Model klasifikasi dua arah efek tetap dengan metode minmad

Abstract

Analisis statistika model klasifikasi dua arah dengan metode kuadrat terkecil diperlukan asumsi-asumsi darn model. Salah satu dari asumsi-asumsi model adalah asumsi kenormalan. Jika asumsi kenormalan tidak terpenuhi dan atau adanya pencilan data maka metode kuadrat terkecil tidak dapat dilakukan. Pada tulisan ini akan dibahas analisis model klasifikasi dua arah untuk asumsi kenormalan tidak dipenuhi. Metode yang akan dilakukan adalah metode minmad, yaitu metode yang meminimumkan rata-rata deviasi mutlak sehingga dapat mengurangi efek pencilan data terhadap model. Estimasi parameter model klasifikasi dua arah dengan metode minmad dilakukan dengan metode simpleks yang meminimalkan nilai mutlak deviasi antara nilal pengamatan dan nilai estimasi.