dc.contributor.author |
Rahmatika, Asti |
|
dc.date.accessioned |
2015-09-19T02:38:39Z |
|
dc.date.available |
2015-09-19T02:38:39Z |
|
dc.date.issued |
2015 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/559 |
|
dc.description.abstract |
Metode Kuadrat Terkecil (MKT) merupakan salah satu metode penaksiran parameter
regresi. Metode MKT mudah terpengaruh terhadap kehadiran pencilan dan terjadinya
multikolinieritas. Metode ridge dapat digunakan untuk mengatasi masalah
multikolinieritas. Sedangkan metode regresi robust dapat digunakan untuk mengatasi
masalah kehadiran pencilan. Pada skripsi ini dilakukan penggabungan antara metode
regresi ridge dan robust agar dapat menangani masalah multikolinieritas dan
pencilan. Dalam skripsi ini akan diterapkan metode regresi ridge robust pada
variabel gross calorfic value sebagai variabel tak bebas, total moisture, moisture in
air dried sample, ash, volatile matter, fixed carbon, HGI dan TSG sebagai variabel
bebas. Metode yang digunakan adalah regresi robust Least Absolute Value (LAV),
robust Least Median Square (LMS), robust Least Trimmed Square (LTS), kemudian
membandingkan MSE antara ketiga metode tersebut dengan mensubstitusikan nilai 𝜆
pada persamaan masing – masing metode. Dari hasil analisis yang telah dilakukan,
dapat diambil kesimpulan bahwa metode regresi ridge robust LAV memiliki hasil
yang lebih baik dibandingkan dengan regresi ridge robust LMS dan regresi ridge
robust LTS dalam menangani masalah multikolinieritas. |
en_US |
dc.description.sponsorship |
Suliadi, S.Si., M.Si., Ph.D. |
en_US |
dc.publisher |
Fakultas Matematika Dan Ilmu Pengetahuan Alam (UNISBA) |
en_US |
dc.subject |
Regresi Metode Kuadrat Terkecil (MKT), Pencilan, Multikolinieritas, Regresi Ridge, Regresi Robust, Regresi Ridge Robust |
en_US |
dc.title |
Analisis Regresi Ridge Robust (RR) untuk Mengatasi Masalah Multikolinieritas dan Pencilan pada Data Proksimat di Muara Niru, Jelawatan, dan Enim Skripsi |
en_US |
dc.type |
Thesis |
en_US |