Metode Kuadrat Terkecil – Least Square Method
Metode kuadrat diterapkan untuk mendekati solusi dari sistem overdetermined, yaitu sistem persamaan di mana terdapat banyak persamaan yang belum diketahui. Kuadrat terkecil (least square) sering diterapkan dalam konteks statistik, khususnya analisis regresi.
Tujuan dari Metode Kuadrat-adalah untuk menemukan estimasi parameter yang baik yang sesuai dengan fungsi, f (x), dari suatu kumpulan data, x 1 … x n. Metode Kuadrat-Terkecil (Least-Squares Method) mensyaratkan bahwa fungsi yang diperkirakan menyimpang sesedikit mungkin dari f (x). Secara umum, Metode Kuadrat-Terkecil memiliki dua kategori, linear dan non-linear. Kita juga dapat mengelompokkan metode-metode ini lebih lanjut: kuadrat terkecil biasa (ordinary least squares-OLS), kuadrat tertimbang (weighted least squares-WLS), dan kuadrat terkecil alternatif (alternating least squares-ALS) dan kuadrat parsial (PLS).
Metode kuadrat mengasumsikan bahwa kurfa yang cocok dan terbaikadalah kurva yang memiliki jumlah kuadrat deviasi minimum (least square error) dari himpunan data.
Anggaplah bahwa titik data 
, , 
, …, , …, 
di mana 
adalah variabel independen dan 
adalah variabel dependen. Kurva pemasangan 
memiliki deviasi (error) 
dari masing-masing titik data, yaitu, 
, , 
, …, , …, 
. .Menurut metode kuadrat, kkurfa tercocok tersebut dapat dirumuskan:
