PENGERTIAN UJI AUTOKOLERASI, UJI HETEROSKEDASTISITAS DAN UJI MULTIKOLINEARITAS

PENGERTIAN UJI AUTOKOLERASI


Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu.

UJI AUTOKERELASIOleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas, melainkan berpasangan secara autokorelasi. 

Uji autokorelasi di dalam model regresi linear, harus dilakukan apabila data merupakan data time series atau runtut waktu. 

Sebab yang dimaksud dengan autokorelasi sebenarnya adalah: sebuah nilai pada sampel atau observasi tertentu sangat dipengaruhi oleh nilai observasi sebelumnya.
  • Autokolerasi dapat didefinisikan sebagai korelasi antar variabel gangguan satu dengan gangguan variabel lainnya.
  • Akibat adanya autokerelasi adalah parameter yang diestimasi menjadi bias dan variannya tidak minimum, sehingga tidak efesien.

Baca Juga Artikel Terbaru : 

PENGERTIAN UJI HETEROSKEDASTISITAS

Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linear. 

UJI HETEROSKEDASTISITASUji ini merupakan salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. 

Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan.

Uji Heteroskedastitas dilakukan dengan menggunakan uji glejser, yang dilakukan dengan meregresikan volume absolut unstandarized residual yang diperoleh dari model regresi sebagai variabel independen dalam model regresi

Mengapa dilakukan uji heteroskedastitas? 

Jawabannya adalah untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada regresi linear, di mana dalam model regresi harus dipenuhi syarat tidak adanya heteroskedastisitas.

Baca Juga Artikel Terbaru : 

PENGERTIAN UJI MULTIKOLINEARITAS

Multikolinearitas merupakan salah satu uji dari uji asumsi klasik yang merupakan pengujian yang dilakukan untuk mengidentifikasi suatu model regresi dapat dikatakan baik atau tidak.

Secara konsep, multikolinearitas adalah situasi dimana terdapat dua variabel yang saling berkorelasi. 

Adanya hubungan diantara variabel bebas adalah hal yang tak bisa dihindari dan memang diperlukan agar regresi yang diperoleh bersifat valid. 

Namun, hubungan yang bersifat linier harus dihindari karena akan menimbulkan gagal estimasi (multikolinearitas sempurna) atau sulit dalam inferensi (multikolinearitas tidak sempurna).

Uji Multikolinieritas dilakukan untuk melihat apakah ada keterkaitan antara hubungan yang sempurna antara variable-variabel independen. 

Jika didalam pengujian ternyata didapatkan sebuah kesimpulan bahwa antara variable independent tersebut saling terikat, maka pengujian tidak dapat dilakukan kedalam tahapan selanjutnya yang disebabkan oleh tidak dapat ditentukannya koefisien regresi variable tersebut tidak dapat ditentukan dan juga nilai standard errornya menjadi tak terhingga.

Dampak dari Multikolinearitas

Dampak dari multikolinearitas antara lain:
  • Koefisien Partial Regresi tidak terukur secara presisi. Oleh karena itu nilai standar errornya besar.
  • Perubahan kecil pada data dari sampel ke sampel akan menyebabkan perubahan drastis pada nilai koefisien regresi partial.
  • Perubahan pada satu variabel dapat menyebabkan perubahan besar pada nilai koefisien regresi parsial variabel lainnya.
  • Nilai Confidence Interval sangat lebar, sehingga akan menjadi sangat sulit untuk menolak hipotesis nol pada sebuah penelitian jika dalam penelitian tersebut terdapat multikolinearitas.
Untuk mengetahui hasil uji dari uji multikolinieritas dapat dilihat dari beberapa cara, yakni sebagai berikut:

1. Dengan melihat nilai tolerance:
  • Apabila nilai tolerancenya sendiri lebih besar dari 0,10 maka dapat disimpulkan tidak terjadi multikolinieritas
  • Sedangakan bilan nila tolerancenya lebih kecil dari 0,10 maka kesimpulan yang didapat adalah terjadi multikolinieritas.
2. Dengan melihat nilai VIF:
  • Jika nilai VIF lebih dari 10, maka kita akan mendapat kesimpulan bahwa data yang kita uji tersebut memiliki multikolinieritas
  • Sedangkan jika nilai VIF dibawah 10, maka kita akan mendapat kesimpulan bawa data yang kita uji tidak memiliki kolinieritas.
3. Rumus: VIF=1/1-R2

Dalam hal ini, apabila data yang kita uji mengalami multikolinieritas, maka dapat diatasi dengan beberapa cara, yakni dengan cara:
  • Menggabubgkan data time series dan juga cross section
  • Transformasi variabel
  • Menghapus atau mengeluarkan variable bebas yang menjadi penyebab timbulnya multikolinieritas, namun dengan cara ini kita harus melakukannya dengan hati-hati dan teliti, karena apabila data yang kita keluarkan ternyata penting secara teoretis, maka akan menimbulkan bias spesifikasi.
  • Selanjutnya kita juga dapat menambahkan data baru, namun cara ini hanya dapat digunakan apabila terjadi didalam sampel, dan bukan didalam populasi dari variable-variabel yang sedang diamati. Karena apabila kita menambah data kedalam populasi dari variable-variable yang sedang diamati, maka tidak akan terjadi apa-apa atau tidak akan menyelesaikan masalah multikolinieritas.

0 Response to "PENGERTIAN UJI AUTOKOLERASI, UJI HETEROSKEDASTISITAS DAN UJI MULTIKOLINEARITAS"

Post a Comment

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel