Melola Discovery

← Melola Discovery

Jurnal

DETEKSI OUTLIER MENGGUNAKAN DIAGNOSA REGRESI BERBASIS ESTIMATOR PARAMETER ROBUST

Unnes Journal of Mathematics · Vol. 3 No. 2 (2014)

DOI
10.15294/ujm.v3i2.4341
ISSN
2460-5859, 2252-6943
Terbit
2014-11-15
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Pencilan adalah data yang tidak mengikuti sebagian besar pola dan terletak jauh dari pusat data, dapat dideteksi dengan menggunakan leverage, nilai discrepancy, nilai influence. Regresi robust merupakan metode regresi yang digunakan ketika distribusi dari residual tidak normal dan atau mengandung beberapa outlier yang berpengaruh pada model (Ryan, 1997). Least Trimmed Square (LTS) yaitu metode penaksir regresi robust yang menggunakan konsep pemangkasan untuk meminimalkan jumlah kuadrat residual dengan nilai breakdown point sebesar[(n-p)/2+1]/n. M-estimation merupakan estimasi yang meminimumkan suatu fungsi objektif  dengan nilai breakdown point. Tujuan dari penelitian ini adalah membandingkan tingkat efektifitas metode Least Trimmed Square (LTS) dan metode M-estimation dalam data yang mengandung outlier (pencilan). Perbandingan kedua metode ini dilakukan melalui studi pustaka yang melibatkan dua contoh kasus. Kemudian perbandingan keefektifitasan kedua metode dilihat dari nilai koefisien determinasi  yang diperoleh dengan menggunakan rumus atau bisa juga dengan menggunakan software MINITAB 16.

Jaringan kolaborasi para penulis

40 penulis · 83 tautan kepenulisan bersama · 8 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Soegijapranata Catholic University
  • University of Brawijaya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Isti HidayahState University of Semarang4
St. Budi WaluyaAfiliasi tidak diketahui2
Arief AgoestantoAfiliasi tidak diketahui2
Scolastika MarianiState University of Semarang2
Junarti JunartiAfiliasi tidak diketahui2
Irene Nindita PradnyaState University of Semarang1
Hartutik HartutikUniversity of Brawijaya1
Andarweni AstutiAfiliasi tidak diketahui1
Matilda Stella PradnyaSoegijapranata Catholic University1
Mayang SetyaningsihSoegijapranata Catholic University1
. KartonoAfiliasi tidak diketahui1
Herayani -Afiliasi tidak diketahui1
Andi SetyoningrumAfiliasi tidak diketahui1
sunyoto eko nugrohoState University of Semarang1
Wardono WardonoAfiliasi tidak diketahui1
Nur Livia Dewi MashitohAfiliasi tidak diketahui1
Purniawan PurniawanAfiliasi tidak diketahui1
Iman SubektiAfiliasi tidak diketahui1
atmira qurnia sariAfiliasi tidak diketahui1
Putriaji HendikawatiState University of Semarang1
Siti Faiqotul UlyaAfiliasi tidak diketahui1
Lathifatul AzizahAfiliasi tidak diketahui1
Endang SugihartiState University of Semarang1
Eka Lia SusantiState University of Semarang1
Sugiman SugimanState University of Semarang1
Arum Nur WulandariState University of Semarang1
Rochmad RochmadState University of Semarang1
Arief AgoestantoState University of Semarang1
Isnarto IsnartoState University of Semarang1
Siska FirmasariAfiliasi tidak diketahui1
Sc. MarianiAfiliasi tidak diketahui1
MulyonoAfiliasi tidak diketahui1
Subagyo .Afiliasi tidak diketahui1
Antonius Tri WidodoAfiliasi tidak diketahui1
MM Heni WidiastutiAfiliasi tidak diketahui1
Enika WulandariState University of Semarang1
Masrukan MasrukanState University of Semarang1
Mariani ScholastikaState University of Semarang1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">DETEKSI OUTLIER MENGGUNAKAN DIAGNOSA REGRESI BERBASIS ESTIMATOR PARAMETER ROBUST</dc:title>
	<dc:creator>Suyanti, Suyanti</dc:creator>
	<dc:creator>Sukestiyarno, YL</dc:creator>
	<dc:description xml:lang="en-US">Pencilan adalah data yang tidak mengikuti sebagian besar pola dan terletak jauh dari pusat data, dapat dideteksi dengan menggunakan leverage, nilai discrepancy, nilai influence. Regresi robust merupakan metode regresi yang digunakan ketika distribusi dari residual tidak normal dan atau mengandung beberapa outlier yang berpengaruh pada model (Ryan, 1997). Least Trimmed Square (LTS) yaitu metode penaksir regresi robust yang menggunakan konsep pemangkasan untuk meminimalkan jumlah kuadrat residual dengan nilai breakdown point sebesar[(n-p)/2+1]/n. M-estimation merupakan estimasi yang meminimumkan suatu fungsi objektif                                                    dengan nilai breakdown point . Tujuan dari penelitian ini adalah membandingkan tingkat efektifitas metode Least Trimmed Square (LTS) dan metode M-estimation dalam data yang mengandung outlier (pencilan). Perbandingan kedua metode ini dilakukan melalui studi pustaka yang melibatkan dua contoh kasus. Kemudian perbandingan keefektifitasan kedua metode dilihat dari nilai koefisien determinasi     yang diperoleh dengan menggunakan rumus atau bisa juga dengan menggunakan software MINITAB 16.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2014-11-15</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/4341</dc:identifier>
	<dc:identifier>10.15294/ujm.v3i2.4341</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 3 No 2 (2014)</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v3i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/4341/4008</dc:relation>
</oai_dc:dc>