REGRESI ROBUST PADA DATA INFLASI DI INDONESIA PERIODE AGUSTUS 2014 – JULI 2016

Abstract

Abstrak Analisis regresi linier adalah analisis hubungan satu variabel dependen dengan satu atau lebih variabel independen. Pada umumnya, estimasi parameter dalam analisis regresi menggunakan Metode Kuadrat Terkecil (MKT). Apabila terdapat outlier, maka estimasi parameter regresi menjadi kurang tepat. Hal tersebut dapat diatasi dengan menggunakan analisis regresi robust. Metode yang digunakan adalah metode estimasi-S dan estimasi-LTS yang merupakan metode dalam regresi robust dengan nilai breakdown point sebesar 50% yang dapat menangani masalah outlier. Tujuan dari penelitian ini, untuk menganalisis model regresi robust dan menentukan model terbaik dari kedua metode estimasi untuk data inflasi di Indonesia periode Agustus 2014 – Juli 2016. Diperoleh model terbaik regresi robust yang terbentuk dari metode estimasi-LTS dengan nilai R ̅^2 sebesar 99,7%. Kata kunci: Analisis regresi, Outlier, Regresi Robust, Estimasi-S, Estimasi-LTS Abstract Linear regression analysis is an analysis of the relationship of one dependent variable with one or more independent variables. Generally, parameter estimates in regression analysis use the Ordinary Least Squares (OLS). If there is an outlier, then the estimation of the regression parameter becomes less precise. This can be solved by using robust regression analysis. The method used is the S-estimation and the LTS-estimation which is a method in robust regression with a breakdown point of 50% that can handle the outlier problem. The purpose of this study is to analyze robust regression model and determine the best model of both estimation methods for inflation data in Indonesia period August 2014 – July 2016. The best model of robust regression is obtained from LTS-estimation method with R ̅^2 is 99,7%. Keywords : Regression Analysis, Outlier, Robust Regression, S-Estimation, LTS-Estimation