PENGGUNAAN METODE WEIGHTED LEAST SQUARE UNTUK MENGATASI MASALAH HETEROSKEDASTISITAS DALAM ANALISIS REGRESI (Studi Kasus Pada Data Balita Gizi Buruk Tahun 2014 di Provinsi Jawa Tengah)

Abstract

ABSTRAK. Analisis regresi merupakan kajian terhadap hubungan satu variabel dependen dengan satu atau lebih variabel independen. Salah satu asumsi penting yang harus dipenuhi jika ingin mendapatkan penaksir koefisien regresi yang Best Linear Unbiased Estimator (BLUE) yaitu homoskedastisitas. Jika asumsi homoskedastisitas tidak terpenuhi maka terjadi pelanggaran asumsi yang disebut heteroskedastisitas. Konsekuensi adanya heteroskedastisitas yaitu penaksir tetap linier dan tidak bias. Namun heteroskedastisitas dapat menyebabkan penaksir tidak mempunyai varians yang minimum sehingga penaksir tidak lagi bersifat BLUE.  Heteroskedastisitas dapat diperbaiki menggunakan metode WLS (Weighted Least Square) sehingga penaksir dapat bersifat BLUE.

Dalam penelitian ini digunakan data gizi buruk balita di Jawa Tengah serta variabel-variabel yang diduga mempengaruhinya yaitu persentase balita yang ditimbang, persentase rumah tangga ber-PHBS, persentase pemberian ASI eksklusif, rasio rumah sakit, rasio rumah sakit bersalin, rumah sakit anak dan rumah bersalin, rasio bidan, persentase kelahiran balita ditolong bidan, dokter dan tenaga medis, rasio dokter, rasio puskesmas dan persentase pemberian vitamin A pada balita.

Berdasarkan hasil perbandingan antara metode WLS dan transformasi LN diperoleh metode yang paling tepat digunakan untuk mengatasi heteroskedastisitas pada data gizi buruk balita di Jawa Tengah adalah metode WLS karena menghasilkan MSE terkecil yaitu sebesar 0,001894 dan R² yang lebih besar yaitu sebesar 0,547.