Perbandingan Estimasi Metode Kuadrat Terkecil Terboboti dan Metode Transformasi Box-Cox Pada Data Heteroskedastisitas

Dalam mengestimasikan parameter regresi umumnya digunakan metode kuadrat terkecil. Metode ini memiliki beberapa asumsi yang perlu dipenuhi salah satunya yakni homoskedastisitas. Pelanggaran asumsi homoskedastisitas dapat menyebabkan model estimasi tidak efisien. Oleh karena itu jika terjadi pelanggaran homoskedastisitas maka metode kuadrat terkecil tidak dapat lagi digunakan,sehingga diperukan metode alternative. Metode untuk mengatasi pelanggaran homoskedatisitas dua diantaranya yakni  metode kuadrat terkecil terboboti dan metode transformasi Box-Cox. Dalam penelitian ini akan dibandingkan metode kuadrat terkecil terboboti dan metode transformasi Box-Cox. Dari penerapan kedua metode tersebut didapatkan metode kuadrat terkecil terboboti memiliki RMSE (root mean square error) yang lebih kecil dan R2 yang lebih besar dibandingkan metode transformasi Box-Cox. Maka dapat disimpulkan metode kuadrat terkecil terboboti lebih bagus digunakan dalam menangani pelanggaran homoskedastisitas.