Regresi Robust dengan M-Estimation

Regresi robust diperkenalkan Andrews (1972) dalam Ryan (1997). Metode ini merupakan alat penting untuk menganalisis data yang dipengaruhi oleh outlier untuk menghasilkan model yang robust atau resistant terhadap outlier. Suatu estimasi yang resistant adalah relatif tidak terpengaruh oleh perubahan besar pada bagian kecil data atau perubahan kecil pada bagian besar data. Prosedur robust ditujukan untuk mengakomodasi adanya keanehan data, sekaligus meniadakan identifikasi adanya data outlier dan juga bersifat otomatis dalam menanggulangi data outlier (Aunuddin, 1989). Chen (2002) menyebutkan beberapa prosedur estimasi parameter dalam regresi robust, dua diantaranya adalah M-Estimation yang diperkenalkan Huber (1973) dan Least Trimmed Squares (LTS) yang diperkenalkan oleh Rousseeuw (1984).

M-Estimation merupakan metode regresi robust yang sering digunakan. M-Estimation dipandang baik untuk  mengestimasi parameter yang disebabkan oleh x-outlier dan memiliki breakdown point 1/n. Weighted least squares dapat diguna-kan untuk mendapatkan estimasi M-estimation. Sementara itu iterasi yang dapat digunakan adalah Algoritma IRLS.

Referensi lengkap silahkan didownload file berikut : regresi robust M estimation