PERBANDINGAN REGRESI ROBUST METODE LEAST TRIMMED SQUARE (LTS) DAN METODE ESTIMASI-S PADA PRODUKSI PADI DI KABUPATEN BLITAR
DOI:
https://doi.org/10.25077/jmu.10.3.329-341.2021Abstract
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
Downloads
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
How to Cite
Issue
Section
License
All articles published in Jurnal Matematika UNAND (JMUA) are open access and licensed under the Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0). This license allows published content to be freely accessed, shared, redistributed, and adapted for any purpose, including commercial use, provided that the applicable license conditions are followed.
Copyright Holder
The copyright of 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), in accordance with the journal's stated copyright policy.
Author Rights
Under the CC BY-SA 4.0 license, authors may share, distribute, and reuse their published articles, subject to the applicable license conditions. These rights include:
-
Self-Archiving: Authors may deposit their published articles in institutional repositories, personal websites, or academic platforms.
-
Reuse: Authors may reuse their published work in subsequent publications, research, teaching materials, or other lawful purposes, provided that appropriate attribution is maintained.
-
Distribution: Authors may share and distribute their published articles without requiring additional permission under the terms of the license.
Creative Commons License (CC BY-SA 4.0)
Under the CC BY-SA 4.0 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, including commercial purposes.
These permissions are subject to the following conditions:
-
Attribution: Users must give appropriate credit to the original author(s), retain relevant copyright notices, provide a link to the license, and indicate if changes were made. Attribution must not imply endorsement by the author(s), copyright holder, or journal.
-
ShareAlike: If users remix, transform, or build upon the material, they must distribute their contributions under the same CC BY-SA 4.0 license or a compatible license.
-
No Additional Restrictions: Users may not apply legal terms or technological measures that legally restrict others from exercising the rights granted by the license.
For more information about the CC BY-SA 4.0 license, please visit:
https://creativecommons.org/licenses/by-sa/4.0/
Third-Party Content
Third-party materials, including figures, tables, photographs, and illustrations, are covered by the article's CC BY-SA 4.0 license only when their inclusion under that license is authorized.
Materials excluded from the license must be clearly identified with appropriate copyright notices and attribution. Authors are responsible for obtaining any necessary permissions, while users must comply with the applicable licensing terms or permissions when reusing excluded materials.
Copyright and Licensing Information
Copyright and licensing information should be clearly displayed on each published article's landing page and included in the full-text versions (HTML and PDF), where applicable, to ensure transparency regarding copyright ownership and permitted reuse.
