METODE LEAST MEDIAN SQUARE (LMS) DALAM ANALISIS REGRESI ROBUST KETIKA TERDAPAT OUTLIER

Mimi Kurniati, Yundari Yundari, Setyo Wira Rizki

Abstract


Least median square (LMS) adalah salah satu metode estimasi dalam regresi robust yang digunakan untuk mengatasi outlier. Dalam metode ini, dengan meminimumkan median kuadrat sisaannya, penduga yang dihasilkan akan lebih resisten terhadap outlier. Data yang digunakan pada penelitian ini adalah data sekunder tentang produksi jeruk di Indonesia tahun 2016 yang diambil dari Kementrian Pertanian. Ukuran data yang digunakan adalah sebanyak 34 yaitu banyak provinsi di Indonesia. Dengan variabel dependen adalah produksi jeruk, dan variabel bebas (independen) yang diambil sebanyak tiga yaitu luas panen, curah hujan, dan suhu. Proses pertama adalah mendeteksi apakah ada outlier pada data, dan melakukan uji asumsi klasik. Kemudian mencari model regresi dengan metode Least median square (LMS). Apabila dibandingkan, hasil model regresi produksi jeruk dengan metode MLS lebih akurat daripada hasil model regresi dengan metode MKT. Dengan demikian dapat disimpulkan bahwa metode regresi robust Least median square (LMS) cukup layak untuk digunakan sebagai alternatif dalam mencari model regresi pada data produksi jeruk di Indonesia tahun 2016 yang mengandung outlier.

 

Kata Kunci : Least Median Square, metode kuadrat terkecil, outlier

Full Text:

PDF


DOI: https://doi.org/10.26418/bbimst.v8i4.36553

Refbacks

  • There are currently no refbacks.