KOMBINASI METODE LEAST MEDIAN SQUARES (LMS) - GENERALIZED LIU TYPE ESTIMATOR (GLTE) UNTUK PENANGANAN PENCILAN DAN MULTIKOLINIERITAS PADA MODEL REGRESI (Studi Kasus : Data Kemiskinan menurut Provinsi di Indonesia tahun 2023)

Masyhudatul Farhanah Binti Abd. Mukit, NIM.: 21106010015 (2025) KOMBINASI METODE LEAST MEDIAN SQUARES (LMS) - GENERALIZED LIU TYPE ESTIMATOR (GLTE) UNTUK PENANGANAN PENCILAN DAN MULTIKOLINIERITAS PADA MODEL REGRESI (Studi Kasus : Data Kemiskinan menurut Provinsi di Indonesia tahun 2023). Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (KOMBINASI METODE LEAST MEDIAN SQUARES (LMS) - GENERALIZED LIU TYPE ESTIMATOR (GLTE) UNTUK PENANGANAN PENCILAN DAN MULTIKOLINIERITAS PADA MODEL REGRESI (Studi Kasus : Data Kemiskinan menurut Provinsi di Indonesia tahun 2023)) 21106010015_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (KOMBINASI METODE LEAST MEDIAN SQUARES (LMS) - GENERALIZED LIU TYPE ESTIMATOR (GLTE) UNTUK PENANGANAN PENCILAN DAN MULTIKOLINIERITAS PADA MODEL REGRESI (Studi Kasus : Data Kemiskinan menurut Provinsi di Indonesia tahun 2023)) 21106010015_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Regresi linier merupakan salah satu metode analisis statistik yang digunakan untuk mengidentifikasi dan memodelkan hubungan antara variabel dependent dan independent. Metode yang paling umum digunakan adalah Ordinary Least Squares (OLS). Namun, metode ini memiliki keterbatasan karena sangat sensitif terhadap pencilan dan memerlukan terpenuhinya asumsi klasik, seperti tidak adanya pencilan dan multikolinearitas. Dalam penelitian ini, dibahas pendekatan alternatif berupa kombinasi metode Least Median Squaress (LMS) dan Generalized Liu Type Estimator (GLTE), yang dirancang untuk mengatasi permasalahan pencilan dan multikolinearitas secara bersamaan. Kombinasi kedua metode ini mengintegrasikan ketahanan regresi robust terhadap pencilan dan kemampuan pengendalian multikolinearitas dari GLTE. Penerapan metode dilakukan pada data kemiskinan provinsi di Indonesia tahun 2023. Hasil analisis menunjukkan bahwa model yang dibangun dengan kombinasi LMS-GLTE memberikan estimasi parameter yang lebih akurat dan stabil dibandingkan dengan model regresi menggunakan metode OLS, terutama ketika data mengandung pencilan dan korelasi tinggi antar variabel independen. Hal ini didukung oleh nilai Mean Squared Error (MSE) yang lebih rendah pada model LMS-GLTE dibandingkan dengan OLS yang mengindikasikan bahwa model ini memiliki tingkat galat prediksi yang lebih kecil dan performa yang lebih baik secara keseluruhan. Kata kunci: regresi robust, multikolinearitas, pencilan, Least Median Squares (LMS), Generalized Liu Type Estimator (GLTE), kemiskinan.

Share this knowledge with your friends :

Actions (login required)

View Item