Estimasi parameter regresi variabel dummy menggunakan metode matriks terboboti

INDONESIA:

Estimasi adalah suatu metode untuk menaksir nilai-nilai suatu populasi dengan menggunakan nilai-nilai sampel. Estimasi Parameter merupakan proses yang menggunakan sampel statistik untuk menduga atau menaksir hubungan parameter populasi yang tidak diketahui. Estimasi parameter ini dapat digunakan untuk mengetahui karakteristik parameter suatu populasi. Metode yang paling sering dipakai peneliti untuk mengestimasi parameter adalah metode least square. Dengan metode ini akan didapatkan estimator yang tidak bias konsisten dan efisien. Untuk menggunakan metode ini harus memenuhi asumsi-asumsi yang disebut asumsi klasik. Least square yang memenuhi asumsi ini disebut Ordinary Least Square (OLS). Namun, pada pelaksanaanya sering kali terjadi penyimpangan asumsi-asumsi ini, salah satunya terjadinya heteroskedastisitas (nilai variansi tidak konstan), sehingga akan dihasilkan estimator yang tidak bias, konsisten namun tidak efisien. Penelitian ini bertujuan untuk mendapatkan estimasi parameter pada variabel dummy yang dengan metode Ordinary Least Square yang ditransformasikan dalam bentuk matriks. Diperoleh bentuk estimator dari parameter regresi variabel dummy dengan menggunakan metode matriks terboboti lebih baik daripada menggunakan metode OLS.

....

dengan berukuran dengan elemen-elemen diagonal yang berisi. Terbukti estimator parameter regresi pada dummy menggunakan pendekatan matriks terboboti adalah estimator yang bersifat unbias.

ENGLISH:

Estimation is a method to estimate values of a population using sample values. Parameter estimation is process using statistic samples to estimate unknown population parameter relation. It can be used to find out parameter characteristics of a population. Researchers often employ least square method to estimate parameter since they will get unbiased and efficient estimator. Using this method, the researcher should meet classical assumption. The least square meeting this assumption is called Ordinary Least Square (OLS). However, the assumption deviation often occurs. One of them is heteroscedacticity (inconstant variance). It leads to unbiased and consistent, but inefficient estimator. The study aims to get parameter estimation on dummy variables using Ordinary Least Square method transformed into matrix. The result shows that the estimator from dummy variable regression parameter using weighed matrix method is better than using OLS.

....

With area and diagonal elements consisting, it is proven that regression parameter estimator on dummy variables using weighed matrix will be unbiased ones.