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

6 thoughts on “Regresi Robust dengan M-Estimation

    • M-estimation adalah salah satu jenis estimasi pada regresi Robust.
      Jadi dy bagian dari regresi juga.
      Bentuk data nya adalah interval/rasio, cross-sectional, atau time series. Seperti berikut :
      Tahun WRI1 AnLP1
      1992 69.19 17.57
      1993 101.44 12.137
      1994 124.99 4.648
      1995 193.84 -7.74
      1996 81.42 4.602
      1997 108.64 12.998
      1998 29.67 -12.373
      1999 46.63 12.528
      2000 69.7 5.007
      2001 45.26 7.324
      2002 117.48 3.126
      2003 70.26 -9.54
      2004 74.31 -4.4
      2005 120.92 -6.14
      2006 156.46 -53.31

      Lokasi x y
      Sby 20 30
      Tuban 4 20
      ….
      Lamongn 5 20

  1. Dear Rika, maaf bru bisa replay..
    Metode ini merupakan alat penting untuk menganalisis data yang dipengaruhi oleh outlier untuk menghasilkan model yang robust atau resistant terhadap outlier.
    Bentuk data nya adalah interval/rasio, cross-sectional, atau time series.
    Bisa diapplikasikan di berbagai bidang.
    Seperti penelitian yg sudah saya lakukan, yaitu pemodelan hubungan produksi padi dan curah hujan. Silahkan didownload di https://statisticsanalyst.wordpress.com/2009/06/08/regresi-robust/#more-148

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