Abstract: Regresi komponen utama (Principal Component Regression) merupakan teknik statistik yang digunakan untuk analisis regresi dengan kolinieritas. Teknik robust pada regresi komponen utama sangat diperlukan jika termuat outlier didalam data. Pada penelitian ini dilakukan kombinasi antara Analisis Komponen Utama (PCA) Robust: Minimum Covariant determinant (MCD) dan Minimum Volume Ellipsoid (MVE) dengan Metode Regresi Robust: Least Median Square (LMS) dan Least Trimmed Square (LTS), kemudian membandingkan tingkat resistensi metode MCD-LMS, MCD-LTS, MVE-LMS, MVE-LTS terhadap outlier dengan membandingkan nilai Bias dan MSE (Means Square Error) pada beberapa ukuran sampel dan persentase outlier yang berbeda. Hasil yang diperoleh menunjukkan bahwa metode MCD-LMS lebih baik dari pada metode MCD-LTS, MVE-LMS, dan MVE-LTS karena memiliki nilai Bias dan MSE yang minimum. Kata Kunci: Regresi Robust, MCD, MVE, LMS, LTS
Penulis: Sekar Wulandari
Kode Jurnal: jpmatematikadd100009
comment 0 komentar
more_vert