23
1
: koefisien regresi peubah X
1i 2
: koefisien regresi peubah X
2i j
: koefisien regresi peubah X
mi
, j = 1,2,…,m
i
: sisaan model ke-i : banyaknya data
: banyaknya parameter Teknik estimasi peubah tak bebas yang melandasi analisis regresi disebut
Ordinary Least Square OLS. OLS memiliki beberapa sifat statistik yang menjadikan satu metode analisis regresi yang paling kuat dan populer [3]. Teknik
ini memiliki asumsi-asumsi dalam penggunaannya antara lain: asumsi
kenormalan, non-autokorelasi, non-multikolinearitas dan homoskedastisitas. Parameter yang diestimasi antara lain bersifat:
- Parameter tidak bias, artinya nilai penaksiran parameter mendekati parameter yang sebenarnya.
- Parameter mempunyai ragam yang minimum, artinya parameter taksiran dengan ragam terkecil diantara semua parameter taksiran yang sama.
- Parameter bersifat konsisten, artinya semakin besar jumlah sampel yang diambil, parameter taksiran mendekati parameter yang sebenarnya.
a. Normalitas
Uji normalitas menggunakan uji Jarque-Bera JB. Aturan keputusannya adalah H
ditolak pada tingkat signifikansi 0.05 jika nilai probability JB 0.05. penolakan H
berarti sisaan data tidak berdistribusi normal.
24
b. Multikolinearitas
Multikolinearitas adalah terdapat hubungan antara peubah bebas dalam satu regresi. Multikolinearitas dalam model dapat dilihat dari hubungan secara
individual antara satu peubah bebas dengan satu peubah bebas yang lain. Mengetahui apakah peubah bebas X yang satu berhubungan dengan peubah
bebas X yang lain adalah dengan melakukan regresi setiap peubah bebas X dengan sisa peubah bebas X yang lain. Regresi ini disebut regresi auxiliary.
Setiap koefisien determinasi R
2
dari regresi auxiliary digunakan menghitung distribusi F kemudian digunakan untuk mengevaluasi ada multikolinearitas
atau tidak. Formula untuk menghitung nilai F hitung adalah sebagai berikut: F =
… …
2.4 n menunjukkan jumlah observasi, k menunjukkan jumlah peubah bebas
termasuk konstanta, dan
…
adalah koefisien determinasi setiap peubah X dengan sisa peubah bebas X yang lain. Sedangkan nilai F tabel
didasarkan pada derajat kebebasan k-2 dan n-k+1. Aturan keputusannya adalah jika nilai F hitung lebih besar dari F tabel
dengan tingkat signifikansi alpha dan derajat bebas tertentu maka disimpulkan model
mengandung unsur
multikolinearitas. Apabila
terdapat multikolinearitas maka standard error
m
juga naik atau membesar. Dampak adanya multikolinearitas dalam model regresi jika menggunakan teknik
estimasi OLS, antara lain [10]: 1. Estimator masih bersifat BLUE namun mempunyai ragam dank ovarian
yang besar sehingga sulit mendapatkan estimator yang tepat.
25
2. Interval estimasi akan cenderung lebih lebar dan nilai hitung statistik uji t kecil sehingga membuat peubah bebas secara statistik tidak signifikan
mempengaruhi peubah bebas. 3. Melalui uji statistik t, secara parsial peubah bebas tidak berpengaruh
terhadap peubah tak bebas, namun nilai koefisien determinasi R
2
masih bisa relatif tinggi..
c. Autokorelasi