Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

dokumen-dokumen yang mirip
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB III ISI. x 2. 2πσ

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB III ESTIMASI MODEL PROBIT TERURUT

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB II LANDASAN TEORI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

Bab II Teori Pendukung

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 2. Tinjauan Teoritis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

Regresi Linier Sederhana Definisi Pengaruh

BAB 5 HASIL DAN PEMBAHASAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB II KAJIAN LITERATUR

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2)

POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

ANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

S2 MP Oleh ; N. Setyaningsih

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

BAB II LANDASAN TEORI

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

Regresi & Korelasi Linier Sederhana

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS : DATA GCM STASIUN AMBON)

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

REGRESI & KORELASI LINIER SEDERHANA

NORM VEKTOR DAN NORM MATRIKS

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

MATEMATIKA INTEGRAL RIEMANN

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

POLIGON TERBUKA TERIKAT SEMPURNA

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

; θ ) dengan parameter θ,

ANALISIS STABILITAS PADA MODEL EPIDEMIK MULTI GRUP DENGAN LAJU PENULARAN TAK LINEAR

Bab II Teori Dasar. Data spasial adalah data yang memuat informasi lokasi. Misalkan z( ), i = 1,

UKURAN GEJALA PUSAT DAN UKURAN LETAK

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

III. METODOLOGI PENELITIAN

Transkripsi:

Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres dmaa la dar varabel redktor yag terobservas telah dtetuka sebelumya da megadug error egukura atau error observas. Pada model regres oler dega kasus Berkso Measuremet Error, fugs regres tdak haya oler dalam arameter teta fugs regresya daat oler dalam varabel redktor seert ada model regres olomal Berkso. Peaksra arameter model regres olomal Berkso daat dlakuka dega beberaa metode dataraya dega metode OLS da metode Mmum Dstace. Metode yag dguaka dalam eelta adalah metode Mmum Dstace berdasarka mome ertama da kedua dar varabel reso dberka varabel redktor terobservas. Peaksr arameter model deroleh dega mesubsttuska taksra dar arameter-arameter baru yag mucul ada mome ertama da kedua dar varabel reso dberka la varabel redktor terobservas. Kata Kuc : Berkso Measuremet Error, regres olomal Berkso, Mmum Dstace, mome ertama da kedua Abstract Berkso Measuremet Error model s a regresso model where the value of the observed redctor varable was determed ad cotaed errors of measuremet or error of observato. I the oler regresso model wth Berkso case, the regresso fucto ot oly olear arameters but t ca be olear redctor varables such as Berkso olyomal regresso model. The Parameter estmato of Berkso olyomal regresso model ca be estmated wth several methods such as by OLS method ad Mmum Dstace methods. The method used ths joural s the Mmum Dstace based o the frst two codtoal momet of the resose varable gve the value of observed redctor varable. Parameter estmators of model were obtaed by substtutg the value of ew arameter estmators that aear o the frst two codtoal momet of the resose varable gve the value of observed redctor varable. Keywords : Berkso Measuremet Error, Berkso olyomal regresso model, mmum dstace, frst two codtoal momet 1. PENDAHULUAN Pada model regres ler mauu oler yag delajar ada umumya, dasumska bahwa la varabel redktorya meruaka la yag sesugguhya yag deroleh dar hasl egukura atau observas. Namu, adakalaya la yag sesugguhya tersebut tdak dketahu atau tdak daat dukur secara teat sehgga hasl egukura yag terbaca megadug error egukura atau error observas. Varabel redktor yag tak daat dukur laya secara teat dsebut varabel redktor tak terobservas, sedagka varabel yag deroleh dar hasl embacaa egukuraya dsebut varabel redktor terobservas. Dalam aalss regres, kasus dkeal dega Measuremet Error Model atau Error Varable Model. Salah satu te Measuremet Error Model adalah Berkso Measuremet Error Model yag daat delajar ada [1], [], [3]. Pada model dasumska bahwa error observas deede dega varabel redktor terobservas, sedagka atara error observas da varabel redktor tak terobservas salg deede. Dalam hal la varabel redktor terobservas Kekosstea eaksr..., Da Kurawat, FE UI, 013

Dasumska fx sedagka la varabel redktor tak terobservas bervaras secara radom datara la varabel redktor terobservas tersebut. Pada defs model regres oler dega kasus Berkso Measuremet Error Model, fugs regresya tdak haya oler dalam arameter seert dalam teor model regres umumya [6], teta fugs regresya daat meruaka fugs oler dalam varabel redktor seert model regres olomal Berkso yag delajar dalam [5],[7]. Peaksra arameter model regres olomal Berkso daat dlakuka dega beberaa metode dataraya dega metode Ordary Least Square yag delajar dalam [5] atau dega metode Mmum Dstace berdasarka mome ertama da kedua dar varabel reso dberka varabel redktor terobservas yag derkealka dalam [7]. Peelta aka membahas roses eaksra arameter model regres olomal Berkso megguaka metode Mmum Dstace berdasarka mome ertama da kedua dar varabel reso dberka varabel redktor terobservas.varabel redktor yag aka dguaka yatu varabel redktor uvarat da dstrbus dar Measuremet Error adalah ormal dega mea ol da varas kosta.. METODE PENELITIAN Metode eeltta yag dguaka dalam eelta adalah stud lteratur tetag Nolear Regresso Measuremet Error Model khususya ada teor Berkso Measuremet Error Model da stud lteratur tetag eksektas matematka khususya ada teor eksektas matematka bersyarat. Lteratur yag delajar aka dguaka utuk megembagka eelta tetag eaksra arameter model regres olomal Berkso. 3. HASIL DAN PEMBAHASAN Secara umum model regres olomal Berkso daat dmodelka sebaga berkut : y = x θ x... θ x ε (1) x = δ ; = 1,,. () dmaa: y = varabel reso, x k = varabel redktor yag tak terobservas, k = 1,,... θ m arameter model yag tdak dketahu,θ m 0 m = 0,1,... ε = error model = varabel redktor yag terobservas δ = error observas (Measuremet Error) dega asums bahwa : 1. y ε R, x ε R, ε R, = 1,, dmaa la-la dkotrol da meruaka varabel yag fx dalam beberaa egulaga egambla samel sedagka la x berksar seara radom datara. θ ε R P1 dmaa θ =,, θ,..., θ adalah vektor yag etr-etrya adalah arameter θ m, m = 0,1,, da adalah ruag aremeter dar la-la θ yag mugk. 3. Error model, ε ~ Nd (0, σ ε ), σ ε ε R dmaa ε adalah ruag aremeter dar la- la varas error model σ ε yag mugk.. Error observas, δ ~ Nd 0, σ δ, σ δ δ R dmaa δ adalah ruag aremeter dar lala varas error observas σ δ yag mugk. 5. Atara ε, δ j da z l mutually deede utuk semua, j da l dmaa = 1,,, j = 1,, da l= 1,, Berdasarka ersamaa (1), model regres olomal Berkso megadug arameterarameter yag tdak dketahu laya. Parameterarameter tersebut yatu : koefse regres θ m, m = 0,1,,, ; varas error model σ ε da varas Measuremet Error σ δ. Dalam eelta, metode Mmum Dstace aka dguaka utuk meaksr arameter-arameter tersebut. Msalka y, meyataka data samel utuk = 1,,,. Maka berdasarka ersamaa (1), eaksr arameter model regres olomal Berkso megguaka metode Mmum Dstace deroleh dega memmumka fugs objektf : Q (γ)= [(y m 1 ; γ ) (y m ; γ ) ] dmaa: m 1 ; γ m ; γ γ = model utuk E[y ] (mome ertama dar varabel reso y dberka varabel redktor terobservas z = ) = model utuk E[y ] (mome kedua dar varabel reso y dberka varabel redktor terobservas z = ) = vektor dar arameter-arameter dalam model (1) yag laya tdak dketahu. dmaa γ = (θ t, σ ε, σ δ ) t da γ R P3. Hmua meruaka ruag arameter yag memuat lala γ yag mugk. Berdasarka ersamaa model (1) beserta asums ada model tersebut aka dtetuka mome ertama da kedua dar varabel reso y dberka varabel redktor terobservas sebaga berkut : Dalam teorema bomal dketahu bahwa a b r = r =0 () r ar b (3) Kekosstea eaksr..., Da Kurawat, FE UI, 013

berdasarka teorema tersebut da berdasarka betuk mome ke-k dar Measuremet Error δ yag djelaska dalam [] : E δ k = 0, k blaga gajl σ k k!, k blaga gea! k/ k maka mome ertama dar varabel reso y dberka varabel redktor terobservas adalah : E y =E x θ x... θ x ε =E ( δ θ ( δ ).... θ ( δ ) ε = θ 0 θ 1 θ z... θ () dmaa σ! = 0 0 θ σ δ θ! θ P E δ σ! = 1 0 3 θ 3σ δ 5 θ 5! θ P E δ σ! θ = 0 θ θ σ δ 6 θ 6! θ P E δ θ = 0 θ (5) Selajutya aka dtetuka mome kedua dar varabel reso y dberka varabel redktor terobservas sebaga berkut : E y = E ( x θ x... θ x ε) z =E[θ 0 x θ x θ x ε θ 1 x θ x 3 θ x 1 x ε θ x θ θ x θ x ε... θ x θ x ε ε ] = θ 0 θ 1 θ z... θ (6) dmaa = 0 0 θ σ δ θ. E δ θ 1 σ δ θ!σ 3! θ 1 θ θ 6 6!σ 6 6 3 3! θ θ E δ... θ () E δ σ ε θ E δ 1 θ θ = θ 0 θ 1 E δ 0 θ 3 σ δ θ 1. 1 E δ θ σ δ θ θ. 1 E δ... θ E[δ ] = θ (7) θ E δ Dar ersamaa () da (5) deroleh model utuk mome ertama da kedua dar varabel reso y dberka varabel redktor terobservas : m 1 ( ; γ) = θ 0 θ 1 θ z... θ z (8)m ; γ = θ 0 θ 1 θ z... θ (9) Lagkah selajutya adalah mecar eaksr dar θ 0, θ 1, θ,... θ, θ 0 θ 1, θ,... θ ada ersamaa (8) da (9) megguaka metode Mmum Dstace. Peaksr dar arameterarameter dalam kedua ersamaa tersebut deroleh dega mecar solus dar : MQ γ =M (y m 1 ; γ ) (y m ; γ ) Fugs Q (γ) datas harus dmmumka terhada θ 0, θ 1, θ,... θ, θ 0 θ 1, θ,... θ sedemka sehgga memeuh ersamaa-ersamaa berkut : θ... θ = y 3 θ... = y 1 θ... θ = y θ... θ 3 θ... θ 1 θ 1... θ = y = y = y = 1 0 θ θ 3 σ δ θ θ θ 3 5!σ! θ θ E[δ ] 1 E δ 1 1 yatu terbetuk ersamaa ormal sebayak 3, jka dotaska dalam matrks maka deroleh : B = A Kekosstea eaksr..., Da Kurawat, FE UI, 013

Maka eaksr utuk θ 0, θ 1, θ,... θ, θ 0 θ 1, θ,... θ daat deroleh dega cara : B = A B B = B A = B A Berdasarka ersamaa (5) secara rekursf deroleh : θ = θ θ = θ θ = θ θ σ δ θ 3 = θ 3 θ σ δ = θ 1 3 θ 3 =. 3 3 θ E δ P 3 σ δ 5 θ 5 5 5 θ P 5 E δ σ!! θ P E δ θ θ θ E δ P σ δ 6 θ 6 6 θ 6 P 6 E δ σ!! σ δ - θ P E δ θ θ P σ! E δ! θ E δ P (10) Berdasarka ersamaa (7) deroleh bahwa : θ = θ θ =θ θ θ θ θ Sehgga deroleh : σ δ = θ θ θ θ θ θ σ δ Dega mesubttuska seta θ, θ, θ, θ da θ dega θ, θ, θ, θ da θ yag deroleh dar matrks maka deroleh eaksr bag varas error observas (measuremet error) σ δ yatu : σ δ = θ θ θ θ θ θ (11) Jka derajat olom adalah gajl maka berdasarka betuk E δ k m 1 da dega mesubsttus σ δ m 1 dega σ δ maka aka deroleh : E δ m 1 Sebalkya, jka adalah gea maka aka deroleh: E δ m Dega mesubsttus θ 0, θ 1, θ,..., θ, θ, θ dega θ 0, θ 1, θ,..., θ, θ, θ σ δ yag deroleh matrks da mesubsttuska σ m δ, E δ 1 atau E δ m masg-masg dega σ δ da E δ m 1 atau E δ m maka deroleh eaksr bag,, θ,..., θ, θ, θ dalam ersamaa (10) yatu :,, θ,..., θ, θ, θ (1) Lagkah selajutya alah mecar eaksr bag varas error model σ ε. Berdasarka betuk dalam ersamaa (7) da dega mesubsttuska seta,, θ,..., θ, θ, θ,, σ δ da m E δ 1 m atau E δ dega,, θ,..., θ, θ, θ,, σ δ da E δ m 1 atau E δ m error model : maka deroleh eaksr bag varas σ ε = 0 0 θ, σ δ θ E δ σ δ θ!σ δ 3 θ! 1θ 1. 1 1 E δ 1! σ θ δ! θ θ 6 6 6! σ δ 6 3 3! θ! σ δ!! σ θ δ! θ! σ δ! θ θ 6 6 6! σ δ 6 3 3! θ θ. E δ... θ () E δ (13) sehgga deroleh eaksr bag arameter-arameter model olomal Berkso, yatu :,, θ,..., θ, θ, θ, σ ε da σ δ. Model ft Mmum Dstace utuk regres olomal Berkso adalah : y = x θ x... θ x ; x = δ ; = 1,,. KESIMPULAN Peaksr arameter model regres olomal Berkso daat deroleh dega memmumka fugs objektf Mmum Dstace berdasarka mome ertama da kedua dar varabel reso Kekosstea eaksr..., Da Kurawat, FE UI, 013

dberka vaabel redktor terobservas. Dega mesubsttuska arameter-arameter baru yag mucul ada mome ertama da kedua secara smulta maka aka deroleh seluruh arameterarameter model regres olomal Berkso. UCAPAN TERIMAKASIH Peuls megucaka terma kash bayak keada Ibu St Nurrohmah da Ibu Da Lestar selaku embmbg skrs yag telah memberka bayak masuka da araha dalam eulsa makalah. Peuls juga megucaka terma kash bayak keada oragtua euls da adk-adk tercta terutama dudu yag seta meema da memberka doa-doa terbakya, terma kash atas kado terdahya. DAFTAR ACUAN [1] J. Berkso, Are There Two Regresso?. Amerca Statstcal Assocato, 5, (1950), 16-180. [] R. J. Carroll,D. Ruert, ad L. A. Stefask, Measuremet Error I Noler Models, Chama ad Hall, Lodo,006 [3] W. A. Fuller,Measuremet Error Models, Joh Wley & Sos, New York,1987 [] R. V.Hogg, ada. T.Crag, Itroducto to mathematcal statstcs, 5th ed, Pretce Hall Ic, New Jersey, 1995 [5] L. Huwag, ady. H. S. Huag,Y. H,O error- Varables Polomal Regresso Berkso case. Statstc Sca, 10, (000), 93-936. [6] D. C.Motgomery, E. A.Peck, adg.g. Vg, Itroducto to Ler Regresso Aalyss, 3rd ed, Joh Wley & Sos, New York, 001 [7] L. Wag,Estmato Of Noler Berkso-Tye Measuremet Error Models. Statstca Sca, 13, (003), 101-110. Kekosstea eaksr..., Da Kurawat, FE UI, 013