Melola Discovery

← Melola Discovery

Jurnal

Perbandingan Analisis Regresi Robust Estimasi-S dan Estimasi-M dengan Pembobot Huber dalam Mengatasi Outlier

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 4 (2021) · hlm. 673–679

ISSN
2613-9189
Terbit
2021-02-23
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Salah satu indikator penting dalam menentukan timgkat kemajuan suatu negara adalah Indeks Pembangunan Manusia (IPM). Oleh karena itu, penting untuk mengetahui pemodelan dari IPM melalui analisis regresi. Metode Kuadrat Terkecil (MKT) dalam analisis regresi kurang tepat dilakukan untuk data yang tidak memenuhi asumsi kenormalan. Asumsi kenormalan tidak dipenuhi disebabkan adanya outlier dalam data. Estimasi dalam regresi robust yang paling umum digunakan estimasi-M, sedangkan estimasi-S mempunyai nilai breakdown point paling tinggi yaitu 50%. Penelitian ini menggunakan regresi robust estimasi-M dan estimasi-S dengan pembobot Huber. Variabel terikat penelitian ini, yaitu IPM dan variabel bebas meliputi angka harapan hidup saat lahir (X1), rata-rata lama sekolah (X2) dan pengeluaran perkapita (X3). Tujuan penelitian ini adalah menunjukkan keefektifan antara metode estimasi-M dan estimasi-S dengan pembobot Huber dalam memodelkan IPM di Indonesia. Kesimpulan yang didapat dari penelitian menunjukkan bahwa pemodelan IPM melalui regresi robust estimasi-M lebih efektif dibandingkan estimasi-S dengan pembobot Huber ditinjau dari adj R-square paling besar dan Mean Square Error (MSE) terkecil.

Jaringan kolaborasi para penulis

10 penulis · 26 tautan kepenulisan bersama

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

  • Sebelas Maret University
  • 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
Made Tiara Saskia PuspitasariAfiliasi tidak diketahui2
Hasih PratiwiSebelas Maret University1
Respatiwulan RespatiwulanSebelas Maret University1
Niswatul Qona’ahSebelas Maret University1
Monica RamadhaniaSebelas Maret University1
Niken EvitasiSebelas Maret University1
Nindya Eka ApsariSebelas Maret University1

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/prisma/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">Perbandingan Analisis Regresi Robust Estimasi-S dan Estimasi-M dengan Pembobot Huber dalam Mengatasi Outlier</dc:title>
	<dc:creator>Atamia, Nikki Ayu</dc:creator>
	<dc:creator>Susanti, Yuliana</dc:creator>
	<dc:creator>Handajani, Sri Sulistijowati</dc:creator>
	<dc:description xml:lang="en-US">Salah satu indikator penting dalam menentukan timgkat kemajuan suatu negara adalah Indeks Pembangunan Manusia (IPM). Oleh karena itu, penting untuk mengetahui pemodelan dari IPM melalui analisis regresi. Metode Kuadrat Terkecil (MKT) dalam analisis regresi kurang tepat dilakukan untuk data yang tidak memenuhi asumsi kenormalan. Asumsi kenormalan tidak dipenuhi disebabkan adanya outlier dalam data. Estimasi dalam regresi robust yang paling umum digunakan estimasi-M, sedangkan estimasi-S mempunyai nilai breakdown point paling tinggi yaitu 50%. Penelitian ini menggunakan regresi robust estimasi-M dan estimasi-S dengan pembobot Huber. Variabel terikat penelitian ini, yaitu IPM dan variabel bebas meliputi angka harapan hidup saat lahir (X1), rata-rata lama sekolah (X2) dan pengeluaran perkapita (X3). Tujuan penelitian ini adalah menunjukkan keefektifan antara metode estimasi-M dan estimasi-S dengan pembobot Huber dalam memodelkan IPM di Indonesia. Kesimpulan yang didapat dari penelitian menunjukkan bahwa pemodelan IPM melalui regresi robust estimasi-M lebih efektif dibandingkan estimasi-S dengan pembobot Huber ditinjau dari adj R-square paling besar dan Mean Square Error (MSE) terkecil.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2021-02-23</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/prisma/article/view/45006</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 4 (2021): PRISMA, Prosiding Seminar Nasional Matematika; 673-679</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/45006/18282</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>