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.