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

Authors

  • ENDAH SETYOWATI
  • RACHMADANIA AKBARITA
  • RIZKA RIZQI ROBBY

DOI:

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

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

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

Downloads

Published

26-07-2021

Issue

Vol. 10 No. 3 (2021)

Section

Articles

License

All articles published in Jurnal Matematika UNAND (JMUA) are open access and licensed under the Creative Commons Attribution-ShareAlike (CC BY-SA) license. This ensures that the content is freely available to all users and can be shared and adapted, provided appropriate credit is given and any adaptations are distributed under the same license.

Copyright Holder

The copyright of all articles published in Jurnal Matematika UNAND is held by the Departemen Matematika dan Sains Data, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA), Universitas Andalas (UNAND). This applies to all published versions, including the HTML and PDF formats of the articles.

Author Rights

While the Departemen Matematika dan Sains Data FMIPA UNAND holds the copyright for all published content, authors retain important rights under the Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA). This license grants authors and users the following rights:

  • Reuse: Authors can reuse and distribute their work for any lawful purpose, including sharing on personal websites, institutional repositories, or in subsequent publications.
  • Attribution and Adaptation: Authors and others may remix, adapt, and build upon the published work for any purpose, even commercially, as long as proper credit is given to the original authors, and any derivative works are distributed under the same CC BY-SA license.

Creative Commons License (CC BY-SA)

Under the terms of the CC BY-SA license, users are free to:

  • Share: Copy and redistribute the material in any medium or format.
  • Adapt: Remix, transform, and build upon the material for any purpose, even commercially.

However, the following conditions apply:

  • Attribution: Users must give appropriate credit to the original author(s) and Departemen Matematika dan Sains Data FMIPA UNAND, provide a link to the license, and indicate if changes were made. Attribution must not imply endorsement by the author or the journal.
  • ShareAlike: If users remix, transform, or build upon the material, they must distribute their contributions under the same license as the original.

For more information about the CC BY-SA license, please visit the Creative Commons website.

Third-Party Content

If authors include third-party material (such as figures, tables, or images) that is not covered by a Creative Commons license, they must obtain the necessary permissions for reuse and provide proper attribution. Authors are required to ensure that any third-party content complies with open-access licensing requirements or includes permissions for redistribution under similar terms.

Copyright and Licensing Information Display

The copyright and licensing terms will be clearly displayed on each article's landing page, as well as within the full-text versions (HTML and PDF) of all published articles.

No "All Rights Reserved"

As an open-access journal, JMUA does not use "All Rights Reserved" policies. Instead, the CC BY-SA license ensures that the works remain accessible and reusable for a wide audience while still protecting both the authors' and the copyright holder's rights.

Â