Perbandingan Kemampuan Regresi Kuantil Median dan Transformasi Box-Cox Dalam Menangani Heteroskedastisitas

Abstract

Analisis regresi merupakan salah satu analisis statistik yang memanfaatkan hubungan antara dua atau lebih variabel, dengan tujuan mengetahui pengaruh variabel prediktor (X) terhadap variabel respon (Y). Dengan menggunakan analisis regresi dapat dilakukan pemodelan dan estimasi. Metode pendekatan standar untuk mendapatkan nilai dugaan parameter adalah Metode Kuadrat Terkecil (MKT). Pendugaan parameter dengan menggunakan MKT memiliki beberapa asumsi yang harus dipenuhi supaya mendapatkan penduga yang bersifat Best Linier Unbiased Estimation (BLUE). Salah satu asumsi tersebut adalah homoskedastisitas, yang berarti nilai varians residual adalah konstan (identik). Apabila asumsi nilai varians residual tidak konstan maka dikatakan terjadi heteroskedastisitas, yang dapat menyebabkan penduga parameter tidak memenuhi sifat BLUE sehingga model yang diperoleh tidak efisien dan tidak dapat dipercaya. Dalam penelitian ini dibandingkan metode regresi kuantil median dan transformasi Box-Cox dalam menangani masalah heteroskedastisitas. Didapatkan hasil perbandingan bahwa nilai R 2 MKT setelah dilakukan transformasi Box-Cox lebih besar dari nilai R 2 regresi kuantil median. Hal ini menunjukkan bahwa transformasi Box-Cox lebih baik daripada regresi kuantil median dalam menangani masalah heteroskedastisitas.