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.
Kata Kunci: regresi linier, estimasi parameter, sesatan kuadrat
Penulis: Tarno
Kode Jurnal: jpmatematikadd070009

Artikel Terkait :

Jp Matematika dd 2007