PERBANDINGAN ESTIMASI PARAMETER REGRESI QUANTIL DENGAN REGRESI ROBUST LEAST TRIMMED SQUARE (LTS) (STUDI KASUS : FAKTOR-FAKTOR YANG MEMPENGARUHI PENYEBARAN PENYAKIT MALARIA DI INDONESIA)

MATDOAN, MUHAMMAD YAHYA (2017) PERBANDINGAN ESTIMASI PARAMETER REGRESI QUANTIL DENGAN REGRESI ROBUST LEAST TRIMMED SQUARE (LTS) (STUDI KASUS : FAKTOR-FAKTOR YANG MEMPENGARUHI PENYEBARAN PENYAKIT MALARIA DI INDONESIA). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1315201020-Master_theses.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Estimasi metode OLS didasarkan pada distribusi normal, sehingga kurang tepat untuk menganalisis sejumlah data yang tidak simetris atau mengandung outlier. Oleh karena itu, dikembangkan Regresi Quantil yang tidak terpengaruh oleh adanya pencilan (outliers). Selain Regresi Quantil, Regresi Robust LTS juga dapat digunakan sebagai alternatif untuk menyelesaikan permasalahan data yang fluktuatif dan mengandung outlier. Penelitian ini membandingkan Regresi Quantil dengan Regresi Robust LTS pada kasus faktor-faktor yang mempengaruhi penyebaran penyakit malaria di Indonesia. Diperoleh hasil bahwa dengan menggunakan metode OLS diperoleh sebesar 0.681, regresi robust LTS sebesar 0.732 dan regresi quantil dengan sebesar 0.832, sehingga model terbaik yang diperoleh adalah model regresi quantil. Lebih lanjut diperoleh hasil bahwa faktor utama penyebab penyebaran penyakit malaria di Indonesia adalah faktor presentase rumah layak huni, faktor presentase penduduk miskin dan faktor rasio tenaga dokter. ======================================================================================================= OLS estimation method based on the normal distribution, therefore OLS is not suitable method to analyze unsymetric data or contain data outliers. Quantile regression and LTS Robust Regression are alternative methods to solve the problem. Aim of this study is to compare quantile regression and LTS robust regression in case of factors that contribute to spreading of malaria desease in Indonesia. The results obtain 0.681, 0.732, and 0.832 using OLS, LTS, and Quantile Regression ( = 0.95) methods respectively. Conclusion of this study is quantile regression as the best model. Moreover the main factors that contribute to malaria disease spreading are the percentage of livable housing, the percentage of poor people, and doctors ratio.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Regresi Quantil, Regresi Robust LTS, Outliers, Malaria, Quantile Regression, LTS Robust Regression , Outliers, Malaria
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: - MUHAMMAD YAHYA MATDOAN
Date Deposited: 26 Jan 2017 04:52
Last Modified: 26 Jan 2017 04:52
URI: http://repository.its.ac.id/id/eprint/3502

Actions (login required)

View Item View Item