PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA
Abstrak: Metode Bootstrap
dan Jackknife merupakan
dua metode yang digunakan untuk
mengestimasi suatu distribusi
populasi yang tidak diketahui dengan
distribusi empiris yang
diperoleh dari proses penyampelan ulang. Perbandingan estimasi
parameter regresi linier berganda dengan
menggunakan metode Bootstrap
dan Jackknife menunjukkan bahwa
meskipun terjadi heteroskedastisitas error, metode Jackknife memperoleh estimator
dari bias, standar error, serta batas atas dan batas bawah interval konfidensi
untuk parameter regresi tidak jauh berbeda
dengan hasil yang
diperoleh dengan metode kuadrat terkecil atau lebih tepatnya
metode Generalized Least Square dan
lebih baik dibandingkan
dengan metode Bootstrap. Dari pembahasan juga diketahui bahwa
kelebihan dari kedua
metode ini adalah mengabaikan
asumsi apapun mengenai distribusi error,
namun hasilnya hampir sama.
Penulis: Iesyah Rodliyah
Kode Jurnal: jpmatematikadd160884
