Estimator metode kuadrat terkecil pada data bangkitan metode Monte Carlo

INDONESIA: Analisis regresi merupakan analisis yang dilakukan dengan melibatkan antara satu atau lebih variabel bebas dan variabel terikat. Dalam analisis regresi terdapat beberapa asumsi klasik yang harus terpenuhi yaitu eror data berdistribusi normal, tidak ada autokorelasi, tidak ada multikolinearitas dan tidak ada heteroskedastisitas. Metode analisis regresi yang digunakan untuk mengestimasi parameter yaitu metode kuadrat terkecil dimana metode ini dilakukan dengan meminimalkan jumlah variansi erornya. Pada penelitian ini data return saham mengalami masalah autokorelasi dengan ini metode Monte Carlo digunakan karena tidak memenuhi asumsi metode kuadrat terkecil. Tujuan penelitian ini adalah untuk mengatasi masalah autokorelasi pada proses estimasi metode kuadrat terkecil. Langkah-langkah dalam estimasi parameter dilakukan menggunakan uji asumsi klasik dan uji signifikansi parameter. Berdasarkan hasil penelitian diperoleh estimasi parameter metode kuadrat terkecil dengan data bangkitan metode Monte Carlo yang dilakukan secara berulang sehingga diperoleh hasil yang konvergen untuk semua nilai estimasi. ENGLISH: Regression analysis is an analysis carried out by involving one or more independent variables and the dependent variable. In regression analysis, there are several classical assumptions that must be met, namely normally distributed data errors, no autocorrelation, no multicollinearity and no heteroscedasticity. The regression analysis method used to estimate the parameters is the least squares method where this method is carried out by minimizing the number of error variances. In this study, stock return data experienced autocorrelation problems with this Monte Carlo method used because it doesn’t meet the assumptions of the least squares method. The purpose of this study is to overcome the autocorrelation problem in the least square method estimation process. The steps in parameter estimation are carried out using the classical assumption test and the parameter significance test. Based on the result of the study, the parameter estimation of the least squares method with data generated by the Monte Carlo method is carried out iteratively so that the results converge for all estimated values. ARABIC: تحليل الانحدار هو تحليل يتم إجراءه من خلال تضمين الواحد أو الأكثر من المتغيرات المستقلة والمتغير التابع. في تحليل الانحدار ، هناك العديد من الافتراضات الكلاسيكية التي يجب الوفاء بها ، وهي أن أخطاء البيانات يتم توزيعها بشكل طبيعي، ولا يوجدAutocorrelation ، ولا توجد علاقة Multicollinearity، ولا توجد Heteroscedasticity. طريقة تحليل الانحدار المستخدمة لتقدير المعلمات هي طريقة المربعات الصغرى حيث يتم تنفيذ هذه الطريقة عن طريق تقليل عدّة تباينات الخطأ. في هذه الدراسة ، عانت البيانات العائدة المخزون من مشكلة Autocorrelation تم استخدام طريقة Monte Carlo لأنها لا تلبي افتراضات طريقة المربعات الصغرى. الغرض من هذا البحث هو التغلب على مشكلة Autocorrelation في عملية تقدير الطريقة التربيع الصغرى. يتم تنفيذ الخطوات في تقدير المعلمات باستخدام اختبار الافتراض الكلاسيكي واختبار أهمية المعلمة. بناءً على نتائج البحث تم الحصول على أن تقدير المعلمات بطريقة المربعات الصغرى بطريقة Monte Carlo تم تكرار البيانات بحيث تم الحصول على النتائج المتقاربة لجميع القيم المقدرة