Estimasi Model Regresi Linier Dengan Metode Median Kuadrat Terkecil
ABSTRAK: Model regresi
linier merupakan model
yang paling sering
digunakan dalam analisis statistika. Model regresi linier ini digunakan untuk
menyatakan hubungan fungsional antara satu atau beberapa variabel bebas
(prediktor) terhadap satu variabel terikat (respon). Dalam analisis regresi,
mengestimasi parameter secara otomatis mengestimasi model regresi. Untuk memperoleh estimasi model regresi dapat
dilakukan dengan beberapa metode antara lain: metode kuadrat terkecil, metode
maksimum likelihood dan sebagainya. Salah satu etode yang
paling populer adalah
metode kuadrat terkecil
(OLS). Pada prinsipnya
metode kuadrat terkecil mengestimasi model regresi dengan
meminimalkan rata-rata kuadrat sesatan (MSE).
Dalam tulisan ini dibahas suatu
metode alternatif untuk mendapatkan estimasi model regresi yaitu
metode median kuadrat terkecil (LMS). Pada metode LMS, estimasi model yang
diperoleh adalah suatu model yang memiliki median kuadrat sesatan terkecil.
Prosedur estimasinya adalah dengan memilih p titik sampel (dengan p: banyaknya parameter di dalam model termasuk
intersept) dari n
titik sampel hasil
pengamatan, kemudian ditentukan
suatu persamaan yang melalui p titik tersebut. Setelah
diperoleh sejumlah persamaan yang melalui p titik tersebut, kemudian ditentukan
median dari residual kuadrat. Persamaan
atau model yang diestimasi melalui p titik yang
menghasilkan nilaimedian kuadrat terkecil merupakan model yang terpilih.
Penulis: Tarno
Kode Jurnal: jpmatematikadd070009
