Edi Purwanto, 2014 PENGGUNAAN REGRESI AKAR LATEN UNTUK MEMPREDIKSI PENJUALAN MOBIL DI AMERIKA
SERIKAT TAHUN 1961-1990
Universitas Pendidikan Indonesia |
repository.upi.edu |
perpustakaan.upi.edu
Econometrics. Menurut Gujarati, 2004 asumsi-asumsi yang mendasari analisis regresi berganda tersebut antara lain adalah :
a. Nilai variabel, khususnya variabel bebas mempunyai nilai nilai tertentu atau
merupakan nilai yang didapat dari hasil survey tanpa kesalahan berarti. b.
Variabel tak bebas harus mempunyai hubungan linear dengan variabel bebas. c.
Tidak terjadi multikolinearitas, yaitu adanya korelasi di antara variabel bebas. d.
Varians dari variabel tak bebas terhadap garis regresi harus sama untuk semua nilai variabel bebas.
e. Nilai variabel tak bebas harus tersebar normal atau minimal mendekati
normal.
2.2 Multikolinearitas 2.2.1 Definisi Multikolinearitas
Multikolinieritas adalah terjadinya hubungan linier antara variabel bebas dalam suatu model regresi linier berganda Gujarati, 2004. Maksud dari
hubungan antara sesama variabel bebas adalah terdapat 2 variabel bebas X
1
dengan X
2
. Jika X
1
dapat dinyatakan sebagai fungsi linear dari X
2
atau sebaliknya, maka dapat dikatakan bahwa terdapat hubungan linear di antara kedua variabel.
2.2.2 Akibat Adanya Multikolinearitas
Adapun dampak adanya multikolinieritas dalam model regresi linier berganda adalah Gujarati, 2004:
1. Penaksir parameter masih bersifat tak bias, linear, dan terbaik Best Linear
Unbiased Estimator, tetapi mempunyai variansi dan kovariansi yang besar sehingga sulit mendapatkan taksiran estimasi yang tepat.
2. Akibat penaksir parameter mempunyai variansi dan kovariansi yang yang besar, menyebabkan interval estimasi akan cenderung lebih lebar dan nilai
hitung statistik uji t akan kecil, sehingga membuat variabel bebas secara statistik tidak signifikan mempengaruhi variabel tak bebas.
Edi Purwanto, 2014 PENGGUNAAN REGRESI AKAR LATEN UNTUK MEMPREDIKSI PENJUALAN MOBIL DI AMERIKA
SERIKAT TAHUN 1961-1990
Universitas Pendidikan Indonesia |
repository.upi.edu |
perpustakaan.upi.edu
3. Walaupun secara individu variabel bebas tidak berpengaruh terhadap variabel tak bebas melalui uji t, tetapi nilai koefisien determinasi masih bisa relatif
tinggi.
2.2.3 Mendeteksi Multikolinearitas
Ada beberapa cara untuk mendeteksi multikolinearitas, yaitu dengan melihat nilai variance inflation factor VIF pada model regresi dan
membandingkan nilai koefisien determinasi individual r
2
dengan nilai determinasi secara serentak R
2
. Jika nilai VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
Selanjutnya untuk mendeteksi adanya multikolinieritas dengan membandingkan nilai koefisien determinasi individual r
2
adalah dengan cara meregresikan setiap variabel bebas dengan variabel bebas lainnya, dengan tujuan untuk mengetahui
nilai koefisien r
2
untuk setiap variabel yang diregresikan. Selanjutnya nilai r
2
tersebut dibandingkan dengan nilai koefisien determinasi R
2
. Kriteria pengujian yaitu jika r
2
R
2
maka terjadi multikolinearitas dan jika r
2
R
2
maka tidak terjadi multikolinearitas Gujarati, 2004.
2.3 Matriks
