PERBANDINGAN REGRESI ROBUST METODE LEAST TRIMMED SQUARE (LTS) DAN METODE ESTIMASI-S PADA PRODUKSI PADI DI KABUPATEN BLITAR

ENDAH SETYOWATI, RACHMADANIA AKBARITA, RIZKA RIZQI ROBBY

Abstract


Produksi padi di Kabupaten Blitar mengalami peningkatan dan penurunan, hal ini dipengaruhi oleh beberapa faktor, diantaranya jumlah petani, alokasi pupuk, ratarata curah hujan, luas panen, luas tanam, produktivitas, dan alat pengolah padi. Oleh karena itu, untuk mengetahui faktor-faktor yang lebih signifikan tersebut, guna mencapai produksi padi yang optimal dapat digunakan analisis regresi. Namun, adanya data pencilan pada suatu data penelitian dapat mengganggu proses analisis data. Regresi robust merupakan metode yang efisien untuk menganalisis data yang mengandung pencilan. Regresi robust memiliki beberapa metode estimasi, dua diantaranya adalah Least Trimmed Square (LTS) dan Estimasi S yang memiliki persamaan karateristik pada efisiensi dan breakdown point. Penelitian ini bertujuan untuk membandingkan kedua metode tersebut pada data produksi padi di Kabupaten Blitar tahun 2018 dengan tujuh variabel bebas (jumlah petani, alokasi pupuk, rata-rata curah hujan, luas panen, luas tanam, produktivitas, dan alat pengolah padi). Pengambilan data pada tahun 2018 didasarkan pada kelengkapan dokumen serta adanya kekhawatiran pandemi Covid-19 mempengaruhi data. Estimasi regresi robust menggunakan metode Least Trimmed Square (LTS) pada produksi padi di Kabupaten Blitar diperoleh model: Y = −11262, 756 − 0, 01x1 + 0, 031x2 − 14, 304x3 + 2, 292x4 + 3, 741x5 + 188, 274x6 − 0, 419x7 dan estimasi regresi robust menggunakan metode Estimasi S pada produksi padi di Kabupaten Blitar diperoleh model: Y = −9698, 949−0, 14x1−0, 49x2−19, 531x3+0, 133x4+5, 714x5+175, 018x6−0, 507x7. Hasil penelitian menunjukan regresi robust metode Least Trimmed Square (LTS) merupakan metode yang menghasilkan model terbaik, karena metode Least Trimmed Square (LTS) memiliki nilai koefisien determinasi (R2 ) sebesar 0, 99999 yang lebih besar dibandingkan nilai koefisien determinasi (R2 ) metode Estimasi S sebesar 0,99882, dan metode Least Trimmed Square (LTS) memiliki nilai Mean Square Error (MSE) sebesar 0,62105 yang lebih kecil dibandingkan nilai Mean Square Error (MSE) metode Estimasi S sebesar 9,04800.

Kata Kunci: Data Pencilan (outlier), Produksi Padi, Regresi Robust


Full Text:

PDF

References


Badan Pusat Statistika Kabupaten Blitar, 2019, Blitar Dalam Angka, Blitar: BPS Kabupaten Blitar

Z. Aflakah, Jajang dan A. T. B. Sb, 2019, Least Square dan Robust Estimasi M pada Model Regresi Linier Sederhana yang Memuat Outlier, Jurnal

Ilmiah Matematika dan Pendidikan Matematika (JMP) Vol. 11 No. 1, pp.

– 32

Y. Susanti, N. Qona’ah, K. Ferawati dan C. Qumillaila, 2020, Prediction

Modelling Of Annual Parasite Incidence (API) of Malaria in Indonesia Using

Robust Regression of M-Estimation and S-Estimation, dalam AIP Conferences Proceeding 2296, Amerika

A. Semar, F. Virgantari dan H. Wijayanti, 2020, Perbandingan Estimasi S

(Scale) dan Estimasi MM (Method Of Moment) pada Model Regresi Robust

dengan Data Pencilan, Jurnal Statistika dan MAtematika (STATMAT), pp.

– 33

A. Shodiqin, A. N. Aini dan M. R. Rubowo, 2018, Perbandingan Dua

Metode Regresi Robust Yakni Metode Least Trimmed Square (LTS) dengan

Metode Estimator MM (Estimasi MM) (Studi Kasus Data Ujian Tulis Masuk Terhadap IPK Mahasiswa UPGRIS), Jurnal Ilmiah Teknosains, pp. 35

– 42

A. Asra, M. A. N. H. Pusponegoro dan A. P. Utomo, 2017, Analisis Multivariabel : Suatu Pengantar, In Media

A. Setyadharma, 2010, Uji Asumsi Klasik dengan SPSS 16.0, Universitas

Negeri Semarang

L. S. Febrianto, N. K. Dwijayati dan P. Hendikawati, 2018, Perbandingan Metode Robust Least Median Of Square (LMS) dan Penduga S untuk

Menangani Outlier pada Regresi Linier Berganda, UNNES Journal Mathematic (UJM)

E. Widodo dan A. A. Dewayanti, 2016, Perbandingan Metode Estimasi LTS,

Estimasi M, dan Estimasi MM pada Regresi Robust, Yogyakarta: Universitas Islam Indonesia

F. P. Hidayatulloh, D. Yuniarti dan S. Wahyuningsih, 2015, Regresi Robust

dengan Metode Estimasi S, Jurnal EKSPONENSIAL, pp. 163 – 170

M. B. Rahman dan E. Widodo, 2018, Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi S dan Estimasi Method Of

Moment, dalam Prosiding Seminar Nasional Matematika (PRISMA), Semarang

P. WD dan L. E, 2016, Perbandingan Metode Estimasi-M, Estimasi-S,

dan Estimasi-MM pada Model Regresi Robust untuk Memprediksi Produksi

Kedelai di Indonesia, Jurnal Pendidikan Matematika dan Sains, Vol. 5 No.

A. Rohmawati, N. K. Dwijayanti dan Sugiman, 2018, Perbandingan

Metode Least Trimmed Square (LTS) dan Scale (S) pada Response Surface

Methodology, dalam Prosiding Seminar Nasional Matematika (PRISMA),

Semarang




DOI: https://doi.org/10.25077/jmu.10.3.329-341.2021

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Jurnal Matematika UNAND



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.