BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Analisis regresi merupakan ilmu peramalan dalam statistik. Analisis regresi dapat dikatakan sebagai usaha memprediksi atau meramalkan perubahan. Regresi
mengemukakan tentang keingintahuan apa yang terjadi dimasa depan untuk memberi sumbangan dalam menentukan keputusan yang terbaik. Regresi biasanya dinyatakan
dalam rumus:
i ki
k i
i i
X X
X X
Y
...
3 3
2 2
1 1
dimana Y adalah variabel terikat, X adalah variabel bebas, adalah parameter
koefisien regresi variabel bebas dan
i
adalah kesalahan residual error. Dalam regresi linier berganda, ada beberapa asumsi yang harus dipenuhi agar
estimasi yang diperoleh benar dan efektif. Salah satu asumsi yang harus dipenuhi adalah Homoskedastisitas, bila asumsi itu tidak terpenuhi maka yang terjadi adalah
sebaliknya, yakni heteroskedastisitas yang artinya variansi error tidak konstan. Variansi error tidak konstan menyebabkan kesimpulan yang dicapai tidak valid atau
bias. Jadi unsur heteroskedastisitas yang termuat dalam suatu regresi harus diatasi agar tercapai kesimpulan yang valid.
Penanggulangan kasus heteroskedastisitas dapat dilakukan dengan Weight Least Square WLS yang dapat pula dikatakan sebagai kuadrat terkecil umum yang
terboboti. Masalah heteroskedastisitas umum terjadi dalam data cross section yaitu data yang diambil pada satu waktu saja, tetapi dengan responden yang besar. Misalnya
jika kita melakukan survai, dengan demikian penelitian ini pada intinya adalah membandingkan kondisi satu dan lain orang pada waktu yang sama.
Universitas Sumatera Utara
Berdasarkan latar belakang yang telah diuraikan diatas maka penulis
mengambil judul “Analisis Heteroskedastisitas Pada Regresi Linier Berganda dan Cara Mengatasinya
”
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, maka rumusan masalahnya
adalah sebagai berikut :
1. Bagaimana mendeteksi unsur heteroskedastisitas pada regresi linier
berganda? 2.
Bagaimana mengatasi unsur heteroskedastisitas pada regresi linier berganda?
1.3 Batasan Masalah