ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE

Abstract

Metode kuadrat terkecil merupakan metode standar untuk mengestimasi nilai parameter model regresi linear. Metode tersebut dibangun berdasarkan asumsi error bersifat identik dan independen, serta berdistribusi normal dengan mean nol dan variansi .Apabila asumsi tidak terpenuhi maka metode ini tidak akurat.Alternatif untuk mengatasi hal tersebut adalah dengan menggunakan metode resampling. Dalam penelitian ini, dilakukan estimasi nilai parameter regresi untuk analisis data pengaruh rasio profitabilitas (EPS, NPM, ROA, ROE) terhadap harga saham dari Perusahaan Jasa Sektor Keuangan yang tercatat di Bursa Efek Indonesia pada tahun 2014. Data tersebut merupakan data sekunder diperoleh dari laporan yang telah diunggah (www.idx.co.id).Dari uji asumsi klasik diperoleh bahwa model tidak bersifat homoskedastis dan residual tidak berdistribusi normal sehingga modelregresi yang diperoleh tidak dapat dipertanggungjawabkan.Kemudian diterapkan metode resampling. Estimasi parameter model regresi linear berganda dari metode resampling Bootstrap residual ukuran sampel Bootstrap 10 dengan B=12000dan metode resampling Jackknife dengan Jackknife Terhapus-3 diperoleh model regresi Berdasarkan analisis yang dilakukan, diperoleh metode resampling Jackknife memiliki standard error yang lebih kecil daripada metode resampling Bootstrap residual. Oleh karena itu, dapat disimpulkan bahwa dalam estimasi parameter model regresi linear berganda, metoderesampling Jackknife lebih baik daripada metode resampling Bootstrap residual.