PERBANDINGAN METODE KUADRAT TERKECIL DAN BAYES PADA MODEL REGRESI DENGAN GALAT YANG TIDAK NORMAL

Metode Kuadrat Terkecil (MKT) merupakan metode yang sering digunakan untuk menduga parameter model regresi. Salah satu asumsi yang harus dipenuhi dalam menduga parameter dengan menggunakan MKT adalah asumsi kenormalan, dimana asumsi residual berdistribusi normal. Jika asumsi kenormalan tidak dipenuhi maka penduga MKT menjadi tidak efisien, oleh karena itu diperlukan metode pendugaan lain, salah satunya adalah metode bayes. Pada metode bayes, parameter model diasumsikan sebagai suatu peubah acak yang memiliki distribusi tertentu yang disebut distribusi prior. Distribusi posterior diperoleh dengan menggabungkan informasi prior dan informasi yang diperoleh dari sampel melalui teorema Bayes. Rataan dari distribusi posterior ini merupakan penduga bagi parameter model. Pada penelitian ini performance metode MKT dan Metode Bayes dibandingkan dalam mengestimasi paramater regresi dengan galat tidak normal. Hasil performance kedua metode dibandingkan berdasarkan nilai absolut bias dan MSE dari nilai estimasi yang dihasilkan. Penelitian ini menggunakan 60 kondisi data yang berbeda dalam ukuran sampel, iterasi dan paramater skala untuk setiap paramaternya. Penelitian ini menunjukkan bahwa metode Bayes menghasilkan nilai absolut bias dan MSE lebih kecil dibandingkan dengan metode MKT, sehingga metode Bayes lebih baik dalam mengestimasi paramater regresi dibandingkan metode MKT ketika galat berdistribusi tidak normal. Kata Kunci: Analisis Regresi Linier, Metode Kuadrat Terkecil, Metode Bayes, Galat Tidak Normal.