Regresi Robust

Regresi robust diperkenalkan oleh Andrews (1972) dan merupakan metode regresi yang digunakan ketika distribusi dari error tidak normal dan atau adanya beberapa outlier yang berpengaruh pada model (Ryan, 1997). Metode ini merupakan alat penting untuk menganalisa data yang dipengaruhi oleh outlier sehingga dihasilkan model yang robust atau resistance terhadap outlier. Suatu estimasi yang resistant adalah relatif tidak terpengaruh oleh perubahan besar pada bagian kecil data atau perubahan kecil pada bagian besar data.

Gambar 1 Scaterplot WRI Januari dan Luas Panen Periode I

Gambar 1 menunjukkan contoh pola hubungan Weighted Rainfall Index Januari (WRI Jan) terhadap luas panen padi periode I (LP I). Diketahui pada pengamatan ke-15 terletak lebih jauh dari pola pengamatan-pengamatan lainnya pada umumnya. Melalui perbandingan nilai DFFITS dapat dikatakan pengamatan tersebut sebagai outlier dikarenakan memiliki nilai DFFITS = 5.74699 lebih dari batas DFFITS yaitu = 0.730297. Pengamatan ke-11 juga merupakan outlier.

Prosedur robust ditujukan untuk mengakomodasi adanya keanehan data, sekaligus meniadakan identifikasi adanya data outlier dan juga bersifat otomatis dalam menanggulangi data outlier (Aunuddin, 1989). Beberapa metode estimasi dalam regresi robust diantaranya M-Estimation, Least Trimmed Square (LTS), MM estimation, S estimation, Least Mean Square (LMS).

Melalui estimasi OLS didapatkan model hubungan WRI Jan dan  LP I seperti pada Tabel 1. Tidak ada parameter yang nyata berpengaruh, nilai R square relatif kecil, yaitu 8,9% dan standard deviasi yang besar yaitu 69,41.

Tabel 1 Estimasi OLS WRI Jan dan LP I

wri_jan dan lp1 The REG Procedure Model: MODEL1 Dependent Variable: lp1
Analysis of Variance
Source	DF	Sum of Squares	Mean Square	F Value	Pr > F
Model	1	6123.31	6123.31	1.27	0.28
Error	13	62631.00	4817.79
Corrected Total	14	68755.00
Root MSE                  69.41    R-Square     0.09 Dependent Mean       92.86    Adj R-Sq     0.02 Coeff Var                   74.75                              .
Parameter Estimates
Variable	DF	Parameter Estimate	Standard Error	T Value	Pr > |t|
Intercept	1	44.11	46.81	0.94	0.36
wri_jan	1	0.68	0.60	1.13	0.28

Gambar 1 menunjukkan contoh pola hubungan Weighted Rainfall Index Januari (WRI Jan) terhadap luas panen padi periode I (LP I). Diketahui pada pengamatan ke-15 terletak lebih jauh dari pola pengamatan-pengamatan lainnya pada umumnya. Melalui perbandingan nilai DFFITS dapat dikatakan pengamatan tersebut sebagai outlier dikarenakan memiliki nilai DFFITS = 5.74699 lebih dari batas DFFITS yaitu = 0.730297. Pengamatan ke-11 juga merupakan outlier.