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
Dalam penelitian ini memiliki batasan-batasan masalah sebagai berikut:
1. Dalam mendeteksi adanya heteroskedastisitas, uji yang akan digunakan
adalah Uji Grafik dan Uji Golfeld Quant . 2.
Metode yang digunakan dalam mengatasi unsur heteroskedastisitas adalah Weighted Least Square WLS.
1.4 Tinjauan Pustaka
Regresi Linier Berganda
Dalam menentukan nilai variabel tidak bebas Y, perlu diperhatikan variabel-variabel bebas X yang mempengaruhinya terlebih dahulu, dengan demikian harus diketahui
hubungan antara satu variabel tidak bebas dengan variabel bebas. Untuk meramalkan Y, apabila semua variabel bebas diketahui, maka dapat dipergunakan model
persamaan regresi linier berganda sebagai berikut:
Universitas Sumatera Utara
i ki
k i
i i
X X
X X
Y
...
3 3
2 2
1 1
dimana: Y = variabel tidak bebas
ki i
i
X X
X ,...,
,
2 1
= variabel bebas
k
,..., ,
2 1
= parameter koefisien regresi variabel bebas = intersep yaitu titik potong antara regresi dengan sumbu tegak y bila
x= 0 k = Jumlah variabel bebas pada observasi ke-i
i = Banyak pengamatan
i
= Variabel kesalahan ke-i Supranto, 2009:239.
Uji Golfeld Quant Adapun langkah
–langkah pada metode ini adalah sebagai berikut: a.
Urutkan data X berdasarkan nilainya b.
Bagi data menjadi 2, satu bagian memiliki nilai yang tinggi, bagian lainnya memiliki nilai yang rendah, sisihkan data pada nilai tengah
c. Lakukan regresi pada masing –masing data
d. Buatlah rasio RSSResidual Sum Square =error sum if square dari regresi
kedua terhadap regresi pertama
1 2
RSS RSS
, sehingga didapat F
hitung
=
1 2
RSS RSS
. e.
Lakukan uji F
tabel
dengan menggunakan derajat kebebasan degree of freedom sebesar n-d-2k2, dengan:
n = banyaknya observasi d = banyaknya data atau nilai observasi yang hilang
k =banyaknya parameter yang diperkirakan.
Universitas Sumatera Utara
Dan bila F
hitung
≥ F
tabel
, maka ada heteroskedastisitas dalam hal lain tidak ada heteroskedastisitas.
Estimasi Unsur Heteroskedastisitas dengan Weighted Least Square WLS Apabila variansi error
2
diketahui atau dapat diperkirakan, cara yang paling mudah untuk mengatasi adanya heteroskedastisitas adalah dengan
metode kuadrat terkecil terboboti Weighted Least Square yang memberikan hasil bersifat BLUE.
Gujarati, 2010: 493. Untuk menggambarkan metode ini, akan diberikan model sebagai berikut:
i ki
k i
i i
i
X X
X X
Y
...
3 3
2 2
1 1
untuk mendapatkan taksiran variansi parameter regresi, diasumsikan untuk sementara bahwa variansi error sebenarnya
2
untuk setiap observasi diketahui, sehingga transformasi persamaan yang dihasilkan dari model regresi
linier berganda adalah:
i i
i i
X X
Y
... 1
2 2
1 1
1.5 Tujuan Penelitian
