Melola Discovery

← Melola Discovery

Jurnal

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

ESTIMASI: Journal of Statistics and Its Application · Vol. 1 No. 2 (2022) · pp. 83–93

DOI
10.20956/ejsa.v1i2.10386
ISSN
2721-379X, 2721-3803
Published
2022-02-02
Publisher
Hasanuddin University
Language
en

Abstract

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.

Keywords

Collaboration network of the authors

32 authors · 84 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Erna Tri HerdianiAffiliation unknown2
La Podje TalangkoAffiliation unknown2
Andi Kresna JayaAffiliation unknown2
Alber Tigor ArifyantoAffiliation unknown1
Wa Ode SuarniAffiliation unknown1
Sukina SukinaAffiliation unknown1
Fitriani SufrinAffiliation unknown1
Rizki AdiputraAffiliation unknown1
Dewi Santika Upa P.Affiliation unknown1
Ririn AriantiAffiliation unknown1
Muhammad IdmanAffiliation unknown1
Raupong RaupongAffiliation unknown1
Fitri AnnisaAffiliation unknown1
Nasrah SirajangAffiliation unknown1
Mukrimin AdamAffiliation unknown1
Anisa Haura Salsa Fatih YusufAffiliation unknown1
Georgina Maria TinungkiAffiliation unknown1
Hendriete Tiur Marowi WaibusiAffiliation unknown1
Rael Hofni TandirerungAffiliation unknown1
Nirwan NirwanAffiliation unknown1
Nurhidayatullah NurhidayatullahAffiliation unknown1
Amalia AndrianingrumAffiliation unknown1
Siswanto SiswantoAffiliation unknown1
Andi Isna YunitaAffiliation unknown1
Muhammad FadilAffiliation unknown1
A.Muthiah Nur AngrianyAffiliation unknown1
Rini JamalAffiliation unknown1
Andi M Alfin BasoAffiliation unknown1
Andi FebriyantiAffiliation unknown1
Rahmiati RahimAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/ESTIMASI/oai, first harvested 2 Nov 2026, last seen 2 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Perbandingan Estimasi Metode Kuadrat Terkecil Terboboti dan Metode Transformasi Box-Cox Pada Data Heteroskedastisitas</dc:title>
	<dc:creator xml:lang="en">Risma, Risma</dc:creator>
	<dc:creator xml:lang="en">Sahriman, Sitti</dc:creator>
	<dc:subject xml:lang="en">Heteroskedastisitas</dc:subject>
	<dc:subject xml:lang="en">kuadrat terkecil terboboti</dc:subject>
	<dc:subject xml:lang="en">transformasi Box-Cox</dc:subject>
	<dc:description xml:lang="en">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.</dc:description>
	<dc:publisher xml:lang="en">Hasanuddin University</dc:publisher>
	<dc:date>2022-02-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/ESTIMASI/article/view/10386</dc:identifier>
	<dc:identifier>10.20956/ejsa.v1i2.10386</dc:identifier>
	<dc:source xml:lang="en">ESTIMASI: Journal of Statistics and Its Application; Vol. 1, No. 2, Juli, 2020 : Estimasi; 83-93</dc:source>
	<dc:source>2721-379X</dc:source>
	<dc:source>2721-3803</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/ESTIMASI/article/view/10386/6798</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 ESTIMASI: Journal of Statistics and Its Application</dc:rights>
</oai_dc:dc>