Kajian Pencilan pada Model Regresi Kuadrat Terkecil Parsial

Abstract

Regresi kuadrat terkecil parsial merupakan metode yang digunakan untuk mengatasi masalah kolinearitas dengan cara menyarikan kombinasi linear prediktor (peubah penjelas) - yang disebut faktor- yang menjelaskan secara optimal keragaman prediktor maupun keragaman respons. Banyaknya faktor optimal dalam model ditentukan berdasarkan nilai akar rataan PRESS terkecil, dan koefisien determinasi prediktor maupun respons yang terbesar. Kualitas model regresi juga ditentukan oleh pencilan dan pengamatan berpengaruh. Pendeteksian pencilan dalam regresi kuadrat terkecil parsial dilakukan berdasarkan nilai dmodx, Fratio_x, dmody, Fratio y, leverage, dan R_Student. Pengamatan dengan nilai leverage ekstrim merupakan pengamatan berpengaruh, dan pengamatan yang memencil berdasarkan nilai leverage disebut pencilan regresi. Pengamatan yang memencil berdasarkan nilai dmodx, juga memencil berdasarkan nilai Fratio_x.