E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 8 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani §1 , I Gusti Ayu Made Srinadi 2 , Made Susilawati 3 1 Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: yuni.cahyani44@gmail.com] 2 Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: srinadigustiayumade@yahoo.com] 3 Jurusan Matematika, Fakultas MIPA – Universitas Udayana [Email: susilawati.made@gmail.com] § Corresponding Author ABSTRACT Ordinary least square (OLS) is a method that can be used to estimate the parameter in linear regression analysis. There are some assumption which should be satisfied on OLS, one of this assumption is homoscedasticity, that is the variance of error is constant. If variance of the error is unequal that so-called heteroscedasticity. The presence heteroscedasticity can cause estimation with OLS becomes inefficient. Therefore, heteroscedasticity shall be overcome. There are some method that can used to overcome heteroscedasticity, two among those are Box-Cox power transformation and median quantile regression. This research compared Box-Cox power transformation and median quantile regression to overcome heteroscedasticity. Applied Box-Cox power transformation on OLS result 2point are greater, smaller RMSE point and confidencen interval more narrow, therefore can be concluded that applied of Box-Cox power transformation on OLS better of median quantile regression to overcome heteroscedasticity. Keywords: Heteroscedasticity, OLS, Box-Cox power transformation and Median Quantile Regression. 1. PENDAHULUAN Estimasi parameter pada analisis regresi linear dilakukan dengan menggunakan Metode Kuadrat Terkecil. Pendugaan parameter regresi dengan metode kuadrat terkecil memiliki beberapa asumsi yang harus dipenuhi agar mendapatkan penduga yang bersifat Best Linear Unbiased Estimator (BLUE). Salah satu asumsi tersebut adalah homoskedastisitas yang berarti nilai varians dari galat adalah sama (konstan). Apabila asumsi nilai varians dari galat tidak konstan maka dikatakan terjadi heteroskedastisitas. Adanya heteroskedastisitas dapat menyebabkan pendugaan parameter dengan menggunakan metode kuadrat terkecil tidak dapat menghasilkan penduga yang memenuhi sifat BLUE sehingga model yang diperoleh menjadi tidak efisien dan tidak dapat dipercaya (Gujarati [2]). Oleh karena itu, keberadaan heteroskedastisitas harus diatasi. Terdapat beberapa metode yang dapat digunakan untuk mengatasi heteroskedastisitas, antara lain Transformasi Box-Cox dan regresi kuantil median. Penelitian tentang kemampuan transformasi Box-Cox dalam mengatasi heteroskedastisitas telah dilakukan oleh Ispriyanti [3] dan Kristina [6]. Dari penelitian tersebut disimpulkan bahwa transformasi Box-Cox dapat digunakan untuk mengatasi heteroskedastisitas dengan nilai  berada pada interval (-2, 2), dan penelitian tentang regresi kuantil median untuk mengatasi heteroskedastisitas pernah dilakukan oleh Uthami, et. al [8]. Pada penelitian ini penulis ingin membandingkan kemampuan transformasi