ESTIMASI PARAMETER REGRESI ROBUST DENGAN METODE ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA KEMATIAN IBU DI INDONESIA

Abstract

Analisis regresi digunakan untuk mengetahui hubungan antara variabel dependen dengan variabel independen. Salah satu tujuan analisis regresi yaitu untuk mengestimasi koefisien regresi. Metode Kuadrat Terkecil (MKT) merupakan metode yang sering digunakan untuk mengestimasi koefisien regresi. Penggunaan MKT harus memenuhi uji asumsi klasik, yaitu asumsi normalitas, asumsi non multikolinearitas, asumsi non autokorelasi, dan asumsi non heteroskedastisitas. Namun, pada beberapa kasus sering ditemui asumsi normalitas tidak terpenuhi. Tidak terpenuhinya asumsi normalitas disebabkan oleh kehadiran pencilan (outlier). MKT untuk mengestimasi parameter regresi pada data yang mengandung pencilan (outlier)  kurang tepat digunakan. Oleh karena itu, dibutuhkan suatu  metode yang kekar terhadap kehadiran pencilan (outlier) yang disebut metode regresi robust. Regresi robust mempunyai beberapa metode estimasi diantaranya yaitu estimasi Least Trimmed Squares (LTS). Estimasi LTS memiliki prinsip dasar meminimumkan jumlah kuadrat h residual. Estimasi ini memiliki breakdown point yang tinggi dibandingkan estimasi yang lain. Nilai breakdown point estimasi LTS  sebesar 50%. Penelitian ini bertujuan untuk menentukan estimasi parameter  model regresi robust menggunakan metode estimasi LTS pada data jumlah kematian ibu di Indonesia tahun 2019 dengan menggunakan jumlah penderita hipertensi dalam kehamilan sebagai variabel independen X1, persentase ibu hamil mendapatkan pelayanan K1 sebagai variabel independen X2, persentase persalinan ditolong oleh tenaga kesehatan sebagai variabel independen X3, dan jumlah ibu hamil positif HIV sebagai variabel independen X4. Hasil dari penelitian ini diperoleh estimasi parameter model regresi robust menggunakan metode estimasi LTS adalah (109,785; 2,979; -0,604; -0,390; 0,036).