"Kenapa kolom pertama matriks X diisi angka 1 semua?"

"Angka 1 itu adalah regressor konstanta yang menangkap intercept. Dengan kolom berisi satu, hasil kali X'X menghasilkan elemen Σ1 = n di pojok kiri atas dan Σx di posisi lain, sehingga β̂ keluar sebagai vektor dua elemen: [α̂, β̂]. Tanpa kolom satu, model dipaksa melewati titik origin (regresi tanpa konstanta) — hampir selalu keliru dalam praktik ekonometrika dan membuat R² kehilangan makna."

"Apa makna rumus β̂ = (X'X)⁻¹X'y di balik notasinya?"

"Itu adalah solusi tertutup (closed form) dari syarat orde pertama kuadrat terkecil. X'y merangkum kovarians regressor dengan y; X'X merangkum sebaran regressor; inversinya membagi keduanya sehingga menghasilkan koefisien. Untuk kasus satu regressor rumus ini runtuh menjadi bentuk yang dikenal: β̂ = Σ(x−x̄)(y−ȳ)/Σ(x−x̄)². Dalam praktik komputasi, X'X jarang diinversi langsung (numerik rapuh); software memakai dekomposisi QR — tapi makna matematisnya sama."

"Kenapa SSE garis coba-coba tidak pernah bisa mengalahkan SSE OLS?"

"Karena β̂ = (X'X)⁻¹X'y secara konstruksi adalah titik stasioner (minimum global) dari jumlah kuadrat error — itulah asal nama least squares. Slider slope hanya bergerak di sekitar optimum, dan setiap geserannya menjauh dari titik itu sehingga SSE selalu naik. Fungsi tujuannya konveks (parabola pada kasus satu variabel), jadi tidak ada minimum lain yang lebih dalam — sifat inilah yang dijamin solusi OLS unik selama X'X dapat diinversi."

OLS Matriks Lima Langkah

Regresi linear biasa biasanya diajarkan lewat rumus Σ(x−x̄)(y−ȳ)/Σ(x−x̄)² — praktis untuk satu variabel, tetapi langsung kewalahan begitu regressor bertambah. Notasi matriks menyelesaikannya sekali jalan: susun data ke dalam matriks X dan vektor y, maka koefisien semua variabel diperoleh dari satu rumus β̂ = (X’X)⁻¹X’y. Rumus inilah yang dijalankan setiap software ekonometrika di balik layar, dari EViews sampai R.

Widget ini membedah lima langkah rumus tersebut dengan data return bulanan IHSG (x) terhadap BBCA (y) yang bisa diedit langsung. Setiap langkah menampilkan matriks antara — X’X, X’y, inversi, hingga β̂ final — sehingga notasi abstrak di papan tulis terlihat sebagai angka yang benar-benar dihitung.

Cara Pakai

Edit angka pada tabel x (IHSG %) dan y (BBCA %) untuk lima bulan, lalu telusuri stepper: 1. Susun X, y (kolom 1 untuk intercept, kolom 2 untuk x), 2. X’X, 3. X’y, 4. (X’X)⁻¹, dan 5. β̂ menggunakan tombol Selanjutnya atau klik labelnya. Setelah memahami alurnya, buka mode slider: geser Slope garis coba-coba (β) di diagram pencar dan buktikan sendiri bahwa SSE selalu lebih besar daripada minimum OLS, atau klik ⌖ Optimum untuk kembali ke β̂ hasil matriks.

Rumus Kunci

$$\hat{\beta} = (X'X)^{-1}X'y$$$$X'X = \begin{bmatrix} n & \sum x \\ \sum x & \sum x^2 \end{bmatrix}, \qquad X'y = \begin{bmatrix} \sum y \\ \sum xy \end{bmatrix}$$$$(X'X)^{-1} = \frac{1}{\det}\begin{bmatrix} \sum x^2 & -\sum x \\ -\sum x & n \end{bmatrix}, \qquad \det = n\sum x^2 - \left(\sum x\right)^2$$

Poin Penting

Determinan yang mendekati nol berarti X’X nyaris tak bisa diinversi — terjadi bila variasi x sangat kecil atau regressor saling berkolinear (dalam kasus multivariabel). Kondisi ini disebut multicollinearity: koefisien jadi tidak stabil dan kesalahan standarnya membengkak. Uji coba sederhana di widget: samakan semua nilai x, dan perhatikan seluruh perhitungan runtuh — ilustrasi konkret mengapa variasi data adalah bahan bakar regresi.

OLS Matriks Lima Langkah

Cara Pakai

Rumus Kunci

Poin Penting

Terkait