Robust Geographically Weighted Regression #pengenalan1

Dunia penelitian merupakan sebuah dunia yang tidak pernah berhenti tumbuh. Setiap saat, akan selalu ada hal-hal baru yang bermunculan, yang sifatnya memperkuat kelemahan pada kondisi yang sudah ada, mengoreksi yang ternyata salah, menambah keuanggulan teknologi, memperdalam informasi sebelumnya, bahkan membantah teori yang sudah diyakini kebenarannya sebelumnya. Oleh karena itu, bahan yang bisa dijadikan objek untuk diteliti tidak akan pernah habis.

Dalam ilmu perstatistikan, Regresi Linier sebuah metode klasik yang hingga kini masih banyak peminatnya karena kesederhanaan model yang digunakan. Akan tetapi, ada sedikit keterbatasan dalam penggunaan Regresi dalam menganalisis suatu masalah, salah satunya terkait dengan keberadaan data pencilan. Adanya pencilan pada data akan berpengaruh pada proses analisis data. Adanya pencilan akan meningkatkan nilai residual dalam model menjadi besar, sehingga variannya menjadi besar dan rentang intervalnya semakin melebar. Hal ini mengakibatkan nilai dugaan koefisien pada Regresi Linier dengan metode klasik (Ordinary Least Squares (OLS)) menjadi bias dan tidak konsisten.

Keberadaan pencilan ini sering kali dihilangkan dalam proses analisis. Data yang digunakan dikondisikan berada pada kondisi "normal". Padahal keberadaan pencilan ini justru bisa menunjukkan suatu fenomena yang terjadi yang bisa lebih memperkaya informasi yang diperoleh.

Untuk mengatasi masalah pencilan tersebut, ada sebuah metode lain yang dapat digunakan. sebuah metode yang lebih robust dibandingkan OLS. Ketika dengan OLS kita menggunakan nilai mean untuk menaksir nilai dugaan yang akan sangat terpengaruh dengan keberadaan pencilan, maka menggunakan nilai median merupakan salah satu solusi yang dapat diterapkan untuk menghasilkan nilai dugaan yang lebih baik. Nilai median diperoleh ketika kita membagi dua sama banyak sederetan nilai yang telah diurutkan dari yang terkecil hingga yang terbesar, kemudian mengambil sebuah nilai yang menjadi nilai tengahnya. 

Penggunaan median dalam model regresi sebenarnya sudah dimulai sejak lama. Akan tetapi, kesulitan dalam proses komputasinya yang memakan waktu yang tidak sebentar menyulitkan para peneliti saat itu untuk menerapkannya. Akan tetapi, perkembangan teknologi, khusunya komputer saat ini, semakin membuat proses pengolahan data semakin mudah dan semakin cepat. Oleh sebab itu, awal abad 20 ini penaksiran nilai dugaan regresi dengan menggunakan median kembali muncul kepermukaan. Salah satu metode yang digunakan adalah dengan Linier Programming. 

bersambung.....

#MenulisAsyikDanBahagia

#PerempuanBPSMenulis

#15HariBercerita

#Harike4