1) Apa itu OLS

Sumber : https://www.scribd.com/doc/91973934/Pengertian-OLS#

OLS (Ordinary Least Square)

Pengertian OLS (Ordinary Least Square) adalah suatu metode ekonometrik
dimanaterdapat variable independen yang merupakan variable penjelas dan variable
dependen yaituvariable yang dijelaskan dalam suatu persamaan linier. Dalam OLS hanya
terdapat satu variabledependen, sedangkan untuk variable independen jumlahnya bisa lebih
dari satu. Jika variablebebas yang digunakan hanya satu disebut dengan regresilinier
sederhana, sedangkan jika variablebebas yang digunakan lebih dari satu disebut sebagai
regresi linier majemuk.
OLS merupakan metode regresi yang meminimalkan jumlah kesalahan (error )
kuadrat.Model regresi linier yang dipakai dengan metode OLS tersebut, harus memenuhi
asumsi BLUE (best Liniear Unbiased Estimator ) dalam melakukan pendugaan interval dan
pengujianparameter regresi populasi. Asumsi-asumsi BLUE antara lain:
- Model regresi adalah linier pada parameter-parameternya.
- Variable bebas adalah bukan stokastik (memiliki nilai yang tetap untuk sampel
yangberulang) dan tidak ada hubungan linier yang persis antara dua atau lebih
peubah-peubahbebas (no-multicolinearity).
- Error term atau galat mempunyai nilai harapan nol, E(εi) = 0
- Error term atau mempunyai varians konstan untuk semua observasi
(homoskedasticity), E(ε2) = σ2
- Error term atau galat pada suatu observasi tidak berhubungan dengan error term
padao bservasi lain.(no-autocorrelation)
- Error term atau galat berdistribusi normal.
Uji terhadap pelanggaran asumsi OLS
Beberapa solusi untuk mendeteksi maupun untuk mengatasi masalah pelanggaran asumsi
OLSdapat dilakuan dengan cara sebagai berikut:
Masalah multikolinieritasMultikolinearitas atau kolinearitas jamak merpakan
pelanggaran asumsi OLS dimanaterdapat hubungan yang signifikan antara variable-
variabel independen dalam sebuahsistem persamaan structural. Sejumlah prosedur
dapat dilakukan sebagai indikasi dariterjadinya multikolinearitas, yaitu;
a. Nilai R-squared yang tinggi dan diikuti dengan nilai F-stat yang signifikan,
namunsebagian besar nilai dari t-stat tidak signifikan.
 b. Tingkat Correlation antar 2 variabel bebas. Jika nilai korelasi antar variable
tersebutcukup tinggi (biasanya>0.8), maka diindikasikan terjadi masalah
multikolinearitasdalam persamaan tersebut.
c. Besarnya codition number yang berkaitan dengan variable bebas bernilai lebih
dari 20atau 30. Nilai condition number dapat diperoleh dengan prosedur
pemisahan matriksvariable-variabel bebas

SUMBER : https://gamastatistika.com/2021/11/02/mengenal-metode-ols-
ordinary-least-square/
Metode OLS adalah metode yang terdapat dalam analisis regresi berganda. Metode ini
digunakan untuk meminimalisir jumlah kuadrat kesalahan dengan mengestimasi suatu garis
regresi. Metode OLS termasuk jenis metode ekonometrik dengan 2 variabel yaitu variabel
independen dan variabel dependen.
Hasil akhir yang dimiliki oleh metode OLS adalah fungsi regresi populasi yang akan
digunakan untuk estimasi data. Untuk menghasilkan estimasi menggunakan metode OLS,
diperlukan empat asumsi dasar yang bersifat BLUE. BLUE sendiri merupakan singkatan
dari best, linear, unbiased, dan estimator. Berikut ini beberapa penjelasan dari asumsi dasar
tersebut.
 Best : hasil model regresi yang terbaik serta minim error
 Linear : model dalam regresi sesuai dengan kaidah OLS
 Unbiased : nilai yang diharapkan sesuai dengan nilai yang benar
 Estimator : model regresi yang terbentuk memiliki varians dengan nilai terkecil
Metode OLS ordinary least square juga memiliki kriteria operasi yaitu line of best
fit dengan jumlah kuadrat deviasi antara titik observasi dengan garis regresi adalah minimum.
Hasil estimasi dalam metode OLS memiliki sifat yang BLUE. Hasil estimasi tersebut juga
cenderung lebih efisien, konsisten.
Selain itu, hasil estimasi pada metode OLS juga cenderung memiliki koefisien regresi dengan
distribusi yang normal. Intercept nilai dependent dari estimasi metode OLS juga cenderung
memiliki distribusi yang normal jika nilai independent-nya nol.
alam metode OLS juga terdapat beberapa jenis uji asumsi seperti uji asumsi klasik, uji
signifikansi, serta koefisien determinasi. Dalam uji asumsi klasik juga terdapat beberapa
asumsi berdasarkan metode OLS ordinary least square diantaranya :
 Asumsi normalitas
  Asumsi heterogenitas
 Asumsi non multikolinieritas
Dalam uji signifikansi juga terdapat beberapa jenis pengujian diantaranya :
 Pengujian secara parsial
 Pengujian secara serentak
Setiap jenis asumsi dan pengujian memiliki variabel dependent dan independent yang cukup
beragam dengan hipotesis yang beragam. Dengan menggunakan metode OLS, data analisis
regresi berganda yang dilakukan bisa memberikan hasil yang sesuai dengan kebutuhan.
Metode OLS juga bisa mengukur prediksi terhadap variabel dependent melalui pegamatan
variabel independent. Metode OLS menggunakan metode kuadrat terkecil (MKT) untuk
melakukan pendugaan parameter.

https://www.dictio.id/t/apa-yang-dimaksud-dengan-ordinary-least-squares-ols/116519

2) Beda OLS & MLE

Ringkasan:
1. "OLS" berarti "kuadrat terkecil biasa", sedangkan "MLE" berarti "estimasi
kemungkinan maksimum".
2. Kuadrat terkecil biasa, atau OLS, juga bisa disebut kuadrat terkecil linier. Ini
adalah metode untuk menentukan perkiraan parameter yang tidak diketahui
yang terletak di model regresi linier.
3. Estimasi kemungkinan maksimum, atau MLE, adalah metode yang digunakan
untuk memperkirakan parameter model statistik dan untuk menyesuaikan
model statistik dengan data.
(http://www.differencebetween.net/science/mathematics-statistics/differences-
between-ols-and-mle/)

Kuadrat terkecil biasa, atau OLS adalah metode untuk menentukan perkiraan parameter yang
tidak diketahui yang terletak di model regresi linier. Metode ini diperoleh dengan
meminimalkan total kuadrat jarak vertikal antara respons yang diamati dalam kumpulan data
dan respons yang diprediksi oleh pendekatan linier. Melalui rumus sederhana, Anda dapat
menyatakan penaksir yang dihasilkan, terutama regresi tunggal, yang terletak di sisi kanan
model regresi linier. Juga itu adalah solusi keseluruhan Anda dalam meminimalkan jumlah
kuadrat kesalahan dalam persamaan Anda.
Estimasi Kemungkinan Maksimum, atau MLE, adalah metode yang digunakan untuk
memperkirakan parameter model statistik, dan untuk menyesuaikan model statistik dengan
data. Dengan menggunakan estimasi kemungkinan maksimum, Anda dapat memperkirakan
rata-rata dan varian dari tinggi subjek Anda. MLE akan menetapkan rata-rata dan varians
sebagai parameter dalam menentukan nilai parametrik tertentu dalam model tertentu.

https://askanydifference.com/id/difference-between-ols-and-mle/
k

3) Kenapa menggunakan uji Z untuk varian/ragam yang diketahui sedangkan uji t

untuk varians/ragam yang tidak diketahui
Jawab :
 4) Kenapa taraf nyata/signifikan yang digunakan 1%, 5%, 10%? Apakah boleh
menggunakan 30%?
Jawab

https://www.youtube.com/watch?v=1CuNP7O9e0w

Signifikansi dalam statistik berarti kemungkinan atau berpeluang betul-betul benar.

benar berbeda atau nyata. Dalam penelitian, Taraf signifikansi (α) merupakan angka yang
menunjukkan probabilitas atau peluang kesalahan yang ditetapkan peneliti dalam mengambil
keputusan untuk menolak atau mendukung hipotesis nol, atau dapat diartikan juga sebagai
tingkat kesalahan atau tingkat kekeliruan yang dapat ditolerir/ ditoleransi oleh peneliti, yang
sebabkan kemungkinan adanya kesalahan dalam pengambilan sampel (sampling error).
Taraf signifikansi dinyatakan dalam bentuk persen dan dilambangkan dengan α
(alpha). Pada umumnya dalam penelitian nilai tingkat kesalahan yang digunakan adalah 1%,
5% ataupun 10%. Semakin kecil nilainya, maka semakin besar tingkat kepercayaan
pengambilan keputusan. Pada penelitian pendidikan atau sosial ekonomi sering digunakan
5%, namun dalam ekonomipun sering juga digunakan 10%, sedangkan 1% digunakan untuk
penelitian kesehatan karna pada penelitian kesehatan atau penelitian yang berkaitan dengan
keselamatan dengan keberlangsungan makhluk hidup sehingga diperlukan tingkat kesalahan
sekecil mungkin. Sumber (https://statistikpenelitian.com/taraf-signifikansi-%CE%B1-makna-
penggunaan/)
Tetapi semakin besar angka ini semakin kecil tingkat kepercayaannya. Jika digunakan 1%
maka tingkat kepercayaan 99%. Jika 5% tingkat kepercayaan 95%. Jika digunakan 10%
maka tingkat kepercayaan 90%.

https://www.google.com/search?
q=dasar+taraf+signifikan&bih=649&biw=1366&hl=id&sxsrf=APwXEdezcsXcPdh1
RcI6ku3YcG9TJOnchA
%3A1683432126618&ei=viJXZKy6Jf6NseMP4LCC0Aw&ved=0ahUKEwiskaSvqeL
-AhX-
RmwGHWCYAMoQ4dUDCA4&uact=5&oq=dasar+taraf+signifikan&gs_lcp=Cgxnd
3Mtd2l6LXNlcnAQAzIHCCEQoAEQCjIHCCEQoAEQCjIHCCEQoAEQCjIHCCE
QoAEQCjoHCCMQ6gIQJzoNCC4QxwEQ0QMQ6gIQJzoNCC4QjwEQ6gIQtAIYAT
oNCAAQjwEQ6gIQtAIYAToECCMQJzoHCCMQigUQJzoLCAAQgAQQsQMQgw
E6BQgAEIAEOg0IABCKBRCxAxCDARAKOggIABCABBCxAzoLCC4QgAQQs
QMQgwE6CAgAEIoFELEDOggIABAWEB4QCjoGCAAQFhAeOggIABAWEB4Q
DzoHCAAQDRCABDoGCAAQHhANOgoIABAFEB4QDRAKOggIABAFEB4QD
ToKCAAQBRAeEA0QDzoICAAQCBAeEA06BQghEKABOgQIIRAVSgQIQRgAU
PAEWNojYLolaAFwAXgAgAG2AogB7yCSAQgwLjExLjguMpgBAKABAbABFM
ABAdoBBggBEAEYCg&sclient=gws-wiz-
serp#fpstate=ive&vld=cid:2530588e,vid:k1MrfqwAhyM

McCall (1970) mengatakan bahwa pemilihan taraf signifikansi 5%

atau 1% semata-mata kesepakatan yang menjadi kebiasaan di
kalangan ilmuwan sosial saja tanpa ada dasar yang jelas.
Sumber :
https://www.google.co.id/books/edition/METODOLOGI_PENELITIAN/7TiiEAAAQ
BAJ?
hl=id&gbpv=1&dq=semakin+tinggi+taraf+signifikan+maka&pg=PA63&printsec=fro
ntcover

McCall (1970) mengatakan bahwa pemilihan taraf signifikansi 5% atau 1 % semata-mata

kesepakatan yang menjadi kebiasaan di kalangan ilmuwan sosial saja tanpa ada dasar
yangjelas.

Semakin besar taraf nyata (α) yang digunakan, semakin buruk kualitas pengujian

hipotesisnya. Sebaliknya, semakin kecil taraf nyata (α) yang digunakan, semakin baik

kualitas pengujian hipotesisnya.Besaran taraf nyata yang paling sering digunakan

para peneliti adalah α = 5% = 0,05. (https://slideplayer.info/slide/4878477/)

Tetapi semakin besar angka ini semakin kecil tingkat kepercayaannya. 

Youtube
10% artinya kita mempunyai risiko salah dalam mengambil keputusan untuk menolak
hipotesisi yang benar sebanyak 10% dan menerima hipotesis yang benar itu 90%
Maka semakin kecil nilai signifikansinya maka semakin kecil ingkat kesalahannya