Perbandingan Metode Penduga Restricted Maximum Likelihood (Reml) Dan Weighted Least Square (Wls) Pada Regresi Linier Berganda Dalam Mengatasi Heteroskedastisitas

Mahasiswa merupakan bagian dari masyarakat yang memiliki pendapatan. Pendapatan mahasiswa adalah uang yang didapat dari orangtua ataupun beasiswa, pemberian saudara, pekerjaan sampingan dan sebagainya. Mahasiswa berusaha menjadi trendsetter dalam berpakaian, gaya hidup, dan lain-lain. Hal itu juga didukung oleh uang saku yang diberikan oleh orang tua. Untuk itu penelitian ini menggunakan Umur mahasiswa (tahun), Besarnya pendapatan orang tua mahasiswa (ribu rupiah), Besarnya uang saku mahasiswa (ribu rupiah), Besarnya pendapatan sampingan mahasiswa (ribu rupiah), Rata-rata pengeluaran per bulan (ribu rupiah), dan Besarnya tabungan mahasiswa (ribu rupiah) dalam pemodelan analisis regresi linier berganda. Metode pendugaan parameter yang digunakan dalam penelitian ini adalah WLS dan REML. Tujuan penelitian ini adalah: menduga parameter regresi berganda dengan menggunakan metode REML, memodelkan faktor-faktor yang mempengaruhi tabungan mahasiswa Fakultas MIPA Universitas Brawijaya Malang dengan menggunakan penduga parameter WLS dan metode penduga REML, dan membandingkan metode penduga parameter yang lebih baik antara metode penduga parameter WLS dan metode penduga REML dalam memodelkan faktor-faktor yang mempengaruhi tabungan mahasiswa Fakultas MIPA Universitas Brawijaya berdasarkan nilai Root Mean Square Error (RMSE) dan Normalized Root Mean Square Error (NRMSE). Metode REML mampu mengatasi heteroskedastisitas ragam galat dan diperoleh dengan sifat penduga yang tidak bias bagi ragam galat.Model hasil pendugaan parameter regresi berganda dengan menggunakan metode WLS dan REML sebagai berikut: Metode WLS ̂ Metode REML ̂ Model yang mengandung peubah prediktor yang parameternya diduga dengan WLS dan REML memiliki kesimpulan yang sama(umur mahasiswa (tahun), besarnya pendapatan sampingan mahasiswa (ribu rupiah), dan rata-rata pengeluaran per bulan (ribu rupiah)). Berdasarkan nilai RMSE dan NRMSE penduga parameter WLS dan REML sama baik untuk mengatasi asumsi homoskedastistas yang tidak terpenuhi