Apa yang dimaksud dengan Ordinary Least Squares (OLS)?

Ordinary Least Squares

Metode Ordinary Least Square merupakan salah satu metode dalam analisis regresi berganda untuk mengetahui pengaruh variabel bebas terhadap variabel tak bebas. Metode Ordinary Least Square akan menghasilkan estimasi yang terbaik dibanding dengan metode lain jika semua asumsi klasik terpenuhi. Sebaliknya, jika asumsi klasik tidak terpenuhi akan menghasilkan estimator yang jelek.

Apa yang dimaksud dengan Ordinary Least Squares (OLS) ?

Metode Ordinary Least Square (OLS) ditemukan oleh seorang matematikawan dari Jerman, Carl Friedrich Gauss, dimana metode OLS adalah metode yang digunakan untuk mengestimasi suatu garis regresi dengan cara mencari nilai minimal untuk jumlah kuadrat kesalahan antara nilai prediksi dengan nilai kenyataannya. Oleh karena itu, metode ini disebut Least Square.

Kriteria Least-square
Gambar Kriteria Least-square

dimana jumlah error keseluruhan adalah sebagai berikut,

image

Apabila persamaan linear-nya sebagai berikut,

image

Maka, persamaan jumlah kuadrat error keseluruhannya adalah sebagai berikut,

image

Notasi matriks untuk jumlah kuadrat error (βˆ‘πœ€π‘–2) adalah sebagai berikut,

image

Seperti yang kita ketahui bahwa didalam analisis regresi, terdapat beberapa kali pengamatan, sehingga terdapat beberapa (n) persamaan liner, yang bergantung dari jumlah pengamatan yang dilakukan,

image

Persamaan diatas, dapat ditulisakan dalam bentuk matriks-nya sebagai berikut,

image

atau secara sederhana dapat ditulis 𝒀 = π‘Ώπœ· + 𝜺

Catatan : Huruf tebal menunjukkan bahwa elemen-elemen yang ada didalam persamaan tersebut berbentuk matriks

Dari persamaan matriks yang ada, maka kita akan mendapatkan persamaan error adalah sebagai berikut,

𝜺 = 𝒀 βˆ’ π‘Ώπœ·

Kembali kepada notasi matriks untuk jumlah kuadrat error, dengan menggunakan persamaan diatas, maka persamaan 𝜺i'𝜺i dapat ditulis sebagai berikut,

image

Agar dapat mendapatkan nilai minimum dari πœ€π‘–β€²πœ€π‘–, maka persamaan πœ€π‘–β€²πœ€π‘– diturunkan terhadap 𝛽, didapatkan :

image

Dengan mengganti parameter-parameter yang ada menjadi estimatornya, dan meletakkan Y di kanan persamaan, maka persamaan diatas dapat dituliskan sebagai berikut,

image

Persamaan simultan diatas dikenal sebagai persamaan normal atau normal equations.

Persamaan diatas, apabila dirubah menjadi bentuk matriks, dapat dituliskan sebagai berikut,

image

Atau secara sederhana, ditulis sebagai berikut,

image

Sehingga, persamaan akhir dari nilai estimator dengan menggunakan metode OLS adalah

image