aplikasi invers semu (pseudoinverse) dengan โฆ
TRANSCRIPT
40
APLIKASI INVERS SEMU (PSEUDOINVERSE) DENGAN METODE
GREVILLEโS PADA ANALISIS REGRESI LINEAR BERGANDA
Muhtar Safiโi1, Khurul Wardati
2, Moh. Farhan Qudratullah
2
1,2Prodi Matematika, Fakultas Sains dan Teknologi, UIN Sunan Kalijaga, Yogyakarta
1email : [email protected]
Abstract
Concept of matrix inverse is limited to ๐ ร ๐ singular matrix. Matrix with ๐ ร ๐ or ๐ ร ๐
a singular concept of inverse matrix solved with pseudoinvers. Pseudoinverse ๐ด+ symbol is
a matrix ๐ต of any matrix ๐ด that meet the 4 traits, namely: ๐ด๐ต๐ด = ๐ด, ๐ต๐ด๐ต = ๐, ๐ต๐ด โ =๐ต๐ด, (๐ด๐ต)โ = ๐ด๐ต, where ( )โ is the conjugate transpose notation. One of method to find
pseudoinverse is Greville's method. A Grevilleโs method is finite iterating method that uses
matrix partitions. The amount of iterations this method until ๐ columns of the matrix
inverse to search all pseudoinverse. This research will discuss the application and the
properties of the estimators of regression coefficients in the multiple linear regression.
Keyword : Greville's method, Multiple Linear Regression, Pseudoinvers.
A. PENDAHULUAN
Konsep invers matriks dalam aljabar linear elementer terbatas pada matriks bujur
sangkar yang non singular yaitu matriks yang berordo ๐ ร ๐ dan determinan tidak sama
dengan nol. Jika suatu matriks ๐ด berodo ๐ ร ๐ dan non singular terdapat matriks ๐ต
sedemikian sehingga ๐ด๐ต = ๐ต๐ด = ๐ผ, maka ๐ต adalah invers dari matriks ๐ด atau dengan kata
lain bahwa ๐ต = ๐ดโ1 (Anton, H & Rorres, C: 2005 :46). Definisi invers tersebut
mengakibatkan berlaku juga sifat-sifat ๐ด๐ต๐ด = ๐ด, ๐ต๐ด๐ต = ๐ต, (๐ต๐ด)โ = ๐ต๐ด, (๐ด๐ต)โ = ๐ด๐ต
dengan ( )โ adalah konjugat transpose.
Jenis matriks yang ada bukan hanya matriks yang berodo ๐๐ฅ๐ dan non singular. Misal
terdapat matriks ๐ yang berordo ๐ ร ๐ atau matriks berordo ๐ ร ๐ yang singular. Invers
matriks tersebut tidak terdefinisi, tetapi dapat ditentukan suatu matriks ๐ yang seolah-olah
menjadi invers atau yang memenuhi beberapa sifat invers matriks :๐๐๐ = ๐, ๐๐๐ = ๐,
(๐๐)โ = ๐๐, (๐๐)โ = ๐๐ dengan ( )โ adalah konjugat transpose. Suatu matriks ๐ yang
memenuhi empat sifat tersebut maka ๐ disebut matriks invers semu (pseudoinvers) dari
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
41
matriks ๐ dengan simbol ๐+ (Setiadji , 2006 :4). Cara untuk menentukan invers semu
mempunyai berbagai metode, salah satu metode adalah metode Grevilleโs. Metode Grevilleโs
adalah metode iterasi yang berhingga dan membutuhkan satu keputusan.
Analisis regresi mempunyai fungsi untuk mencari hubungan dua peubah atau lebih.
Analisis regresi yang menggunakan matriks adalah memiliki lebih dari satu variabel. Analisis
regresi linear berganda digunakan untuk mengetahui hubungan satu variabel tak bebas (Y)
dengan dua atau lebih variabel bebas (X) dengan data kuantitatif. Dalam pembahasannya,
analisis regresi linear berganda merupakan bentuk umum dari sistem persamaan linear yaitu :
ลถ = ๐ฝ0 + ๐ฝ1๐1 + ๐ฝ2๐2 + โฏ + ๐ฝ๐๐๐ + ๐
Menggunakan metode kuadrat terkecil diperoleh persamaan linear, kemudian didapat
persamaan matriks XโฒXฮฒ = XโฒY, sehingga diperoleh estimator dari ฮฒ adalah ฮฒ = (XโฒX)โ๐XโฒY.
Penelitian ini akan membahas aplikasi dari invers semu (pseudoinvers) menggunakan metode
Grevilleโs dalam menentukan estimator dari koefisien ฮฒ dan sifat-sifatnya pada analisis
regresi linear berganda.
B. DASAR TEORI
1. Persamaan Linear, Matriks, dan Operasi-Opersainya
Definisi Persamaan Linear ( Anton H. , 1987 : 1 )
Suatu persamaan dalam bentuk ๐1๐ฅ1 + ๐2๐ฅ2 + โฏ + ๐๐๐ฅ๐ = ๐
dimana ๐1, ๐2, โฆ , ๐๐ dan ๐ merupakan konstanta konstanta real disebut persamaan linear
dalam ๐ peubah.
Definisi Matriks (Anton H, 1987 :22)
Suatu matriks adalah susunan segi empat siku-siku dari bilangan-bilangan. Bilangan-
bilangan dalam susunan tersebut dinamakaan entri dalam matriks dinotasikan dengan ๐๐๐
untuk elemen baris keโ๐ dan kolom keโ๐.
Kaunia, Vol. IX, No. 1, April 2013: 40-52
42
Misalkan matriks ๐ด = ๐๐๐ =
๐11 ๐12 โฆ ๐1๐
๐21 ๐22 โฆ ๐2๐
โฎ๐๐1
โฎ๐๐2
โฑโฆ
โฎ๐๐๐
Ukuran (ordo) sebuah matriks ditentukan oleh banyaknya baris daan kolom. Karena matriks
๐ด tersebut mempunyai ๐ baris dan ๐ kolom , maka matriks ๐ด tersebut berukuran ๐ ร ๐.
Definisi Konjugat Transpose (Anton, H & Rorres, C: Jilid II: 2005: 115-116)
Konjugat tranpose matriks, yang dinotasikan dengan ๐ดโ ,didefinisikan sebagai ๐ดโ = ๐ด โฒ di
mana ๐ด adalah sebuah matriks yang entri-entrinya adalah konjugat-konjugat kompleks dari
entri-entri yang bersesuaian pada matriks ๐ด dan ๐ด โฒ adalah tranpose dari matriks ๐ด .
Definisi Rank matriks (Goldberg J.L :1991:99)
Rank dari matriks ๐ด, ditulis rank(๐ด), adalah banyaknya baris tak nol setelah ๐ด dibentuk ke
dalam bentuk eselon baris. Suatu matriks ๐ด๐ร๐ dikatakan mempunyai full column rank jika
rank(A)=n dan full row rank jika rank(A)=m.
Definisi Invers Matriks (Anton, H & Rorres, C: Jilid I, 2005 :46)
Jika ๐ด adalah matriks bujursangkar, dan jika terdapat matriks ๐ต yang ukurannya sama
sedemikian rupa sehingga ๐ด๐ต = ๐ต๐ด = ๐ผ, maka ๐ด dikatakan dapat dibalik (invertible) dan ๐ต
dinamakan invers (inverse) dari ๐ด. Jika matriks B tidak dapat didefinisikan , maka A
dinyatakan sebagai matriks singular.
Sifat Sifat invers matriks (Anton H. , 1987 : 35)
Diberikan ๐ด dan ๐ต matriks yang mempunyai invers dan mempunyai ordo yang sama berlaku:
i. (๐ด๐ต)โ1 = ๐ตโ1๐ดโ1
ii. ๐ดโ1 dapat dibalik dan (๐ดโ1)โ1 = ๐ด
Definisi Matriks Partisi (Hadley, G:1983:68)
Jika kita coret semua kecuali k baris-naris dan s kolom-kolom dari sebuah matriks A ๐ ร ๐,
maka hasilnya matriks ๐ ร ๐ disebut matriks bagian dari A.
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
43
2. Analisis Regresi Linear Berganda (Sembiring, R.K :1995 :91-94)
Analisis regresi linear berganda digunakan untuk mengetahui hubungan satu variabel
tak bebas (Y) dengan dua atau lebih variabel bebas (X) dengan data kuantitatif. Dalam
pembahasannya, analisis regresi linear berganda merupakan bentuk umum dari sistem
persamaan linear yaitu :
ลถ = ๐ฝ0 + ๐ฝ1๐1 + ๐ฝ2๐2 + โฏ + ๐ฝ๐๐๐ + ๐
dengan
ลถ = variabel terikat
๐1, ๐2,โฆ , ๐๐ = variabel bebas ke 1, 2,โฆ, n
๐ฝ0, ๐ฝ1,โฆ , ๐ฝ๐ = parameter regresi linear berganda ke 1, 2, โฆ,n
ฮต = eror pada penaksiran Y
Analisis regresi linear berganda untuk menaksir koefisien menggunakan metode
kuadrat terkecil. Koefisien dalam analisis regresi linear berganda ini adalah ๐ฝ0, ๐ฝ1, dan ๐ฝ๐ .
Menurut metode kuadrat terkecil penaksir tersebut dapat dieproleh dengan meminimumkan
bentuk kuadrat.
๐ฝ = ๐๐2
๐
๐=1
= (Y๐ โ ๐ฝ0 โ ๐ฝ1๐๐1 โ ๐ฝ2๐๐2)2
๐
๐=1
Nilai minimum tersebut diperoleh dengan mencari turunan dari J terhadap ๐ฝ0,๐ฝ1, dan
๐ฝ๐ dan kemudian menyamakan tiap turunan tersebut dengan nol.
๐๐ฝ
๐๐ฝ0= โ2 (Y๐ โ ๐ฝ0 โ ๐ฝ1๐๐1 โ ๐ฝ2๐๐2) = 0
๐๐ฝ
๐๐ฝ1= โ2 (Y๐ โ ๐ฝ0 โ ๐ฝ1๐๐1 โ ๐ฝ2๐๐2) ๐๐1 = 0
๐๐ฝ
๐๐ฝ2= โ2 (Y๐ โ ๐ฝ0 โ ๐ฝ1๐๐1 โ ๐ฝ2๐๐2) ๐๐2 = 0
Sehingga diperoleh peersamaan normal :
Kaunia, Vol. IX, No. 1, April 2013: 40-52
44
๐๐ฝ0 + ๐ฝ1 ๐๐1 + ๐ฝ2 ๐๐2 = ๐๐
๐ฝ0 ๐๐1 + ๐ฝ1 ๐๐12 + ๐ฝ2 ๐๐1๐๐2 = ๐๐๐๐1
๐ฝ0 ๐๐2 + ๐ฝ1 ๐๐1๐๐2 + ๐ฝ2 ๐๐22 = ๐๐๐๐2
dengan ๐ =
๐ฝ0
๐ฝ1
โฎ๐ฝ๐
, ๐ =
11โฎ1
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ๐๐2
, ๐ =
๐1
๐2
โฎ๐๐
, dan ๐ =
๐1
๐2
โฎ๐๐
maka XโฒX =
๐ ๐๐1
๐๐2
๐๐1
๐๐12
๐๐1๐๐2
๐๐2
๐๐1๐๐2
๐๐22
,
dan XโฒY = 1
๐11
๐12
1๐21
๐22
โฏโฏโฆ
1๐22
๐๐2
๐1
๐2
โฎ๐๐
=
๐๐ ๐๐1๐๐
โฎ ๐๐2๐๐
Dari persamaan normal tersebut jika dibentuk matriks, maka persamaan tersebut
berbentuk : XโฒXฮฒ = XโฒY, sehingga untuk mencari matriks koefisien ฮฒ adalah ฮฒ = (XโฒX)โ๐XโฒY.
Asumsi-asumsi analisis regresi linear berganda yaitu :
1. ๐ธ ๐ = 0.
2. ๐ธ ๐๐ โฒ = ๐๐2๐ผ.
3. ๐ merupakan suatu himpunan bilangan yang tetap meskipun pengamatan
dilakukan berulang-ulang.
4. Rank dari matriks ๐ adalah ๐ < ๐, asumsi ini diperlukan untuk (๐โฒ๐) sebagai
matriks non singular.
5.
C. HASIL PENELITIAN DAN PEMBAHASAN
1. Invers Semu (Pseudoinvers)
Konsep invers matriks yang sudah dipelajari merupakan konsep invers matriks yang
terbatas pada matriks persegi berordo ๐ ร ๐ dan non singular. Matriks yang berordo ๐ ร ๐
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
45
atau ๐ ร ๐ yang singular tidak mempunyai invers. Akan tetapi, terdapat matriks yang seolah-
olah menjadi invers untuk matriks yang berordo ๐ ร ๐ dan ๐ ร ๐ yang singular. Matriks
tersebut dinamakan invers semu (pseudoinvers).
Definisi Invers Semu (Pseudoinvers) (Setiadji , 2006 : 4)
Diberikan matriks ๐ด berukuran ๐ ร ๐ atas bilangan kompleks, suatu matriks ๐ yang
memenuhi: i ๐ด๐๐ด = ๐ด
ii. ๐๐ด๐ = ๐
iii. ๐๐ด โ = ๐๐ด
iv. (๐ด๐)โ = ๐ด๐
dimana ( )โ adalah notasi konjugat transpose dari suatu matriks, disebut invers semu
(pseudoinvers) dari matriks ๐ด yang dinotasikan ๐ด+.
Teorema ketunggalan invers semu (Setiadji , 2006 : 13)
Invers semu ๐ด+ dari matriks ๐ด adalah tunggal.
Sifat invers semu (Boullion T.L. , 1971)
i. ๐ด+ = ๐ดโ1, jika ๐ด matriks berorde ๐ร๐ dan nonsingular.
ii. (๐ด+)+ = ๐ด.
iii. ๐ดโ + = ๐ด+ โ.
iv. Jika A full coloumn rank, maka (๐ดโ๐ด)โ1๐ดโ adalah invers semu dari A.
v. Jika A full row rank, maka ๐ดโ(๐ด๐ดโ)โ1 adalah invers semu dari A.
2. Metode Grevilleโs
Metode Grevilleโs adalah metode iterasi untuk mencari invers semu yang memartisi
matriks menjadi beberapa submatriks. Metode yang mencari ๐ด๐+
ini sampai ๐ iterasi dengan
๐ = 1,2, โฆ , ๐ dimana ๐ด๐ adalah submatriks dari matriks ๐ด yang terdiri dari k kolom pertama.
Anggap ๐ด๐ terpartisi dalam bentuk ๐ด๐โ1, ๐๐ dengan ๐๐ adalah kolom ke k dari matriks ๐ด.
Kaunia, Vol. IX, No. 1, April 2013: 40-52
46
Didefinisikan vektor ๐๐ = ๐ด๐โ1+ ๐๐ dan ๐๐ = ๐๐ โ ๐ด๐โ1 ๐๐ (A.B. Israel dan T.N.E.
Greville : 2003 : 263). Berikut akan dijelaskan teorema mengenai metode Grevilleโs.
Teorema Metode Grevilleโs (A.B. Israel dan T.N.E. Greville : 2003 : 263)
Untuk sebarang matriks ๐ด๐โ๐ร๐ , maka invers semu dari ๐ด๐(๐ = 2, 3, โฆ , ๐) adalah
๐ด๐โ1 , ๐๐ + =
๐ด๐โ1+ โ ๐๐๐๐
๐๐
dimana ๐๐ = ๐๐+ jika ๐๐ โ 0,
๐๐ = 1 + ๐๐โฒ๐๐
โ1 ๐๐โฒ ๐ด๐โ1
+ jika ๐๐ = 0
Langkah-langkah mencari invers semu dengan metode Grevilleโs :
Misal matriks ๐ด, dengan
๐๐ adalah kolom ke k dari matriks ๐ด.
๐ด๐ adalah matriks yang terdiri dari k kolom pertama, maka langkah-langkahnya untuk
mencari invers semu dari matriks A adalah :
1. Cari invers semu ๐ด1+
dengan rumus ๐ด1+ = (๐ด1
โ๐ด1)โ1๐ด1โ.
2. Hitung ๐๐ = ๐ด๐โ1+ ๐๐ dan ๐๐ = ๐๐ โ ๐ด๐โ1 ๐๐
jika ๐๐ โ 0 maka ๐๐ = ๐๐+ dengan ๐๐
+ = (๐๐โ๐๐)โ1๐๐
โ.
jika ๐๐ = 0 maka ๐๐ = 1 + ๐๐โฒ๐๐
โ1 ๐๐โฒ ๐ด๐โ1
+
3. Hitung ๐ต๐ = ๐ด๐โ1+ โ ๐๐๐๐
Sehingga diperolesh invers semu ๐ด๐ yaitu ๐ด๐+ =
๐ต๐
๐๐
Ulangi langkah 2 dan 3 sehingga apabila matriks A berukuran ๐๐ฅ๐ maka sebanyak n
langkah.
3. Aplikasi Invers Semu (Pseudoinverse) Pada Analisis Regresi Linear Berganda
Salah satu penggunaan invers semu adalah pada bidang statistika yaitu pada analisis
regresi linear berganda. Analisis regresi berganda telah dibahas pada dasar teori bahwa untuk
mencari matriks koefisien ๐ฝ adalah ๐ฝ = ๐โฒ๐ โ1๐โฒ๐. Karena asumsi dari analisis regresi
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
47
linear berganda yaitu rank dari matriks ๐ adalah ๐ < ๐, maka matriks tersebut full coloumn
rank, sedemikian sehingga menurut teorema invers semu tentang ๐โฒ๐ โ1๐โฒ = ๐+, penaksir
koefisien ๐ฝ pada persamaan diatas menjadi : ๐ฝ = ๐+๐.
Sifat-sifat dari penaksir koefisien ๐ฝ harus memiliki sifat yang baik untuk
mendapatkan model yang baik. ๐ฝ = ๐+๐ memenuhi sifat penaksir yang baik (Abdul Azis :
2010 : 19-22)
a. Linear
๐ฝ = ๐+๐
= ๐โฒ๐ โ1๐โฒ๐ full coloumn rank
= ๐โฒ๐ โ1๐โฒ ๐๐ฝ + ๐ persamaan regresi
= ๐โฒ๐ โ1๐โฒ๐๐ฝ + ๐โฒ๐ โ1๐โฒ๐
= ๐ฝ + ๐โฒ๐ โ1๐โฒ๐ karena ๐โฒ๐ โ1๐โฒ๐ = ๐ผ
= ๐ฝ + ๐+๐ full coloumn rank
Terbukti bahwa persamaan tersebut menunjukkan bahwa ๐ฝ adalah fungsi linear dari ๐ฝ
dan ๐.
b. Takbias (unbiased)
๐ธ ๐ฝ = ๐ธ ๐ฝ + ๐+๐
= ๐ธ ๐ฝ + ๐โฒ๐ โ1๐โฒ๐ full coloumn rank
= ๐ธ ๐ฝ + ๐ธ ๐โฒ๐ โ1๐โฒ๐
= ๐ฝ + ๐โฒ๐ โ1๐โฒ๐ธ ๐
= ๐ฝ karena ๐ธ ๐ = 0
c. Variasi sampling
๐๐๐ ๐ฝ = ๐ธ ๐ฝ โ ๐ฝ 2
= ๐ธ ๐ฝ โ ๐ฝ ๐ฝ โ ๐ฝ โฒ
Kaunia, Vol. IX, No. 1, April 2013: 40-52
48
=
๐ธ ๐ฝ 0 โ ๐ฝ0
2
๐ธ ๐ฝ 1 โ ๐ฝ1 ๐ฝ 0 โ ๐ฝ0
๐ธ ๐ฝ 0 โ ๐ฝ0 ๐ฝ 1 โ ๐ฝ1
๐ธ ๐ฝ 1 โ ๐ฝ1 2
โฎ๐ธ ๐ฝ ๐ โ ๐ฝ๐ ๐ฝ 0 โ ๐ฝ0
โฎ๐ธ ๐ฝ ๐ โ ๐ฝ๐ ๐ฝ 1 โ ๐ฝ1
โฏโฏ
๐ธ ๐ฝ 0 โ ๐ฝ0 ๐ฝ ๐ โ ๐ฝ๐
๐ธ ๐ฝ 1 โ ๐ฝ1 ๐ฝ ๐ โ ๐ฝ๐
โฑโฏ
โฎ
๐ธ ๐ฝ ๐ โ ๐ฝ๐ 2
=
๐๐๐ ๐ฝ 0 ๐ถ๐๐ฃ ๐ฝ
0, ๐ฝ 1
๐ถ๐๐ฃ ๐ฝ 1, ๐ฝ 0 ๐๐๐ ๐ฝ 1
โฏ ๐ถ๐๐ฃ ๐ฝ 0, ๐ฝ ๐
โฏ ๐ถ๐๐ฃ ๐ฝ 1,๐ฝ ๐
โฎ โฎ๐ถ๐๐ฃ ๐ฝ ๐ , ๐ฝ
0 ๐ถ๐๐ฃ ๐ฝ ๐ ,๐ฝ 1
โฑ โฎโฏ ๐๐๐ ๐ฝ ๐
Matriks tersebut adalah matriks simetri yang mengandung variansi dari penaksir di
diagonal matriks dan kovariansi pada elemen lainnya, sehingga matriks tersebut
dinamakan matriks Varian-Kovarian dari penaksir kuadrat terkecil. Sedemikian
sehingga didapat ๐๐๐ ๐ฝ = ๐ธ ๐ฝ โ ๐ฝ ๐ฝ โ ๐ฝ โฒ , kemudian subtitusi ๐ฝ โ ๐ฝ
dengan ๐+๐, maka menjadi :
๐๐๐ ๐ฝ = ๐ธ ๐+๐ ๐+๐ โฒ
= ๐ธ ๐+๐ ๐+๐ โฒ
= ๐ธ ๐+๐๐ โฒ ๐+ โฒ
= ๐+๐ธ ๐๐ โฒ ๐+ โฒ
= ๐+๐๐2๐ผ ๐+ โฒ karena ๐ธ ๐๐ โฒ = ๐๐
2๐ผ
= ๐โฒ๐ โ1๐โฒ๐๐2๐ผ ๐โฒ๐ โ1๐โฒ โฒ
= ๐โฒ๐ โ1๐โฒ๐๐2๐ผ๐ ๐โฒ๐ โ1
= ๐๐2 ๐โฒ๐ โ1๐โฒ๐ ๐โฒ๐ โ1 karena ๐๐
2 adalah skalar
= ๐๐2 ๐โฒ๐ โ1
Maka didapat ๐๐๐ ๐ฝ = ๐๐2 ๐โฒ๐ โ1
d. Variansi minimum
Penaksir terbaik (best estimator) dari semua ๐ฝ dalam vektor ๐ฝ didapat apabila
persamaan ๐ฝ = ๐+๐ mempunyai variansi terkecil diantara variansi yang lain yang
mungkin tidak linear dan takbias. Asumsikan bahwa ๐ฝ adalah penaksir alternatif yang
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
49
linear dan takbias yang kemudian akan dibuktikan bahwa variansi dari ๐ฝ lebih besar
daripada variansi dari ๐ฝ . Anggap ๐ฝ = ๐+ + ๐ต ๐ dimana ๐ต adalah matriks konstanta
๐๐ฅ๐ yang diketahui, sehingga :
๐ฝ = ๐+ + ๐ต ๐๐ฝ + ๐
= ๐+ ๐๐ฝ + ๐ + ๐ต ๐๐ฝ + ๐
๐ธ ๐ฝ = ๐ธ ๐+ ๐๐ฝ + ๐ + ๐ต ๐๐ฝ + ๐
= ๐ธ ๐+๐๐ฝ + ๐+๐ + ๐ต๐๐ฝ + ๐ต๐
= ๐ธ ๐โฒ๐ โ1๐โฒ๐๐ฝ + ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐๐ฝ + ๐ต๐
= ๐ฝ + ๐ต๐๐ฝ karena ๐ธ ๐ = 0
Sebab ๐ฝ telah diasmusikan yang linear dan takbias bagi ๐ฝ, maka ๐ธ ๐ฝ seharusnya
sama dengan ๐ฝ yang berarti bahwa (๐ต๐๐ฝ) adalah matriks nol. Jika ๐ฝ = ๐+ + ๐ต ๐
merupakan penaksir yang takbias, maka dapat dikatakan bahwa ๐ต๐ = 0.
Variansi dari ๐ฝ sebagai penaksir alternatif dari ๐ฝ adalah
๐๐๐ ๐ฝ = ๐ธ ๐ฝ โ ๐ฝ ๐ฝ โ ๐ฝ โฒ
= ๐ธ ๐+ + ๐ต ๐ โ ๐ฝ ๐+ + ๐ต ๐ โ ๐ฝ โฒ
= ๐ธ ๐+ + ๐ต ๐๐ฝ + ๐ โ ๐ฝ ๐+ + ๐ต ๐๐ฝ + ๐ โ ๐ฝ โฒ
= ๐ธ ๐+๐๐ฝ + ๐+๐ + ๐ต๐๐ฝ + ๐ต๐ โ ๐ฝ
๐+๐๐ฝ + ๐+๐ + ๐ต๐๐ฝ + ๐ต๐ โ ๐ฝ โฒ
= ๐ธ ๐+๐๐ฝ + ๐+๐ + ๐ต๐ โ ๐ฝ
๐+๐๐ฝ + ๐+๐ + ๐ต๐ โ ๐ฝ โฒ karena ๐ต๐ = 0
๐๐๐ ๐ฝ = ๐ธ ๐โฒ๐ โ1๐โฒ๐๐ฝ + ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ โ ๐ฝ
๐โฒ๐ โ1๐โฒ๐๐ฝ + ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ โ ๐ฝ โฒ
= ๐ธ ๐ฝ + ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ โ ๐ฝ
Kaunia, Vol. IX, No. 1, April 2013: 40-52
50
๐ฝ + ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ โ ๐ฝ โฒ karena ๐โฒ๐ โ1๐โฒ๐ = ๐ผ
= ๐ธ ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ โฒ
= ๐ธ ๐โฒ๐ โ1๐โฒ๐ + ๐ต๐ ๐ โฒ๐ ๐โฒ๐ โ1 + ๐ โฒ๐ตโฒ
= ๐ธ ๐โฒ๐ โ1๐โฒ + ๐ต ๐๐ โฒ ๐ ๐โฒ๐ โ1 + ๐ตโฒ
= ๐โฒ๐ โ1๐โฒ + ๐ต ๐ธ ๐๐ โฒ ๐ ๐โฒ๐ โ1 + ๐ตโฒ
= ๐โฒ๐ โ1๐โฒ + ๐ต ๐๐2๐ผ๐ ๐ ๐โฒ๐ โ1 + ๐ตโฒ
= ๐๐2 ๐โฒ๐ โ1๐โฒ + ๐ต ๐ ๐โฒ๐ โ1 + ๐ตโฒ
= ๐๐2( ๐โฒ๐ โ1๐โฒ๐ ๐โฒ๐ โ1 + ๐ต๐ ๐โฒ๐ โ1
+ ๐โฒ๐ โ1๐โฒ๐ตโฒ + ๐ต๐ตโฒ)
= ๐๐2 ๐โฒ๐ โ1 + ๐ต๐ตโฒ karena ๐ต๐ = 0
Sehingga diperoleh bahwa ๐๐๐ ๐ฝ = ๐๐2 ๐โฒ๐ โ1 + ๐๐
2๐ต๐ตโฒ . Variansi dari penaksir
alternatif dari ๐ฝ yaitu ๐ฝ lebih besar dari variansi dari penaksir dari ๐ฝ yaitu ๐ฝ .
๐๐๐ ๐ฝ kelebihan sebesar ๐๐2๐ต๐ตโฒ daripada ๐๐๐ ๐ฝ . Jadi terbukti bahwa ๐๐๐ ๐ฝ
adalah variansi minimum dari ๐ฝ atau dengan kata lain bahwa ๐ฝ merupakan penaksir
tebaik (the best estimator).
Keempat sifat tersebut membuktikan bahwa persamaan ๐ฝ = ๐+๐ telah memenuhi
sifat estimator baik atau yang biasa disebut BLUE (Best Linear Unbiased Estimator). Sifat
BLUE tersebut akan berlaku pada matriks ๐ yang full coloumn rank.
D. KESIMPULAN
Berdasarkan dari penelitian dan hasil studi literatur yang telah penulis lakukan mengenai
aplikasi invers semu (pseudoinverse) dengan metode grevilleโs pada analisis regresi linear
berganda, maka dapat diambil kesimpulan sebagai berikut :
Aplikasi Invers Semu (Pseudoinverse) dengan Metode Grevilleโs pada...(Muhtar Safiโi, Khurul Wardati, Moh. Farhan Qudratullah)
51
1. Invers semu (pseudoinvers) merupakan perluasan dari konsep invers matriks
yang beordo ๐๐ฅ๐ yang nonsingular. Matriks yang berordo ๐๐ฅ๐ atau matriks ๐๐ฅ๐
yang singular dapat diselesaikan menggunakan konsep matriks invers semu.
2. Mencari invers semu bisa dengan berbagai metode. Salah satu metode yang
adalah metode Grevilleโs. Metode Grevilleโs merupakan metode iterasi berhingga
yang menggunakan matriks partisi. Iterasi metode ini berhingga sampai ๐ kolom
dari matriks yang akan dicari invers semunya.
3. Mencari matriks koefisien ๐ฝ dari analisis regresi linear berganda adalah ๐ฝ =
๐โฒ๐ โ1๐โฒ๐. Asumsi dari analisis regresi linear berganda yaitu rank dari matriks
๐ adalah ๐ < ๐, maka matriks tersebut full coloumn rank. Menurut teorema
invers semu tentang ๐โฒ๐ โ1๐โฒ = ๐+, maka penaksir koefisien ๐ฝ pada
persamaan diatas menjadi ๐ฝ = ๐+๐.
4. Penaksir koefisien ๐ฝ yaitu ๐ฝ = ๐+๐ memiliki sifat penaksir yang baik atau yang
disebut dengan bersifat BLUE (Best Linear Unbiased Estimator) dengan syarat
matriks ๐ adalah full coloumn rank.
DAFTAR PUSTAKA
Anton, Howard. 1981. Aljabar Linear Elementer. Bandung: Erlangga.
Anton, Howard. 1987. Aljabar Linear Elementer. Bandung: Erlangga.
Anton, H. and Rorres, C. 2004. โAljabar Linear Elementer Jilid Iโ. Jakarta: Erlangga.
Anton, H. and Rorres, C. 2005. โAljabar Linear Elementer Jilid IIโ. Jakarta: Erlangga
Azis, Abdul. 2010. EKONOMETRIKA Teori dan Praktik Eksperimen dengan MATLAB.
Malang : UIN-MALIKI PRESS
Ben-Israel, Adi. And Greville, Thomas N.E. 2003. Generalized Inverses Theory and
Aplications. New York: Spinger-Verlag.
Bouilion, Thomas L. and Odell, Patruck L. 1971. Generalized Inverse Matrices. New York:
John Wiley&Sons, Inc.
Campbel, Stephen L. and Meyer, Carl D. 1979. Generalized Inverse of Linear
Transformations. London: Pitman Pub.
Kaunia, Vol. IX, No. 1, April 2013: 40-52
52
Goldberg, J.L. 1991. Matrix Theory with Applications. New York: Mc GrawHill, Inc.
Herlambang U, Arif. 2010. Aplikasi Matriks Invers Tergeneralisir Pada Jaringan Listrik.
Skripsi. Yogyakarta: Jurusan Matematika Fakultas SAINTEK UIN
Ikhwanudin, Achmad. 2007. Aplikasi Matriks Invers Tergeneralisasi pada Cipher Hill.
Skripsi. Yogyakarta: Jurusan Matematika Fakultas MIPA UGM.
Lains, Alfian. 2003. EKONOMETRIKA TEORI DAN APLIKASI Jilid 1, Jakarta : LP3ES
Misshobah Munir Rahayu, Ida. 2008. Matriks Invers Moore-Penrose dalam Penyelesaian
Sistem Persamaan Linear. Skripsi. Semarang : UNDIP.
Rencher, Alvin C., 1934, Methods of multivariate analysis 2nd ed-2002, New York : A
Wiley-Interscience publication.
Saryono, Joko, 2009. Metode Grevilleโs Untuk Menentukan Invers Moore Penrose Dan
Implementasinya Dengan Bahasa Pemrograman C. Skripsi. Semarang : UNDIP.
Sembiring, RK. 2003. Analisis Regresi Edisi Kedua. Bandung : ITB
Setiadji. 2006. Matriks Invers Tergeneralisasi. Yogyakarta: Pascasarjana UGM.
Setiadji. 2008. Aljabar Linear. Yogyakarta: Graha Ilmu.
Supranto, J., 1998, Pengantar Matriks, Jakarta: PT Rineka Cipta