PERBANDINGAN REGRESI OLS DAN ROBUST MM-ESTIMATION DALAM KASUS DBD DI INDONESIA 2018

Abstract

Analisis regresi merupakan salah satu cara untuk membentuk model hubungan antara variabel bebas dengan variabel terikat. Salah satu metode yang umum digunakan adalah metode Ordinary Least Square (OLS). Namun apabila terdapat outlier, maka estimasi koefisien garis regresi dengan metode OLS menjadi tidak tepat. Untuk mengatasi hal tersebut, salah satu yang dapat dilakukan yaitu dengan menggunakan metode regresi robust. Metode estimasi parameter pada regresi robust yang digunakan adalah metode MM-Estimation karena memiliki breakdown point dan efisiensi yang tinggi. Penelitian ini akan menyajikan estimasi parameter dan perbandingan antara metode regresi OLS dengan metode robust MM-Estimation dalam kasus penyakit Demam Berdarah Dengue (DBD) di Indonesia pada tahun 2018. Variabel yang digunakan yaitu jumlah kasus DBD, persentase sanitasi layak, kepadatan penduduk, dan persentase rumah tangga kumuh. Dalam menentukan model terbaik yaitu dengan membandingkan standar error dan R-squared. Berdasarkan hasil dan pembahasan, metode Robust MM-Estimation memiliki standar error yang lebih kecil dibandingkan OLS. Selain itu R-squared Robust MM-Estimation lebih besar dibandingkan R-squared OLS. Pada metode Robust juga semua variabel signifikan, sedangkan pada OLS tidak ada satupun variabel yang signifikan. Sehingga dapat disimpulkan bahwa metode Regresi Robust MM-Estimation lebih baik dibandingkan metode OLS.