Estimasi Parameter merupakan proses yang menggunakan sampel
statistik untuk menduga atau menaksir hubungan parameter populasi yang tidak
diketahui. Pendugaan merupakan suatu pernyataan mengenai parameter populasi
yang diketahui berdasarkan populasi dari sampel. Dengan estimasi parameter ini
kita dapat mengetahui karakteristik parameter suatu populasi.
Estimasi parameter digolongkan menjadi estimasi titik (Point Estimate)
dan estimasi selang (Interval Estimate). Metode yang paling sering dipakai
peneliti untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (Least
Square Methode). Dengan menggunakan metode ini akan didapatkan penduga
parameter yang tidak bias, konsisten dan efisien. Untuk menggunakan metode ini
harus memenuhi asumsi-asumsi yang disebut asumsi klasik. Kuadrat Terkecil
yang memenuhi asumsi-asumsi ini disebut Kuadrat Terkecil Biasa Namun, pada
pelaksaannya sering kali terjadi penyimpangan asumsi-asumsi ini, salah satunya
terjadinya heteroskedastisitas (nilai variansi tidak konstan). Apabila
penyimpangan ini terjadi maka akan dihasilkan penduga yang tidak bias,
konsisten namun tidak efisien. Maka harus digunakan metode kuadrat terkecil
yang merupakan pengembangan dari kuadrat terkecil yang bisa digunakan pada
data yang homoskedastisitas dan juga bisa digunakan untuk mengatasi
heteroskedastisitas supaya tetap mendapatkan penduga yang tidak bias, konsisten
dan efisien yaitu metode Kuadrat Terkecil Umum.
Setelah didapatkan penduga parameter, maka selang kepercayaan dari
parameter juga akan dapat diketahui. Selang kepercayaan dapat digunakan sebagai
taksiran suatu parameter dan dapat pula dipandang sebagai pengujian hipotesis,
yaitu apakah suatu parameter sama dengan suatu nilai tertentu. Di bawah
anggapan bahwa galat berdistribusi normal, untuk setiap i. maka statistik ln
dan juga akan berdistribusi normal.
Pada regresi nonlinier model power yang memenuhi asumsi regresi klasik
yang dianalisis dengan metode OLS dan GLS didapatkan penduga parameter yang
sama. Selang kepercayaannya juga diperoleh hasil selang yang sama.
statistik untuk menduga atau menaksir hubungan parameter populasi yang tidak
diketahui. Pendugaan merupakan suatu pernyataan mengenai parameter populasi
yang diketahui berdasarkan populasi dari sampel. Dengan estimasi parameter ini
kita dapat mengetahui karakteristik parameter suatu populasi.
Estimasi parameter digolongkan menjadi estimasi titik (Point Estimate)
dan estimasi selang (Interval Estimate). Metode yang paling sering dipakai
peneliti untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (Least
Square Methode). Dengan menggunakan metode ini akan didapatkan penduga
parameter yang tidak bias, konsisten dan efisien. Untuk menggunakan metode ini
harus memenuhi asumsi-asumsi yang disebut asumsi klasik. Kuadrat Terkecil
yang memenuhi asumsi-asumsi ini disebut Kuadrat Terkecil Biasa Namun, pada
pelaksaannya sering kali terjadi penyimpangan asumsi-asumsi ini, salah satunya
terjadinya heteroskedastisitas (nilai variansi tidak konstan). Apabila
penyimpangan ini terjadi maka akan dihasilkan penduga yang tidak bias,
konsisten namun tidak efisien. Maka harus digunakan metode kuadrat terkecil
yang merupakan pengembangan dari kuadrat terkecil yang bisa digunakan pada
data yang homoskedastisitas dan juga bisa digunakan untuk mengatasi
heteroskedastisitas supaya tetap mendapatkan penduga yang tidak bias, konsisten
dan efisien yaitu metode Kuadrat Terkecil Umum.
Setelah didapatkan penduga parameter, maka selang kepercayaan dari
parameter juga akan dapat diketahui. Selang kepercayaan dapat digunakan sebagai
taksiran suatu parameter dan dapat pula dipandang sebagai pengujian hipotesis,
yaitu apakah suatu parameter sama dengan suatu nilai tertentu. Di bawah
anggapan bahwa galat berdistribusi normal, untuk setiap i. maka statistik ln
dan juga akan berdistribusi normal.
Pada regresi nonlinier model power yang memenuhi asumsi regresi klasik
yang dianalisis dengan metode OLS dan GLS didapatkan penduga parameter yang
sama. Selang kepercayaannya juga diperoleh hasil selang yang sama.
Artikel Terkait:
Skripsi Matematika
- Download Skripsi Gratis Matematika: PENYELESAIAN PERSAMAAN REGRESI LINIER BERGANDA DENGAN PENDEKATAN METODE KUADRAT TERKECIL DAN METODE MATRIKS
- Download Skripsi Gratis Matematika: ANALISIS FUNGSI AKTIVASI JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI KARAKTERISTIK BENTUK GELOMBANG SPEKTRA BABI DAN SAPI
- Download Skripsi Gratis Matematika: GENERALISASI FUNGSI AIRY SEBAGAI SOLUSI ANALITIK PERSAMAAN SCHRODINGER NONLINIER
- Download Skripsi Gratis Matematika: PENYELESAIAN SISTEM PERSAMAAN FUZZY NONLINIER DENGAN MENGGUNAKAN METODE STEEPEST DESCENT
- Download Skripsi Gratis Matematika: ESTIMASI PARAMETER MODEL REGRESI LINIER PADA DATA
- Download Skripsi Gratis Matematika: ANALISIS ALGORITMA METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA
- Download Skripsi Gratis Matematika: STUDI COPULA GUMBEL FAMILY 2-DIMENSI DALAM IDENTIFIKASI STRUKTUR DEPENDENSI
- Download Skripsi Gratis Matematika: DISKRETISASI MODEL LORENZ DENGAN ANALOGI PERSAMAAN BEDA
- Download Skripsi Gratis Matematika: LIMIT FUZZY DARI SUATU FUNGSI DI R+
- Download Skripsi Gratis Matematika: SIFAT HAMILTONIAN DAN HIPOHAMILTONIAN PADA GRAF PETERSEN DIPERUMUM (GPn,1 & GPn,2)
No comments:
Post a Comment