Pendugaan Parameter Analisis Regresi Nonlinier Dengan Model Kuadratik

Dalil Gauss Markov : Berdasarkan sejumlah asumsi tertentu pendugaan berdasarkan metode kuadrat terkecil akan menghasilkan penduga takbias linear terbaik Best Linear Unbiasad Estimator BLUE , dengan koefisien regresi memiliki varians minimum. Estimasi regresi dilakukan untuk menentukan estimator parameter regresi. Salah satu metode yang digunakan untuk mengestimasi parameter model regresi nonlinier adalah kuadrat terkecil nonlinier dimana secara konseptual sama dengan metode kuadrat terkecil pada model regresi linier.

2.3. Pendugaan Parameter

Untuk menyelesaikan suatu masalah nonlinier, metode yang seringkali ditempuh dan ternyata berhasil adalah menuliskan persamaan normal secara terinci dan mengembangkan suatu tekhnik iteratif yang digunakan untuk memperoleh taksiran parameter diantaranya adalah: Metode linearisasi metode deret taylor, Stepest Descent, dan Jalan Tengah Marquadrt. Metode–metode ini dapat diselesaikan dengan menggunakan program komputer. Metode linearisasi atau metode deret taylor menggunakan hasil–hasil kuadrat terkecil pada model yang ditentukan dalam beberapa tahap. Misalkan model yang ditentukan berbentuk u u f Y ε θ ξ + = , . dengan 20 10 , , p θ θ θ  adalah nilai-nilai awal bagi parameter–parameter p θ θ θ  , , 1 . Nilai–nilai awal itu merupakan taksiran kasar belaka atau mungkin pula merupakan nilai–nilai dugaan awal berdasarkan informasi yang tersedia. Misalnya perkiraan berdasarkan informasi yang diperoleh dari perhitungan lain yang serupa atau yang diperkirakan benar oleh peneliti berdasarkan pengalaman dan pengetahuannya. Nilai–nilai awal itu diharapkan akan diperbaiki dalam proses iterasi yang selanjutnya dilakukan penguraian deret Taylor bagi θ ξ, f disekitar titik 20 10 , , p θ θ θ θ  = dan membatasi penguraian sampai turunan pertama. Dapat dikatakan bahwa, bila θ dekat pada θ maka, Universitas Sumatera Utara 1 , , , i i i u P i u u f f f θ θ θ θ ξ θ ξ θ ξ θ θ −       ∂ ∂ + = = = ∑ Bila ditetapkan , θ ξ u u f f = i i i θ θ β − = , θ θ θ θ ξ =       ∂ ∂ = i u iu f Z Maka bentuknya menjadi ∑ = + = − p i u iu i u u Z f Y 1 ε β Dengan kata lain persamaan diatas sudah berbentuk linier. Sekarang penulis dapat menaksir parameter-parameter p i i , , 2 , 1 ,  = β dengan cara menerapkan teori kuadrat terkecil. Dengan : { } n p Z Z Z Z Z Z Z Z Z Z Z Z Z Z iu pn n n pu u u p p × =                     = , 2 1 2 1 2 22 12 1 21 11                        = 2 1 p b b b b  dan 2 2 1 1 f Y f Y f Y f Y f Y y n n u u − =                     − − − − =   Misalnya, dengan notasi yang sudah jelas maksudnya, maka taksiran bagi 2 1 , , , p β β β β  = diberikan oleh 1 f Y Z Z Z b − = − dengan demikian vektor b akan meminimumkan jumlah kuadrat galat Universitas Sumatera Utara

2.4. Menghitung Determinan