Perbandingan Estimasi Metode Kuadrat Terkecil Terboboti dan Metode Transformasi Box-Cox Pada Data Heteroskedastisitas

Article History

Submited : June 15, 2020
Published : February 2, 2022

Dalam mengestimasikan parameter regresi umumnya digunakan metode kuadrat terkecil. Metode ini memiliki beberapa asumsi yang perlu dipenuhi salah satunya yakni homoskedastisitas. Pelanggaran asumsi homoskedastisitas dapat menyebabkan model estimasi tidak efisien. Oleh karena itu jika terjadi pelanggaran homoskedastisitas maka metode kuadrat terkecil tidak dapat lagi digunakan,sehingga diperukan metode alternative. Metode untuk mengatasi pelanggaran homoskedatisitas dua diantaranya yakni  metode kuadrat terkecil terboboti dan metode transformasi Box-Cox. Dalam penelitian ini akan dibandingkan metode kuadrat terkecil terboboti dan metode transformasi Box-Cox. Dari penerapan kedua metode tersebut didapatkan metode kuadrat terkecil terboboti memiliki RMSE (root mean square error) yang lebih kecil dan R2 yang lebih besar dibandingkan metode transformasi Box-Cox. Maka dapat disimpulkan metode kuadrat terkecil terboboti lebih bagus digunakan dalam menangani pelanggaran homoskedastisitas.

References

  1. Gujarati, D.N. Basic Econometric. 4th ed. New York : The McGraw-Hill Companies, 2004.
  2. Asmoro, Y.W. Pendeteksian dan Perbaikan Heteroskedastisitas dalam Regresi Linier Menggunakan Metode Weighted Least Squares (WLS) dan Transformasi Variabel. Skripsi. Universitas Sanata Dharma, 2013.
  3. Setyaningsih, Y.D. Penggunaan Metode Weighted Least Square Untuk Mengatasi Masalah Heteroskedastisitas Dalam Analisis Regresi (Studi Kasus Pada Data Balita Gizi Buruk Tahun 2014 di Provinsi Jawa Tengah). Jurnal Statistika Industri dan Komputasi, Volume 2, No. 1, pp. 51-58, 2017.
  4. Hanifah, N., Herhyanto, N. & Agustina, F. Penerapan Metode Weighted Least Square untuk mengatasi Heteroskedastisitas pada Analisis Regresi Linear. Eurekamatika, Vol 3, No.1, 2015.
  5. Cahyani, N.W.Y., Srinadi, I.G.A.M. & Susilawati, M. Perbandingan Transformasi Box-Cox dan Regresi Kuantil Median dalam Mengatasai Heteroskedastisitas. E-Jurnal Matematika, Vol. 4(1), januari 2015, pp. 8-13, 2015.
  6. Maziyya, P.A, Sukarsa, I.K.G. & Asih, N.I. Perbandingan Transformasi Box-Cox dan Regresi Kuantil Median dalam Mengatasi Heteroskedastisitas. E-Jurnal Matematika, Vol. 4 (1), pp. 8-13, 2015.
  7. Fransiska, W., Nugroho, S. & Faisal,F. Transformasi Box Cox dalam Analisis Regresi Linier Sederhana. E-jurnal FMIPA Universitas Bengkulu, 2012.
  8. Kutner, M.H, Nachtsheim, C.J, Neter, J. & Li, W. Applied Linear Statistical Models. Fifth ed. New York : The McGraw-Hill Companies, 2005.
  9. Box, G. E. P. & Cox, D. R.An Analysis of Transformations. Journal of the Royal Statistical Society. Series B (Methodological), Vol. 26, No. 2, pp.211-252, 1964.
  10. Ispriyanti, D. Pemodelan Statistika dengan Transformasi Box - Cox. Jurnal Matematika dan Komputer, Volume 7, pp. 8-17, 2004.

Downloads

Download data is not yet available.
Fulltext
statcounter