II. TINJAUAN PUSTAKA

dokumen-dokumen yang mirip
II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Regresi Linier Sederhana Definisi Pengaruh

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Analisis Regresi dan Korelasi

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB II LANDASAN TEORI

PEMODELAN STATISTIKA DENGAN TRANSFORMASI BOX COX

PEMODELAN STATISTIKA DENGAN TRANSFORMASI BOX COX

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Regresi & Korelasi Linier Sederhana

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

BAB II TINJAUAN PUSTAKA

S2 MP Oleh ; N. Setyaningsih

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

REGRESI & KORELASI LINIER SEDERHANA

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 1 STATISTIKA RINGKASAN MATERI

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

REGRESI & KORELASI LINIER SEDERHANA

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

BAB 1 ERROR PERHITUNGAN NUMERIK

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

INTERPOLASI. FTI-Universitas Yarsi

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Bab II Teori Pendukung

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

BAB III UKURAN PEMUSATAN DATA

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

XI. ANALISIS REGRESI KORELASI

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

2.2.3 Ukuran Dispersi

REGRESI LINIER SEDERHANA

REGRESI ROBUST DENGAN M-ESTIMASI MAKALAH

Analisis Regresi. Oleh : Dewi Rachmatin

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques

BAB 2 LANDASAN TEORI

STATISTICAL STUDENT OF IST AKPRIND

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

POLIGON TERBUKA TERIKAT SEMPURNA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

REGRESI SEDERHANA Regresi

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

BAB III PERSAMAAN PANAS DIMENSI SATU

8. MENGANALISIS HASIL EVALUASI

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

APLIKASI PAKET STATISTIK UNTUK METODE REGRESI LINIER DENGAN MENGGUNAKAN MICROSOFT EXCEL

NORM VEKTOR DAN NORM MATRIKS

3 Departemen Statistika FMIPA IPB

Transkripsi:

4 II. TINJAUAN PUSTAKA. Pecla.. Defs Pecla Meurut Fergus 96, pecla ddefska seaga suatu data ag mempag dar sekumpula data ag la. Meurut Barett 98, pecla adalah pegamata ag tdak megkut seaga esar pla da terletak jauh dar pusat data. Meurut R.K Semrg 95 Pecla adalah pegamata ag jauh dar pusat data ag mugk erpegaruh esar terhadap kefese regres Semart, 7. Meurut Har, dkk. 995, Pecla adalah data ag mucul ag memlk karakterstk uk ag terlhat sagat jauh ereda dar servas-servas laa da mucul dalam etuk la ekstrm ak utuk seuah varael tuggal atau varael kmas Cgt Erg Sum,... Pedeteksa Pecla Terdapat aak cara utuk megdetfkas adaa pecla atau tdak pada sekumpula data. D s, aka djelaska dua cara utuk megdetfkas pecla, dataraa adalah dagram pecar, plt.

5. Dagram Pecar Utuk melhat apakah terdapat pecla atau tdak pada sekumpula data dapat dlakuka dega memplt data dega servas ke- =,, 3,..., sepert pada gamar dawah : Dar cth d atas, dapat dlhat ahwa terdapat salah satu data atu servas ke-8 ag megdkaska pecla. Kelemaha data dar metde adalah keputusa ahwa data adalah suatu pecla sagat tergatug pada judgemet peelt. Oleh karea tu dutuhka seserag ag ahl da erpegalama dalam megterpretaska plt terseut.. Bplt Pecla dapat ddeteks dega megguaka plt. Metde sagat terkeal dalam medeteks pecla. Metde megguaka la quartl. Quartl,,da 3 aka memag seuah uruta data mejad empat aga.

6 Jagkaua Iterquartle IQR ddefska seaga selsh atara quartl da quartl 3, atau IQR = Q3-Q. Meurut Semart 7, Data-data pecla dapat dtetuka, atu la ag kurag dar.5*iqr terhadap quartl da la ag leh dar.5*iqr terhadap quartl 3...3 Pegaruh Pecla Outler Pecla utler erpegaruh terhadap prses aalsa data, salah satua terhadap la mea da stadar devas. Oleh karea tu, keeradaa pecla utler dalam suatu pla data harus dhdar. Pecla utler dapat meeaka hal-hal erkut :. Varace data mejad esar. Iterval data da rage mejad lear 3. Mea tdak dapat meujukka la ag seeara as, da

7 4. Pada eerapa aalsa data, utler dapat meeaka kesalaha dalam pegamla keputusa da kesmpula.. Aalss Regres Aalss Regres adalah salah satu metde statstka ag dapat dperguaka utuk meeldk atau memagu mdel huuga atara eerapa varael Usma,. Mdel regres ler, asa dtulska seaga erkut: = β + e dega ε ~ N, σ I Dmaa: = vektr varael tak eas = matrks k varael eas β = vektr k kefse varael eas ε = vektr varael acak galat dega E = da matrks ragam peragam I Meurut Mers 99, asums-asums pada aalss regres adalah seaga erkut :. Galat meear rmal. ~ I N,. Ragam galat hmge. Var ;,,..., 3. Nla adalah eas satu dega ag laa.

8 E da E 4. da terkat secara ler. Utuk setap la dhuugka maka aka memetuk gars lurus. Dalam aalss regres, terdapat dua mdel regres, atu :. Mdel Regres Ler Sederhaa. Mdel Regres Ler Bergada... k k Dmaa :,,..., Kefse Regres k = Varael eas Regressr = Varael tak eas Regressad = Galat atau Errr Mers, 99..3 Metde Kuadrat Terkecl MKT Metde Kuadrat Terkecl MKT atau serg juga dseut dega metde OLS Ordar Least Square dperkealka leh Carl Fredrck Gauss serag matematkawa Jerma. Metde Kuadrat Terkecl MKT merupaka salah satu metde peduga parameter, ag terak karea ersfat tak as da ksste. Metde kuadrat terkecl aka meghaslka ragamvara mmum

9 ag parameter regres Prsp dasar metde kuadrat terkecl adalah dega memmumka jumlah kuadrat galat JKG mmum, sehgga meghaslka peduga ag mempua kesalaha terkecl. Dega megguaka Persamaa ler utuk pedugaa gars regres ler, metde kuadrat terkecl dapat duraka dega tas matematka atu seaga erkut: ŷ = + Jarak vertkal atara ttk servas, da ttk, ŷ pada gars dugaa dapat dtuls : atau Jumlah kuadrat dar semua jarak dtuls: Slus dar metde kuadrat terkecl dapat dlakuka seaga erkut:, S, d ds

, d ds Dega meederhaaka kedua persamaa maka dperleh:... Persamaa rmal kuadrat terkecl / / da Persamaa gars kuadrat terkecl ag ddapat adalah: atau Persamaa gars datas dapat dguaka utuk mempredks leh la ag erpadaa. Selama asums-asums regres dpeuh leh data, maka dugaa metde kuadrat terkecl ersfat tak as dega varas mmum. Karea memeuh kedua sfat maka MKT dkeal seaga peduga ag BLUE Best Lear Uased Estmatr.

.4 Mea Square Errr MSE Jka peduga tak as dar, maka E. Tetap, jka suatu peduga ag as dar, maka sama dega ragam peduga E Mea Square Errr MSE atau kuadrat tegah galat dar peduga. dseut MSE = E Bukt : MSE = E = E E = { E E } { E E } = { E E } + { E E } = { E E } + { E } = Var + Bas.5 Rust Regres rust dperkealka leh Adrews 97 da merupaka metde regres ag dguaka ketka dstrus dar errr tdak rmal da atau adaa eerapa pecla ag erpegaruh pada mdel Ra, 997. Metde merupaka alat

petg utuk megaalsa data ag dpegaruh leh pecla, sehgga dhaslka mdel ag rust atau resstace terhadap pecla. Prsedur rust dtujuka utuk megakmdas adaa keaeha data, sekalgus meadaka detfkas adaa data pecla, da juga ersfat tmats dalam meaggulag data pecla. Beerapa metde peduga dalam regres rust dataraa Peduga M, Least Trmmed Square LTS, Peduga MM, Peduga S, da Least Mea Square LMS..6 Peduga-MM Peduga MM MM-estmatr dperkealka leh ha 987, atu seuah metde ag secara smulta mempua dua sfat, atu peduga ag ersfat reakdw pt tgg da efses tgg, atau dega kata la Peduga MM MM-estmatr ertujua meghaslka seuah peduga ag reakdw pt tgg serta mempertahaka efses ak, dmaa reakdw pt da efses merupaka sfat terpetg dalam peduga rust. Breakdw pt adalah jumlah maksmum data terktamas pecla ag dapat dtleras leh suatu metde. Adapu ag termasuk reakdw pt tgg dataraa, Least Meda Square LMS, Least Trmmed Square LTS, Peduga S, da Peduga MM. Dkataka reakdw pt terkecl jka la reakdw pta /. Adapu ag termasuk reakdw pt terkecl dataraa, Metde Kuadrat Terkecl MKT, da peduga M Mtgmer et.al.,99.

3 Efses sampel teratas dar peduga rust ddefska seaga peradga la Kuadrat Tegah Galat KTG atau Mea Square Errr MSE atara Metde Kuadrat Terkecl MKT dega peduga rust Mtgmer et.al.,99. ha 987 memperkealka peduga MM dalam tga tahap, dataraa :. Meghtug la peduga awal. Peduga awal ag dguaka adalah peduga LTS Least Meda Square. Perhtuga peduga LTS, atu memmumka jumlah kuadrat galat terhadap suhmpua data erukura h ag dapat drumuska seaga erkut.: LTS m h = e = = m m h h ŷ 3 p, dega h memeuh h 4 Slus pada persamaa d atas dapat dperleh dega megguaka turua atau dfferesal sepert pada peelesaa peduga MKT. Haa pada LTS persamaa terseut dhtug pada suhmpua data terak ag erukura h.

4. Meghtug parameter skala dar peduga M, megguaka galat erdasarka peduga awal. Persamaa ag dguaka utuk slus peelesaaa, atu seaga erkut: m = meda e.6745 = meda LTS.6745 m ; =,,..., ; m= teras,,,..,m 3. Meghtug peduga akhr erdasarka resdual peduga awal dega megguaka rumus peduga M. Prsp dasar peduga-m adalah memmumka fugs jektf: e e ŷ Jka turua dar, maka fugs jektf datas aka mejad etuk persamaa : e dalam perhtuga fugs ps juga dguaka fugs pemt weght ag dtaska : e w e

5 Dega fugs pemt w, maka persamaaa mejad: e w Jka duat dalam etuk matrks maka Persamaa peduga M adalah seaga erkut. m ' w m ' w m ; dega w m e c e ; <c ; laa Setelah meelesaka fugs datas, maka aka ddapat parameter peduga M, da aka mejad slus la peduga MM.