43
merusak estimator-estimator regresi namun dapat menyebabkan standard error dari parameter menjadi bias.
4.4 Analisa Model
Setelah dilakukan perbaikan model dengan estimasi Weight least square, langkah selanjutnya adalah menganalisa model tersebut. Seperti yang telah
dijelaskan pada bab sebelumnya, heteroskedastisitas tidak akan menyebabkan parameter estimasi tidak bias, Akan tetapi, standard error dari parameter yang
diperoleh menjadi bias. Maka yang terjadi adalah varian lebih kecil atau lebih besar, dan berakibat u ji t dan uji f menjadi tidak menentu.
Seperti yang telah dijelaskan pada subbab terdahulu, untuk menghitung nilai t adalah [2]
Jika standard error mengecil maka t cenderung membesar namun kelihatannya signifikan, padahal sebenarnya tidak signifikan. Sebaliknya jika
standard error membesar, maka t cenderung mengecil dan tidak signifikan, padahal sebenarnya adalah signifikan. Hal ini berarti bahwa jika terdapat
Heteroskedastisitas dalam model regresi maka uji t menjadi tidak menentu. Sehingga dapat menyesatkan kesimpulan yang akan diambil.
Tabel 4.5 Analisa perbandingan R
2
dan S
e
dengan dua uji estimasi Estimasi OLS
Estimasi WLS R
2
0,976411 0,076975
44
S
e
0,67568 0,137250
Nilai R
2
pada table 4.5 pada model-model diatas setelah diestimasi dengan WLS nilainya mengalami perubahan yang menurun. Nilai R
2
adalah 0,076975 dan nilai standard error 0,137250 merupakan angka-angka yang lebih kecil
daripada angka-angka yang sama pada hasil estimasi regresi awal sebelum dilakukan pembobotan pada data asli lihat tabel 4.2. Ini menunjukkan bahwa
untuk r = 0 dapat menyatakan bahwa letak titik-titik yang didapat tidak terdapat pada garis regresi linier, karena harga X yang besar tidak menyebabkan atau
berpasangan dengan harga Y yang kecil, sehingga hubungan liniernya tidak begitu kuat.
45
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Penelitian ini bertujuan untuk mengetahui apakah terjadi penyimpangan pada asumsi regresi linier berganda pada, juga untuk mengetahui bagaimana
penggunaan metode Weight least Square dalam mengatasi masalah heteroskedastisitas pada data APBN 1976-2007.
Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi linier berganda dan pengolahan data dengan menggunakan bantuan
software. Pengujian data dilakukan untuk mengetahui apakah asumsi regresi linier berganda terpenuhi atau sebaliknya. Untuk selanjutnya akan dijelaskan
kesimpulan dari uji white dan Weigt Least Square. Setelah dilakukan pengujian untuk mengetahui apakah terdapat
penyimpangan heteroskedastisitas atau tidak dalam model regresi linier berganda pada laporan APBN tahun 1976-2007 dengan menggunakan uji white, sehingga
dapat diketahui bahwa model tersebut ternyata mengalami penyimpangan asumsi heteroskedastisitas.
Sehingga diperlukan
metode alternafif
lain untuk
Kategori