Analisis Regresi
Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi, dikenal dua jenis variabel yaitu :
1. Variabel Terikat disebut juga variable dependent yaitu variabel yang
keberadaannya diperngaruhi oleh variabel lainnya dan dinotasikan dengan Y.
2. Variabel Bebas disebut juga variable lindependent yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X.
Menurut Sir Francis Galton (1822-1911), “Regresi linier berganda adalah salah satu metode statistik yang digunakan untuk menguji apakah variabel terikat dipengaruhi oleh variabel bebas, dimana variabel bebas yang digunakan lebih dari satu variabel”.
Bentuk umum regresi linier berganda:
Y = a + b1X1 +b2X2 + … + bnXn
Keterangan:
Y = variabel terikat a = konstanta
X1 = variabel bebas ke-1 b1 = koefisien regresi ke-1
X2 = variabel bebas ke-2 b2 = koefisien regresi ke-2
Xn = variabel bebas ke-n bn = koefisien regresi ke-n
Model ini bekerja dengan baik jika memenuhi beberapa asumsi, dimana asumsi itu disebut asumsi klasik. Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah kerja yang sama dengan uji regresi. Ada lima uji asumsi yang harus dilakukan terhadap suatu model regresi tersebut yaitu uji normalitas, Autokorelasi, uji linieritas, uji multikolinieritas, dan uji heteroskedastisitas.
UJI NORMALITAS
· Uji normalitas bertujuan untuk mengetahui apakah variabel pengganggu atau residual memiliki distribusi normal.
· Sebagai dasar bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal.
· Jika asumsi ini dilanggar maka model regresi dianggap tidak valid dengan jumlah sampel yang ada.
· Ada dua cara yang biasa digunakan untuk menguji normalitas model regresi tersebut yaitu dengan analisis grafik (normal P-P plot) dan analisis statistik (analisis Z skor skewness dan kurtosis) one sample Kolmogorov-Smirnov Test.
UJI AUTOKORELASI
· Uji autokorelasi bertujuan menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1).
· Jika terjadi korelasi maka dinamakan ada problem autokorelasi.
· Ada beberapa cara untuk mendeteksi gejala autokorelasi yaitu uji Durbin Watson (DW test), uji Langrage Multiplier (LM test), uji statistik Q, dan Run Test
UJI LINIER
· Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan yaitu studi empiris linier, kuadrat, atau kubik.
· Ada tiga uji yang bisa dilakukan untuk mendeteksi yaitu uji Durbin Watson, uji Ramsey, dan uji Langrange Multiplier
UJI MULTIKOLINIERITAS
· Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent variable).
· Model regresi yang baik seharusnya tidak terjadi korelasi di antara viriabel bebas, karena jika hal tersebut terjadi maka variabel-variabel tersebut tidak ortogonal atau terjadi kemiripan.
· Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas bernilai nol. Uji ini untuk menghindari kebiasan dalam proses pengambilan keputusan mengenai pengaruh parsial masing-masing variabel independen terhadap variabel dependen.
· Untuk mendeteksi apakah terjadi problem multikol dapat melihat nilai tolerance dan lawannya variace inflation factor (VIF).
UJI HETEROSKEDASTISITAS
· Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan veriance dari residual satu pengamatan ke pengamatan yang lain.
· Jika variance tetap maka disebut homoskedastisitas dan jika berbeda maka terjadi problem heteroskedastisitas. Model regresi yang baik yaitu homoskesdatisitas atau tidak terjadi heteroskedastisitas.
· Ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu melihat scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID), uji Gletjer, uji Park, dan uji White.
Referensi:
Tidak ada komentar:
Posting Komentar