Budidaya ikan bandeng (Chanos chanos) merupakan salah satu komoditas unggulan di sektor perikanan Indonesia, khususnya di Desa Kabuloang, Kecamatan Kalukku, Kabupaten Mamuju, Sulawesi Barat. Wilayah ini memiliki luas tambak 1.887 hektar pada tahun 2023, namun produksi ikan bandeng menghadapi tantangan seperti perubahan iklim dan pengelolaan tambak yang kurang optimal. Penelitian ini bertujuan membandingkan metode regresi robust estimasi Least Trimmed Squares (LTS) dan Estimator Scale (S) untuk menganalisis faktor-faktor yang mempengaruhi hasil panen petani. Data primer diperoleh melalui wawancara langsung dengan petani, mencakup variabel luas tambak, lama usaha, jumlah pakan, modal, jumlah nener, dan penggunaan pupuk urea. Hasil analisis menunjukkan bahwa regresi robust dengan estimasi S lebih tepat digunakan dibandingkan LTS, dengan nilai koefisien determinasi (R²) sebesar 0,974 dan Adjusted R² sebesar 0,9722, sehingga model mampu menjelaskan variasi data secara lebih baik. Faktor-faktor yang secara signifikan mempengaruhi hasil panen petani tambak ikan bandeng di Desa Kabuloang adalah jumlah pakan, modal, jumlah nener, dan penggunaan pupuk urea.
Milkfish (Chanos chanos) cultivation is one of the main commodities in Indonesia's fisheries sector, particularly in Kabuloang Village, Kalukku District, Mamuju Regency, West Sulawesi. This area has a pond area of 1,887 hectares in 2023; however, milkfish production faces challenges such as climate change and suboptimal pond management. This study aims to compare the robust regression methods, namely Least Trimmed Squares (LTS) and Scale Estimator (S), to analyze the factors affecting the harvest yield of farmers. Primary data were collected through direct interviews with farmers, including variables such as pond area, length of farming experience, feed amount, capital, number of nener, and urea fertilizer usage. The results show that robust regression using the S estimator is more appropriate than LTS, with a coefficient of determination (R²) of 0.974 and an Adjusted R² of 0.9722, indicating that the model can explain data variation more accurately.The factors thatsignificantly influence the harvest yield of milkfish farmers in Kabuloang Village are feed amount, capital, number of nener, and urea fertilizer usage.