Anda di halaman 1dari 4

Nama : Bayu Mustika Khatulistiwantoro

NIM : H1091151031
Prodi : Statistik
Bayu
ORDINARY LEAST SQUARE (OLS)

Pengertian OLS (Ordinary Least Square) adalah suatu metode ekonometrik dimana terdapat
variable independen yang merupakan variable penjelas dan variable dependen yaitu variable yang
dijelaskan dalam suatu persamaan linier. ... OLS merupakan metode regresi yang meminimalkan
jumlah kesalahan (error) kuadrat.
Dalam model regresi linear sederhana untuk mengetahui hubungan antara dua variabel yang salah
satu variabel menjadi variabel dependent (tak bebas) dan variabel lainnya independent (variabel
bebas). Dalam analisis regresi linear, hasil akhir yang diperoleh adalah fungsi regresi populasi
yang didapat dari fungsi regresi sampel yang nantinya dapat digunakan untuk estimasi.

Ada beberapa metode yang dapat digunakan untuk mengestimasi fungsi regresi, salah satunya
adalah OLS (Ordinary Linear Square). OLS merupakan metode estimasi fungsi regresi yang
paling sering digunakan. Kriteria OLS adalah "Line of Best Fit" atau dengan kata lain jumlah
kuadrat dari deviasi antara titik-titik observasi dengan garis regresi adalah minimum.
Dalam model regresi linear memiliki beberapa asumsi dasar yang harus dipenuhi untuk
menghasilkan estimasi yang BLUE, yaitu : Homoscedastic, no-multicollinearity dan no-
autocorrelation.

Adapun estimator yang BLUE, adalah

1. Best, hasil model regresi adalah terbaik dan menghasilkan error yang kecil.
2. Linear, model yang digunakan dalam regresi sesuai kaidah model OLS yaitu linear dan
pangkat variabel-variabelnya paling tinggi adalah satu
3. Unbiased, nilai yang diharapkan (hasil estimasi menggunakan model regresi) sama dengan
nilai yang benar
4. Estimator, model regresi yang terbentuk memiliki varians yang minimal dari estimator
lainnya.

Asumsi-asumsi yang BLUE :

1. Model regresi adalah linear dalam parameter


2. Error term berdistribusi normal, implikasinya Y dan distribusi sampling koefisien regresi
memiliki distribusi normal. Sehingga nilai harapan dan rata-rata kesalahan (error) adalah
nol.
3. Varians tetap (homoscedastic)
4. Tidak ada hubungan variabel bebas dengan error term
5. Tidak ada autocorrelation antara error term
6. Pada regresi linear berganda hubungan antarvariabel bebas (multicolinearity) tidak terjadi.

Hasil estimasi yang bersifat BLUE, sebagai berikut :

1. Efisien, hasil nilai estimasi memiliki varians yang minimum dan tidak bias
2. Tidak bias (unbiased), hasil estimasi sesuai dengan parameter
3. Konsisten, jika ukuran sampel ditambah tanpa batas, maka hasil nilai estimasi akan
mendekati parameter populasi sebenarnya. (jika memenuhi asumsi normal, dimana error
term berdistribusi normal standar dengan mena nol dan standar deviasi satu)
4. Intercept nilai dependent saat nilai independent nol memiliki distribusi normal
5. Koefisien regresi akan memiliki distribusi normal