191 KERAGAAN GALAT PADA BERBAGAI METODE OPTIMASI SISAAN The Error Performances of Some Residual Optimization Methods Setyono 1 , I Made Sumertajaya 2 , Anang Kurnia 2 , Ahmad Ansori Mattjik 2 1 Mahasiswa S3 Statistika IPB, dosen Agroteknologi UNIDA 2 Dosen Statistika IPB, pembimbing penulis pertama Telp. (361) 720498, Fax. (361) 720498 E-mail : setyono@unida.ac.id (Makalah diterima 11 Mei 2015 – Disetujui 4 Desember 2015) ABSTRAK Statistik yang baik adalah yang tak bias dan efsien. Dalam praktek statistik hanya ada satu contoh dengan ukuran tertentu, sehingga tidak dibutuhkan statistik tak bias, melainkan statistik yang memiliki galat kecil. Apabila hanya terdapat data contoh maka yang dapat dilakukan adalah mengoptimasi sisaan, bukan galat. Penelitian ini bertujuan untuk mengetahui keragaan galat pada tiga metode optimasi sisaan, yaitu meminimumkan maksimum sisaan mutlak (MLAD), jumlah sisaan mutlak (LAD) dan jumlah kuadrat sisaan (LS). Hasil penelitian melalui percobaan simulasi menunjukkan bahwa pada sebaran seragam optimasi sisaan dengan cara meminimumkan maksimum sisaan mutlak berhasil mendapatkan statistik dengan galat paling kecil. Sementara itu optimasi sisaan dengan cara meminimumkan jumlah kuadrat sisaan berhasil mendapatkan statistik dengan galat paling kecil ketika data menyebar normal atau menyebar eksponensial. Sifat ini berlaku untuk menduga ukuran pemusatan, koefsien regresi, dan nilai respon pada regresi. Kata kunci: galat, LAD, MLAD, optimasi sisaan, regresi, sisaan mutlak ABSTRACT A good statistic is unbiased and effcient. Because the encountered data in practice is a sample data with a certain size, the required statistic is not unbiased statistic, but statistic that has small error. When the encountered data is only a sample data, then that can be done is not error optimization but is residual optimization. This study aims to examine the error performance of three methods of residual optimization, they are by minimizing the maximum of absolute residual (MLAD), by minimizing the sum of absolute residual (LAD), and by minimizing the sum of squared residual (LS). Research results using simulation experiments showed that if the data have uniform distribution, the residual optimization method by minimizing maximum of absolute residual get the smallest error. Meanwhile, residual optimization method by minimizing the sum of squared residual get the smallest error when the data have normal or exponential distribution. This property is true when statistics to be estimated are measure of central tendency, regression coeffcients, and the response of regression. Key words: error, LAD, MLAD, residual optimization, regression, absolute residual