Regresi Kekar Simpangan Mutlak Terkecil dengan Modifikasi Simpleks

Abstract

Ordinary least squares is a method that is generally used to estimate parameters of a linear model. However, this method is vulnerable against outliers. To solve this problem, a robust regression method, called the least absolute deviations method, was applied. In this study, simulations on a set of simple linear model data are carried out using both the ordinary least squares and the least absolute deviations methods. The results show that the least absolute deviations method is more appropriate for data set that contains outliers.

Metode Kuadrat Terkecil secara umum digunakan dalam pendugaan model linear. Namun metode Kuadrat Terkecil kurang cocok digunakan pada kasus gugus data yang berisi pencilan Untuk mengatasi masalah ini salah satu metode kekar (Robust) diimplementasikan. Metode kekar tersebut adalah metode Simpangan Mutlak Terkecil (Least Absolute Deviations, LAD). Kedua metode tersebut, baik metode Kuadrat Terkecil maupun Simpangan Mutlak Terkecil telah diterapkan dalam simulasi yang menggunakan model linear sederhana dalam tugas akhir ini. Ditemukan bahwa metode Simpangan Mutlak Terkecil lebih cocok untuk menduga parameter model linear yang melibatkan data pencilan