ANALISIS PERFORMA ESTIMATORGENERALIZED LEAST SQUARES PADA MODEL REGRESI LINEAR DENGAN PELANGGARAN ASUMSI INDEPENDENSI GALAT AUTOREGRESIF ORDE SATU

DEVINTA, ARIANTI (2026) ANALISIS PERFORMA ESTIMATORGENERALIZED LEAST SQUARES PADA MODEL REGRESI LINEAR DENGAN PELANGGARAN ASUMSI INDEPENDENSI GALAT AUTOREGRESIF ORDE SATU. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRAK.pdf Download (73kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (3MB) | Request a copy
Preview	Text SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1MB) | Preview

Abstract

Model regresi linear klasik mengasumsikan bahwa galat saling independen dan memiliki varians konstan. Namun, dalam praktiknya sering terjadi autokorelasi yang menyebabkan estimatorOrdinary Least Squares(OLS) menjadi tidak efisien. EstimatorGeneralized Least Squares(GLS) dapat digunakan untuk mengatasi masalah tersebut melalui transformasi model dengan memanfaatkan matriks kovarians galat, sedangkanEstimated Generalized Least Squares(EGLS) digunakan ketika matriks kovarians galat tidak diketahui dan perlu diestimasi. Penelitian ini bertujuan untuk mengkaji sifat estimator GLS serta membandingkan performa estimator OLS, GLS, dan EGLS pada model regresi linear dengan galat autoregresif orde satu (AR(1)) melalui studi simulasi. Perbandingan dilakukan berdasarkan kriteria bias, varians, danMean Squared Error(MSE) pada berbagai ukuran sampel dan tingkat autokorelasi. Hasil penelitian menunjukkan bahwa estimator GLS memiliki tingkat efisiensi tertinggi yang ditunjukkan oleh nilai varians dan MSE yang paling kecil. Estimator EGLS juga menunjukkan efisiensi yang lebih baik dibandingkan OLS, namun masih lebih rendah dibandingkan GLS. Selain itu, peningkatan ukuran sampel cenderung menurunkan nilai varians dan MSE sedangkan peningkatan tingkat autokorelasi menyebabkan penurunan efisiensi estimator terutama pada estimator OLS. Kata-kata kunci:Regresi linear, autokorelasi AR(1), OLS, GLS, EGLS, simulasi Monte Carlo.

Item Type:	Other
Subjects:	?? 500 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	2605506458 Digilib
Date Deposited:	12 May 2026 04:20
Last Modified:	12 May 2026 04:20
URI:	http://digilib.unila.ac.id/id/eprint/99454

Actions (login required)

View Item