PENGGUNAAN METODE REGRESI AKAR LATEN ROBUST PADA DATA YANG MENGANDUNG MULTIKOLINEARITAS DAN OUTLIER = USE OF ROBUST LATENT ROOT REGRESSION METHODS IN DATA CONTAINING MULTICOLINEARITY AND OUTLIER

Analisis regresi merupakan salah satu metode statistika yang digunakan untuk menganalisis hubungan antara variabel respon dengan variabel prediktor dalam suatu penelitian. Namun, apabila terjadi multikolinearitas pada variabel prediktor yang digunakan maka mengakibatkan model regresi yang diperoleh jauh dari akurat. Untuk mengatasi masalah tersebut maka digunakan metode regresi akar laten yang merupakan perluasan dari analisis komponen utama. Dalam mengatasi masalah multikolinearitas pada model regresi, regresi akar laten membentuk komponen utama yang diperoleh dari matriks korelasi gandengan dengan variabel respon dan variabel prediktor yang telah dibakukan. Selain masalah multikolinearitas, masalah lain pada model regresi adalah adanya pencilan pada data. Adanya pencilan pada data tidak dapat diatasi dengan menggunakan regresi akar laten, oleh sebab itu digunakan suatu metode estimasi yang disebut regresi robust dengan metode estimasi MM. Metode estimasi MM mampu mengatasi masalah pencilan baik dari variabel respon maupun variabel prediktor dan memiliki high breakdown point sebesar 50%. Untuk memperoleh estimator yang kekar terhadap pencilan perlu dilakukan iterasi hingga diperoleh hasil yang konvergen, sehingga digunakan Iteratively Reweighted Least Square (IRLS) yang pembobotnya berubah setiap pengiterasian dan dalam hal ini, pembobot yang digunakan adalah pembobot Tukey Bisquare.
Keywords : Regresi Akar Laten, Multikolinearitas, Pencilan, Regresi Robust, Tukey Bisquare.