<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="10901">
 <titleInfo>
  <title>Penerapan Metode Robust MM-Estimation Untuk Mengatasi Outlier Pada Analisis Regresi Linear Multipel</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Handayani, Sri Hapsai Murni</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2010</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xi,;51 hlm,;29 cm</extent>
 </physicalDescription>
 <note>Analisis regresi linear multipel adalah salah satu metode statistik yang &#13;
digunakan untuk melihat hubungan atau pengaruh antara variabel tak bebas &#13;
dengan lebih dari satu variabel bebas. Penaksiran parameter regresi pada &#13;
umumnya menggunakan metode Ordinary Least Square (OLS). Salah satu &#13;
kelemahan metode OLS adalah, jika terdapat outlier pada data, akan sangat &#13;
berpengaruh terhadap hasil taksirannya. Mengakibatkan taksiran mempunyai nilai &#13;
variansi yang besar dan gangguan tidak lagi berdistribusi normal. Altematif untuk &#13;
memperbaiki kelemahan metode OLS adalah menggunakan penaksir yang bersifat &#13;
robust, yang tidak terpengaruh oleh adanya outlier dalam jumlah tertentu. &#13;
Penaksir tersebut adalah MM - estimation. &#13;
&#13;
Metode MM - estimation menaksir parameter regresi melalui dua tahap. &#13;
&#13;
Pertama, menaksir parameter regresi awal dan menghitung nilai scale estimate &#13;
dengan metode S - estimation. Kedua, menaksir parameter regresi akhir dengan &#13;
metode M - estimation. &#13;
&#13;
Penerapan pada data dilakukan untuk melihat faktor-faktor yang &#13;
mempengaruhi pertumbuhan ekonomi di Indonesia. Hasil dari penelitian ini &#13;
menunjukkan kemampuan metode MM - estimation mempunyai sifat lebih baik &#13;
saat terdapat outlier dalam data. Hal tersebut terlihat dari nilai scale estimate &#13;
untuk metode OLS adalah 0.2247. Sedangkan untuk metode MM - estimation &#13;
nilai scale estimate - nya lebih rendah yaitu 0.08166.</note>
 <note type="statement of responsibility">Handayani, Sri Hapsai Murni</note>
 <subject authority="">
  <topic>Penerapan Metode Robust MM - Estimation untuk  Men</topic>
 </subject>
 <classification>519.53</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.53  Han p/R.14.115</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001100700131</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.115)</sublocation>
    <shelfLocator>519.53  Han p/R.14.115</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>10901</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-01 15:44:34</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-06-29 10:52:35</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>