Metode Kuadrat Terkecil (MKT) merupakan salah satu metode penduga parameter yang terbaik karena bersifat tak bias dan efisien. Metode kuadrat terkecil akan menghasilkan ragam minimum bagi parameter regresi. Prinsip dasar metode ini adalah meminimumkan jumlah kuadrat galat. Dengan menggunakan persamaan linier untuk pendugaan garis regresi linier, MKT dapat diuraikan dengan notasi matematika yaitu sebagai berikut:
i = a + bxi Jarak vertikal antara titik observasi (xi , yi ) dan titik ( i , i ) pada garis dugaan dapat ditulis: |yi – i| atau | yi – – xi| Jumlah kuadrat dari semua jarak ini ditulis: ∑ ( − ) = ∑ ( − − ) 10
Solusi dari MKT dapat dilakukan sebagai berikut: S(a,b ) = ∑ ( − − ) ( , ) = -2 ∑ ( − − ) = 0 ( , ) = -2 ∑ ( − − ) = 0 Dengan menyederhanakan kedua persamaan ini maka diperoleh: a ∑ + b ∑ 2 = ∑ na + b ∑ = ∑ b = ∑ ∑ (∑ )/ ∑ ∑ / b = ∑ ( )(( ) ∑ ( ) dan a = – b Persamaan garis regresi kuadrat terkecil yang didapat adalah: = a + b X atau = + b (X – ) Persamaan garis diatas dapat digunakan untuk memprediksi Y oleh nilai X yang berpadanan (Myers dan Milton,1991)