Dokumen ini membahas metode regresi robust yaitu LTS (Least Trimmed Squares) untuk memodelkan data dengan outlier dari pilot plant yang terdiri dari variabel respon kadar asam dan variabel prediktor kadar asam. Metode bootstrap umumnya digunakan namun kurang sesuai dengan LTS, maka digunakan metode bootstrap yang lebih cepat dan robust dengan melakukan shortcut pada resampling data. Hasil simulasi menunjukkan bahwa metode bootstrap cepat dan robust memberikan hasil yang lebih

1. Oleh : Mega Khoirunnisak 1308.100.501 Ika Dewi Ariyanti 1308.100.514 Fast And Robust Bootstrap For LTS Kapita Selekta, Lintas Jalur Statistika ITS, 2009

2. ABSTRAK LTS ( Least Trimmed Squares ) merupakan salah satu metode yang digunakan untuk estimasi parameter dalam regresi robust. Metode bootstrap sering kali digunakan dalam resampling data, tetapi kurang sesuai jika dikombinasikan dengan LTS. Sehingga digunakan alternatif bootstrap yang lebih mudah dan lebih robust. Kapita Selekta, Lintas Jalur Statistika ITS, 2009

3. TUJUAN - Memodelkan data Pilot Plant yang terdiri dari 20 observasi dengan 2 observasi outlier, dimana : Variabel respon : Kadar asam yang ditentukan oleh titrasi Variabel predictor : Kadar asam yang ditentukan oleh ekstraksi Kapita Selekta, Lintas Jalur Statistika ITS, 2009

4. Pada pembahasan ini, untuk memodelkan data digunakan metode regresi Robust karena adanya data yang outlier. Estimasi parameter yang digunakan adalah LTS (Least Trimmed Square). Banyak data dapat dikategorikan sedikit sehingga digunakan metode Bootstrap. METODE Kapita Selekta, Lintas Jalur Statistika ITS, 2009

5. Dalam pendugaan regresi dengan menggunakan robust estimator, Bootstrap merupakan salah satu pilihan yang umum. Tetapi Classical Bootstrap membutuhkan waktu perhitungan yang lebih lama. Dalam pembahasan ini diberikan alternatif penggunaan metode Bootstrap untuk estimasi LTS dengan menjalankan prosedur short-cut pada resempling data. Berdasarkan hasil simulasi dapat disimpulkan bahwa metode Fast and Robust Bootstrap memberikan hasil yang lebih akurat dan bersifat lebih robust dibandingkan Classical Bootstrap. KESIMPULAN Kapita Selekta, Lintas Jalur Statistika ITS, 2009