PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI LINIER DENGAN REGRESOR BERSIFAT STOKASTIK DAN GALAT MODEL BERAUTOKORELASI

Abstract

Pendugaan parameter model regresi linier pada analisis regresi linier, biasanya
dilakukan dengan metode penduga OLS. Penduga OLS harus memenuhi asumsi-asumsi
statistik yang disebut dengan asumsi klasik. Jika asumsi tidak dipenuhi, maka akan
menghasilkan kesimpulan yang tidak valid sehingga penduga OLS tidak bisa digunakan
lagi dalam melakukan pendugaan parameter. Oleh karena itu diperlukan metode pendugaan lain untuk memperoleh hasil yang valid yaitu penduga GLS. Pelanggaran asumsi
diantaranya terdapat autokorelasi pada galat model dan regresor bersifat stokastik.
Adanya autokorelasi dengan regresor bersifat stokastik dilihat melalui simulasi Monte
Carlo dengan ukuran sampel, koefisien autokorelasi dan ulangan yang bervariasi. Selain
itu, pendugaan parameter juga dievaluasi melalui beberapa kriteria yaitu nilai Absolut
Bias, Varian dan MSE. Hasil simulasi menunjukkan bahwa semakin bertambahnya ukuran sampel mengakibatkan kriteria penduga parameter semakin kecil. Sementara itu,
ulangan yang tinggi yang dilakukan pada simulasi ini tidak mempengaruhi kriteria penduga parameter. Pada pendugaan parameter model untuk semua penduga, penduga GLS
lebih efisien dan stabil dibanding dengan penduga OLS kecuali untuk koefisen autokorelasi −0.5 ≤ ρ ≤ −0.25 dan ρ = 0.5 pada βb1 , dan ρ = −0.25 pada βb2.