pada fungsi Huber dan mengecil menuju nol pada penimbang ganda Tukey (Aunuddin 1989). Sedangkan dari kurva w(u) terlihat bahwa fungsi Huber memberikan penimbang sebesar satu untuk u k dan mengecil pada u > k. Pada fungsi Tukey, penimbangnya mengecil setelah u beranjak dari nol dan ketika u > k penimbangnya nol (Fox 2002). Dengan kata lain semakin besar simpangan mutlak u i akan semakin kecil penimbangnya begitu pula sebaliknya harapan memperkecil dampak dari pencilan. Pemilihan konstanta k pada regresi robust bertujuan menentukan penduga robust untuk pencilan dan penduga efisien. Bila nilai konstantanya kecil maka model regresi akan lebih robust tetapi kurang efisien. Sedangkan
4 4 bila nilai konstantanya besar maka model regresi akan kurang robust tetapi lebih efisien. Lu (2004) menyatakan bahwa konstanta yang menghasilkan efisiensi 95% dimana galatnya normal serta selalu memberikan perlindungan terhadap pencilan yaitu konstanta sebesar k = untuk fungsi penimbang Huber dan sebesar k = untuk fungsi penimbang ganda Tukey. Konsep-konsep yang telah diuraikan di atas digunakan dalam pendugaan koefisien regresi. Pada pendugaan koefisien regresi sederhana penduga-m dilakukan menggunakan persamaan 0 0 Jika w i sebagai fungsi penimbang maka bentuk persamaan diatas menjadi, 0, 0 (Hettmansperger & Sheather 1991) Pendugaan koefisien regresi penduga-m dilakukan metode pendugaan kuadrat terkecil penimbang iteratif (Lu 2004). Dimana prosedur pendugaan ini membutuhkan proses iteratif yang mana w i ditentukan oleh pendugaan sebelumnya. Nilai w i akan berubah pada tiap iterasinya sehingga diperoleh dan. Koefisien regresi dan yang dihasilkan masing-masing memiliki sebaran. Sebaran ini berfungsi untuk mengetahui ukuran pemusatan dan ukuran penyebaran dari dugaan. Dimana ukuran pemusatan dilihat dari hasil nilai dugaan yang sama nilai sebenarnya sedangkan ukuran penyebarannya dilihat dari nilai ragam dugaannya. Besar kecilnya nilai ragam ini menjadi petunjuk mengenai tingkat ketelitian dari dugaan yang diperoleh. Beberapa peneliti menyarankan untuk mendekati sebaran koefisien regresi dan sebaran asimptotiknya. Hal ini dikarenakan adanya proses iterasi penimbang yang nilainya tergantung pada sisaan yang menjadi sumber kesulitan. Sebaran asimptotik dari dugaan koefisien diperoleh persamaan regresi Dalil 1: jika nilai β = 0 adalah benar maka Berdasarkan dalil 1 maka persamaan Dengan asumsi bahwa = 0, dan persamaan di atas sama nol maka 1 1 konvergen dalam sebaran terhadap sebaran normal nilai harapan 0 dan ragam 1 1 1
5 5 1 1 Besaran ragam di atas disebut sebagai ragam asimptotik dari koefisien. Sedangkan konvergen dalam sebaran terhadap sebaran normal nilai harapan 0 dan ragam Besaran ragam di atas disebut sebagai ragam asimptotik dari koefisien. Galat baku diperoleh dari akar kuadrat ragam asimptotiknya. Dalam prakteknya, besarnya nilai,, dan harus diduga dari data. Dimana sedangkan diduga dan diduga Faktor merupakan faktor koreksi untuk membantu mengontrol bias (Hettmansperger & Sheather 1991). BAHAN DAN METODE Bahan Sumber data yang digunakan dalam penelitian ini adalah indeks harga saham harian gabungan dan indeks harga saham harian individu dari 3 Januari 2003 sampai 14 Mei Indeks harga saham harian individu yang digunakan dari perusahaan PT. Telekomunikasi Indonesia Tbk (TLKM). Data dicatat sesuai banyaknya hari kerja yaitu satu minggu terdiri dari lima hari dan hari libur tidak dicatat. Data diperoleh dari Pusat Referensi Pasar Modal (PRPM) Bursa Efek Indonesia (BEI). Data pengembalian harga saham pada waktu ke-t dinotasikan Z t, formula sebagai berikut : ln dimana d t adalah indeks harga saham di pasar pada waktu ke-t, sedangkan Z t adalah pengembalian harga saham pada waktu ke-t. Pengembalian harga saham gabungan merupakan peubah penjelas (X) dan pengembalian harga saham TLKM adalah peubah respon (Y). Data inilah yang akan digunakan dalam pembahasan selanjutnya. Metode Tahap-tahap analisis pada penelitian ini adalah: 1. Menduga β mengunakan pendugaan MKT 2. Menghitung parameter Menghitung galat baku u r 4. Mendefinisikan penimbang berdasarkan fungsi penimbang: w i = w(u i ) dimana konstanta untuk penimbang ganda Tukey sebesar dan untuk penimbang Huber sebesar Memperbaiki penduga berdasarkan regresi kuadrat terkecil tertimbang penimbang w i. Sehingga diperoleh penduga-m satu tahap. 6. Ulangi tahap 2-5 sesuai banyaknya iterasi yang telah ditentukan. Sehingga diperoleh penduga-m akhir. 7. Menghitung parameter akhir, yaitu: Menghitung nilai u i u r 9. Menghitung nilai yang didekati 10. Menghitung nilai yang diperoleh dari rata-rata 11. Menghitung ragam asimptotik penduga-m dimana ragam asimptotik untuk sebesar dan ragam asimptotik
TINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.
TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau
Lebih terperinciPENDUGAAN MODEL PENILAIAN ASET MODAL DENGAN REGRESI ROBUST ANDRIANI
PENDUGAAN MODEL PENILAIAN ASET MODAL DENGAN REGRESI ROBUST ANDRIANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 ABSTRAK ANDRIANI. Pendugaan Model Penilaian
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel yang lain. Analisis regresi merupakan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis yang menjelaskan tentang
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang menjelaskan tentang hubungan antara dua atau lebih variabel. Variabel dalam analisis regresi, dibedakan menjadi dua yaitu
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB I PENDAHULUAN. suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penaksiran koefisien-koefisien regresi linier, biasanya kita digunakan suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciHASIL DAN PEMBAHASAN. Algoritma Cepat Penduga GS
HASIL DAN PEMBAHASAN Algoritma Cepat Penduga GS Sebagaimana halnya dengan algoritma cepat penduga S, algoritma cepat penduga GS dikembangkan dengan mengkombinasikan algoritma resampling dan algoritma I-step.
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA = (2.2) =
BAB 2 TINJAUAN PUSTAKA 2.1. Regresi Linear Berganda Regresi linear berganda adalah regresi dimana variabel terikatnya dihubungkan atau dijelaskan dengan lebih dari satu variabel bebas,,, dengan syarat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah metode statistika yang digunakan untuk mengetahui hubungan antara variabel terikat (dependen, respon, YY) dengan satu atau lebih variabel bebas
Lebih terperinciBerdasarkan hasil penelitian tersebut, menunjukkan bahwa tingkat pengembalian saham sektor infrastruktur, utilitas dan transportasi mempunyai
ABSTRAKSI Secara umum, keberhasilan investasi dalam mendapatkan keuntungan sangat ditentukan oleh faktor ekonomi disamping itu juga, kinerja manajemen perusahaan dan lingkungan industrinya juga ikut mempengaruhi
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciTINJAUAN PUSTAKA Kalibrasi Ganda Regresi Kuadrat Terkecil Parsial ( Partial Least Squares/PLS) 1. Model PLS
TINJAUAN PUSTAKA Kalibrasi Ganda Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada Y yang tidak diketahui berdasarkan informasi pada X yang tersedia
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE
48 Jurnal Matematika Vol 6 No 1 Tahun 2017 ANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE S-ESTIMATION OF ROBUST REGRESSION ANALYSIS USES WELSCH AND TUKEY BISQUARE WEIGHTING
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciForum Statistika dan Komputasi, Oktober 2009 p : ISSN :
, Oktober 2009 p : 26-34 ISSN : 0853-8115 Vol 14 No.2 METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) (Variance-Covariance Matrix Estimation Method for Principal Component
Lebih terperinciProsiding Seminar Nasional Hasil - Hasil Penelitian dan Pengabdian LPPM UMP 2014 ISBN Purwokerto, 20 Desember2014
Pengaruh Risiko Sistematis dan Resiko Tidak Sistematis Terhadap Expected Return Saham Perusahaan Manufaktur di BEI Jakarta dengan Pendekatan Koreksi Beta Niken Wahyu C 1., Aminul Fajri 1 1 Fakultas Ekonomi,
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan
TINJAUAN PUSTAKA Analisis Regresi Linier Berganda Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan memodelkan hubungan diantara peubah-peubah, yaitu peubah tak bebas (respon) dan
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciREGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH. oleh IDA YUSWARA DYAH PITALOKA M
REGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH oleh IDA YUSWARA DYAH PITALOKA M0108046 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciPENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 2
Edisi Juli 014 Volume VIII No. 1 ISSN 1979-8911 PENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 1, Jurusan Matematika,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan kerangka teoritik yang telah dijelaskan pada Bab II maka tujuan penelitian yang hendak dicapai antara lain : 1. Memberikan bukti empiris baru
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciHASIL DAN PEMBAHASAN
Konsentrasi lemak ikan (%) Kandungan zat aktif (absorban) HASIL DAN PEMBAHASAN Deskripsi Data Berdasarkan data yang digunakan dalam penelitian ini, akan dilakukan pengidentifikasian multikolinieritas.
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciPerbandingan Metode Robust Least Trimmed Square Dengan Metode Scale
Perbandingan Metode Robust Least Trimmed Square Dengan Metode Scale Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data Yang Mengandung Pencilan Musafirah 1, Raupong 2, Nasrah Sirajang 3 ABSTRAK
Lebih terperinciJurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN
Metode Regresi Robust Dengan Estimasi Method of Moment (Estimasi-MM) Pada Regresi Linier Berganda (Studi Kasus : Data Indeks Harga Konsumen (IHK) Provinsi Kalimantan Timur) Method of Robust Regression
Lebih terperinciANALISIS KETEGARAN REGRESI ROBUST TERHADAP LETAK PENCILAN: STUDI PERBANDINGAN
Bulletin of Mathematics Vol. 03, No. 01 (2011), pp. 49 60. ANALISIS KETEGARAN REGRESI ROBUST TERHADAP LETAK PENCILAN: STUDI PERBANDINGAN Netti Herawati, Khoirin Nisa dan Eri Setiawan Abstract. The effect
Lebih terperinciBAB I PENDAHULUAN. seringnya terjadi kekolinieran antar variabel bebas.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam suatu penelitian, analisis regresi dapat digunakan untuk membantu melihat pengaruh antara satu atau lebih variabel bebas terhadap variabel tak bebas.
Lebih terperinciPENDEKATAN WINSOR PADA ANALISIS REGRESI DENGAN PENCILAN MURIH PUSPARUM
PENDEKATAN WINSOR PADA ANALISIS REGRESI DENGAN PENCILAN MURIH PUSPARUM DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Jakarta Islamic Index (JII) diluncurkan oleh PT. Bursa Efek Indonesia (BEI) bekerja sama dengan PT. Danareksa Investment Management (DIM) pada pertengahan tahun
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciEfektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda
Jurnal Penelitian Sains Volume 1 Nomer 1(A) 1101 Efektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda Dian Cahyawati S. 1), Hadi Tanuji ), dan
Lebih terperinciBAB I PENDAHULUAN. membutuhkan dana bertemu untuk menjualbelikan sekuritasnya. Dalam
BAB I PENDAHULUAN A. Latar Belakang Masalah Pasar modal merupakan sarana untuk melakukan transaksi sekuritas atau tempat dimana pihak yang memiliki kelebihan dana (investor) dan pihak yang membutuhkan
Lebih terperinciUJM 3 (2) (2014) UNNES Journal of Mathematics.
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm DETEKSI OUTLIER MENGGUNAKAN DIAGNOSA REGRESI BERBASIS ESTIMATOR PARAMETER ROBUST Suyanti, YL Sukestiyarno Jurusan
Lebih terperinciPERBANDINGAN REGRESI ROBUST DENGAN OLS PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015
PERBANDINGAN REGRESI ROBUST DENGAN PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015 Endah Suryaningsih Utami 1), Abdul Karim 2) 1 Program Studi Strata Statistika,, Universitas Muhammadiyah Semarang
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. berlandaskan dari teori yang ada pada bab II sebelumnya. Pengelolahan data
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini, penulis membahas mengenai pengolahan data-data yang berlandaskan dari teori yang ada pada bab II sebelumnya. Pengelolahan data tersebut akan menghasilkan hasil
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 395-404 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciREGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah
REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic
Lebih terperinciAnalisis Tingkat Pengembalian Dan Risiko Pembentukan. Perusahaan Sektor Perbankan
Analisis Tingkat Pengembalian Dan Risiko Pembentukan Portofolio Optimal Terhadap Perusahaan Sektor Perbankan Nama : Bayu Mayura Pridatama NPM : 10208239 Fak/Jur : Ekonomi - Manajemen / S1 Pembimbing :
Lebih terperinciPERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA
PERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1. Latar Belakang Masalah Ilmu matematika sangat berguna dalam banyak cabang ilmu atau bidang yang lain, salah satunya dalam ilmu ekonomi atau keuangan. Ilmu matematika sering dipakai
Lebih terperinci, dengan. Karakteristik dari vektor peubah acak X dan Y sebagai berikut:
3 TINJAUAN PUSTAKA Analisis Korelasi Kanonik Analisis korelasi kanonik (AKK) yang diperkenalkan oleh Hotelling pada tahun 1936, bertujuan untuk mengidentifikasi dan menghitung hubungan linier antara dua
Lebih terperinciREGRESI ROBUST DENGAN ESTIMASI-GS (GENERALIZED S-ESTIMATION ) PADA PENJUALAN TENAGA LISTRIK DI JAWA TENGAH TAHUN 2010
REGRESI ROBUST DENGAN ESTIMASI-GS (GENERALIZED S-ESTIMATION ) PADA PENJUALAN TENAGA LISTRIK DI JAWA TENGAH TAHUN 2010 oleh YURISTA WULANSARI NIM. M 0108073 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciPORTFOLIO EFISIEN & OPTIMAL
Bahan ajar digunakan sebagai materi penunjang Mata Kuliah: Manajemen Investasi Dikompilasi oleh: Nila Firdausi Nuzula, PhD Portofolio Efisien PORTFOLIO EFISIEN & OPTIMAL Portofolio efisien diartikan sebagai
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciBAB I PENDAHULUAN. bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial,
BAB I PENDAHULUAN A. Latar Belakang Statistika seringkali digunakan untuk memecahkan masalah dalam berbagai bidang kehidupan sehari-hari, baik di bidang ekonomi, psikologi, sosial, kedokteran, kesehatan,
Lebih terperinciBAB II DESKRIPSI PERUSAHAAN
BAB II DESKRIPSI PERUSAHAAN 2.1. Visi dan Misi Bursa Efek Indonesia Visi Bursa Efek Indonesia yaitu Menjadi bursa Menjadi bursa yang kompetitif dengan kredibilitas tingkat dunia. Misi Bursa Efek Indonesia
Lebih terperinciUNIVERSITAS NEGERI SEMARANG 2015
1 METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 137 146. PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Investor pasar modal Indonesia seringkali menggunakan pertimbangan berupa data harga masa lalu, volume masa lalu, dan semua informasi yang dipublikasikan seperti
Lebih terperinciPenerapan Model Indeks Tunggal dalam Menghitung Beta Saham Jakarta Islamic Index untuk Mengukur Risiko Sistematis
Jurnal Penelitian Sains Volume 13 Nomer 2(A) 13203 Penerapan Model Indeks Tunggal dalam Menghitung Beta Saham Jakarta Islamic Index untuk Mengukur Risiko Sistematis Yuli Andriani Jurusan Matematika FMIPA,
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Demografi merupakan ilmu yang mempelajari tentang penduduk, khususnya pada lima aspek yaitu ukuran, distribusi geografi, komposisi, komponen perubahan (kelahiran, kematian,
Lebih terperinciBAB I PENDAHULUAN. investasi dinilai baik apabila memiliki tingkat pengembalian yang baik pada tingkat
BAB I PENDAHULUAN 1.1 Latar Belakang Risiko dan Pengembalian (Return) dari sebuah investasi adalah 2 indikator yang paling umum digunakan dalam mengukur kinerja dari sebuah investasi. Sebuah investasi
Lebih terperinciBAB IV PEMBAHAS AN. Padahal reksa dana syariah memiliki perkembangan yang cukup pesat, tercatat
BAB IV PEMBAHAS AN IV.1 Analisis Kinerja Portofolio Melihat kinerja portofolio perlu dilakukan sebelum melakukan keputusan investasi. Dengan membandingkan kinerja antar reksa dana, maka investor mendapatkan
Lebih terperinciBAB I PENDAHULUAN. paling diminati oleh investor adalah return asset yaitu pengembalian atas
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada dasarnya dalam memilih instrumen investasi apapun, hal yang paling diminati oleh investor adalah return asset yaitu pengembalian atas investasi. Menghitung
Lebih terperinciREGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN MANUSIA
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 REGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN
Lebih terperinciBAB III METODE PENELITIAN. Ketiga perusahaan tersebut adalah PT. Telekomunikasi Indonesia Tbk (TLKM) dengan
BAB III METODE PENELITIAN 3.1 Obyek Penelitian Penelitian ini mengambil objek perusahaan yang tergolong ke dalam sektor industri telekomunikasi yang listing di Bursa Efek Indonesia (BEI). Dari perusahaan
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinci= parameter regresi = variabel gangguan Model persamaan regresi linier pada persamaan (2.2) dapat dinyatakan dalam bentuk matriks berikut:
BAB II LANDASAN TEORI 2. Analisis Regresi Linier Berganda Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Menurut
Lebih terperinciBAB III CONTOH KASUS. Pada bab ini akan dibahas penerapan metode robust dengan penaksir M
BAB III CONTOH KASUS Pada bab ini akan dibahas penerapan metode robust dengan penaksir M dan penaksir LTS. Berikut ini akan disajikan aplikasinya pada data yang akan diolah menggunakan program paket pengolah
Lebih terperinciS - 31 OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA
S - 31 OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Yuliana Susanti 1, Hasih Pratiwi 2, Sri Sulistijowati H 3 1,2,3 Jurusan Matematika FMIPA, Universitas Sebelas Maret,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi yang digunakan dalam penelitian ini meliputi obyek penelitian, desain penelitian, variabel dan skala pengukuran, metode pengumpulan data, jenis data, dan metode
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 21 Regresi 211 Pengertian Persamaan Regresi Menurut Sir Francis Galton (1822-1911), persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tidak terlepas dari data, baik itu bersifat kuantitatif maupun kualitatif. Apabila dikumpulkan data dari seluruh elemen dalam suatu populasi,
Lebih terperinciOPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA
OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Yuliana Susanti 1, Hasih Pratiwi 2, Sri Sulistijowati H 3 1,2,3 Jurusan Matematika FMIPA, Universitas Sebelas Maret, Surakarta
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciMETODE PENELITIAN Sumber Data
13 METODE PENELITIAN Sumber Data Data yang digunakan dalam penelitian ini merupakan hasil simulasi melalui pembangkitan dari komputer. Untuk membangkitkan data, digunakan desain model persamaan struktural
Lebih terperinciBAB II KAJIAN TEORI. principal component regression dan faktor-faktor yang mempengaruhi IHSG.
BAB II KAJIAN TEORI Dalam bab ini akan dibahas mengenai matriks, koefisien korelasi dan matriks korelasi, regresi linear berganda, metode kuadrat terkecil biasa, multikolinearitas, principal component
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model, Treynor s Model, Jensen s Model, Appraisal Ratio dan Snail Trail.
BAB III METODOLOGI PENELITIAN A. Objek Penelitian Dalam penelitian ini, peneliti mengunakan 5 metode pengukuran kinerja saham. 5 metode pengukuran kinerja saham tersebut adalah Sharpe s Model, Treynor
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi
Lebih terperinci