Pendahuluan.docx

NAMA NIM JUDUL

: ADITYA ILHAM PRATAMA : 165090519111001 : ANALISIS REGRESI LINIER BERGANDA DENGAN HETEROSKEDASTISITAS MELALUI ORDINARY LEAST SQUARE (OLS)

BAB 1 PENDAHULUAN

1.1 Latar Belakang Dewasa ini perkembangan ilmu statistika sangat berkembang. Berbagai metode banyak mengalami perbaikan dan perkembangan secara nyata. Salah satu metode tersebut adalah analisis regresi. Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel dependen dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi non linier yang berasumsi bahwa hubungan antara variabel dependen dan variabel independen tidak linier pada parameter regresinya (Yan and Gang Su, 2009) Dalam regresi linier berganda diperlukan suatu metode untuk menduga parameter agar memenuhi sifat BLUE (Best

Linear Unbiased Estimator), salah satu metode yang paling sering digunakan adalah Ordinary Least Square (OLS) atau sering disebut dengan Metode Kuadrat Terkecil (MKT). salah satu asumsi klasik yang harus dipenuhi dalam estimasi Ordinary Least Square agar hasil estimasinya dapat diandalkan, yaitu ragam sisaan homogen 𝐸(𝑢𝑖2 ) = 𝜎 2 (homoskedastisitas). Pelanggaran terhadap asumsi homoskedastisitas disebut heteroskedastisitas, yang artinya galat bersifat tidak konstan. Konsekuensi dari terjadi heteroskedastisitas dapat mengakibatkan penduga Ordinary Least Square yang diperoleh tetap memenuhi persyaratan tak bias, tetapi varian yang diperoleh menjadi tidak efisien, artinya varian cenderung membesar sehingga tidak lagi merupakan varian yang kecil. Dengan demikian model perlu diperbaiki dulu agar pengaruh dari heteroskedastisitas hilang (Gujarati, 2008) Jika pada suatu kasus terjadi Heteroskedastisitas, maka dapat menggangu model yang akan dibuat, yaitu menyebabkan estimasi yang dibuat tidak efisien. Mengingat secara statistik permasalahan heteroskedastisitas tersebut dapat menganggu model yang akan diestimasi, bahkan dapat menyimpulkan yang diambil maka diperlukan metode untuk mengatasi masalah tersebut. yaitu dengan menggunakan metode Ordinary least Square Konsep metode ini adalah untuk mengestimasi parameter dengan memilih garis regresi yang terdekat dengan garis dari semua data. Secara umum pada menentukan parameter regresi ini dengan cara meminimumkan jumlah kuadrat dari residualnya (Walpole dan Myers, 1986)