PERBANDINGAN ESTIMASI PARAMETER MODEL REGRESI DENGAN METODE KUADRAT TERKECIL TERBOBOTI DAN METODE TRANSFORMASI BOX-COX PADA DATA YANG MENGANDUNG HETEROSKEDASTISITAS

Metode kuadrat terkecil digunakan untuk mengestimasikan parameter model regresi. Metode ini memiliki beberapa asumsi yang perlu dipenuhi salah satunya yakni homoskedastisitas. Metode kuadrat terkecil menjadi tidak efisien saat terjadi heteroskedastisitas. Metode kuadrat terkecil terboboti dan metode transformasi Box-Cox digunakan untuk mengatasi masalah tersebut. Penelitian ini membandingkan hasil estimasi parameter model regresi menggunakan metode kuadrat terkecil terboboti dan metode transformasi Box-Cox. Kedua metode tersebut diaplikasikan pada data banyaknya usaha/perusahaan, pendapatan, dan pengeluaran usaha mikro kecil menurut wilayah di Indonesia tahun 2016. Hasil dari penelitian ini menunjukkan metode kuadrat terkecil terboboti dengan tambahan variabel dummy pada tingkat penghasilan memberikan hasil estimasi yang lebih baik dalam mengatasi heteroskedastisitas daripada metode transformasi Box-Cox berdasarkan nilai RMSE (root mean square error) dan koefisien determinasi. Hal ini menunjukkan metode kuadrat terkecil terboboti berhasil mengatasi heteroskedastisitas serta memberikan model estimasi yang efisien pada data yang digunakan. Kata Kunci: Heteroskedastisitas, kuadrat terkecil terboboti, model regresi, transformasi Box