Regresi Robust

Influence Observation

Metode kuadrat terkecil (least squares), metode punya kelemahan:

jika diterapkan pada data yang mengandung pengamatan berpengaruh (inflentual observation), persamaan regresi yang dihasilkan oleh metode kuadrat terkecil cenderung mudah berubah-ubah.

Untuk mengatasi kelemahan metode kuadrat terkecil ini dapat dilakukan dengan dua cara yaitu :

  1. Mengeluarkan titik yang berpengaruh yang dapat dideteksi dengan dffit, cook distance, dfbetas, setelah itu tetap menggunakan metode kuadrat terkecil
  2. Tetap menggunakan seluruh data, tetapi dengan memberikan bobot yang kecil untuk pengamatan yang berpengaruh, metode ini dikenal dengan nama metode regresi robust.

METODE PENDUGAAN PARAMETER REGRESI ROBUST

Salah satu metodenya adalah dengan menggunakan Least Absolute Deviation (LAD). Metode ini bekerja dengan meminimukan harga mutlak residual atau meminimumkan.
Berikut ini adalah macro minitab metode LAD
Demikian. Semoga bermanfaat
Posted by Azwar Rhosyied

4 thoughts on “Regresi Robust

  1. saya mau nanya tentang macro di atas,, boleh dijelaskan lebih dalam🙂
    saya sdg kesulitan mengolah data yg ada pencilanya,,
    terimakasih

  2. saya mau nanya tentang macro di atas,, boleh dijelaskan lebih dalam
    saya sdg kesulitan mengolah data yg ada pencilanya,,
    terimakasih

  3. saya ingin bertanya…bagaimana dengan macro statistik robust cp dan statistik robust tp pada metode best subset regression???
    terima kasih sebelumnya..

  4. Klau robust best subset regresi menurut saya tdak perlu mmbuat macro baru. Jdi setelh didaptkn model hasil best subset, bru menggunakn regresi robust..

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s