ESTIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMETRIK PROSES PRODUKSI

Tubagus Pamungkas

Abstract


Regresi berganda terdapat kasus khusus dalam sebuah analisa regresi, pada regresi berganda terdapat satu variabel tak bebas yang akan diprediksi, tetapi terdapat dua atau lebih variabel bebas, pemilihan model yang terbaik akan dilakukan dengan 3 metode, yaitu Metode Quadratic Mode Estimator (QME), Metode Symmetrically Trimmed Least Squares (STLS) dan Metode Left Truncated (LT).  Data yang digunakan adalah data polusi udara yang disebabkan oleh 7 variabel bebas yang meliputi jumlah kendaraan yang melewati, suhu udara, kecepatan angin, perbedaan temperatur, angin, jam aktif dan hari aktif, Pemotongan atau penyensoran dari suatu variabel respon dalam suatu model regresi adalah salah satu masalah yang sering muncul dalam banyak aplikasi.

            Berdasarkan uraian dari pembahasan dan simulasi, terdapat beberapa hal penting yang dapat disimpulkan, dalam pemilihan model terbaik regresi semi-parametrik diperoleh model terbaik adalah dengan menggunakan metode QME, hal tersebut dapat dilihat dari nilai RMSE terkecil. Dalam uji parsial terdapat 2 variabel yang signifikan terhadap variabel dependent yaitu variabel yang berupa cars dan wind.speed dan juga konstanta yang berupa intercept. Dalam diagnostic checking dapat disimpulkan uji kenormalan menggunakan Kolmogorov Smirnov Test ternyata data tidak berdistribusi normal, namun karena data banyak sehingga kenormalan bisa diabaikan, sedangkan untuk uji autokorelasi menggunakan Durbin WatsonTest dapat disimpulkan tidak ada autokorelasi pada residual, untuk uji Homoskesdastisitas menggunakan Breusch Pagan Test dapat disimpulkan residual bersifat homoskedastisitas.


Full Text:

PDF

References


Bain,L.J. and Engelhardt, M., 1992, Introduction to probability and mathematical statistics, 2 ed., Duxbury Press, California

Blaxter, L. Hughes, C. and Thight, M., 2001, How To Research, Indeks Gramedia., Jakarta.

Cochran, W. G., 1977, Sampling techniques, 3 ed., John Wiley and Sons, Inc., New York.

Efron, B. and Tibshirani, R.J.,,1993, An introduction to the bootstrap, Chapman and Hall, New York.

Everitt, Brian., 2004, An R and S-Plus Companion to multivariate analysis, Springer., Amerika.

Hardle, W., 1990, Smoothing techniques with implementation in S, Springer Verlag,

Hardle, W., Liang, H and Gao, J, 2000, Partially linear models, Springer Verlag, Berlin

Haryatmi, Sri., 1988, Metode Statistika Multivariat, Universitas Terbuka, Karunika, Jakarta.

Gibbons, J., 1971, Nonparametric Statistical Inference, McGraw Hill.

Jhonson, Richard. and Wichern, Dean., 2002, Applied Multivariat Statistical Analysis, Pearson Educational International, Amerika

Rencher, Alvin., 2000, Linear Model in Statistics, Wiley series in probability and Statistics, Canada.

Rosadi, Dedi., 2011, Analisis Ekonometrika dan Runtun Waktu Terapan, Penerbit Andi, Yogyakarta.

Rorres, Anton., 2004, Aljabar Linear Elementer, penerbit Erlangga. Jakarta.

Royden, H.L., 1989, Real Analysis, Macmilan Publishing, New York.

Searle, S.R., 1971, Linear Models, Wiley Publishers, New York.

Sembiring, R.K., 1995, Analisis Regresi, Penerbit ITB, Bandung.

Sumodiningrat, Gunawan., 2007, Ekonometrika Pengantar, BPFE UGM, Yogyakarta.




DOI: https://doi.org/10.33373/dms.v1i2.173

Refbacks

  • There are currently no refbacks.