Evaluasi terhadap Koefisien Regresi,

Masalah-masalah dalam Analisis Regresi

By :
ANISA ISTIQOMAH (G94216090)
EKONOMI MANAGERIAL - F

BAB 4
Evaluasi Terhadap Koefisien Regresi
Evaluasi Model
Uji F
Uji t
Uji Statistik R² (Koefisien
Determinasi)

Multikolinearitas
Heterokedastisitas

Autokorelasi
 Uji F
Mengetahui apakah variabel independen secara bersama-sama memberi
pengaruh yang signifikan terhadap variabel dependennya atau tidak

Misal jika F-statistic > F-tabel pada a atau prob (F-statistic) < a (0,05), maka terima H1.

Artinya :
Variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap
variabel independennya
 Uji t
Mengetahui apakah masing-masing parameter bebas yang dipakai dapat
berpengaruh nyata atau tidak terhadap parameter tidak bebas

One-tailed t test two-tailed t test

RUMUS HIPOTESIS
H0 : ß = ß0 atau variabel bebas (Xi) tidak berpengaruh nyata terhadap variabel tidak bebas (Yi)
H1 : ß ß0 atau variabel bebas (Xi) berpengaruh nyata terhadap variabel tidak bebas (Yi)

Kesimpulan :
Tolak H0
Koefisien adalah signifikan jika p-value lebih kecil dari taraf nyata a (one tailed
t-test) atau a/2 (Two tailed t-test), Taraf Nyata digunakan penelitian ini 5%
 Uji Statistik R²
(Koefisien Determinasi)

Nilai R² menunjukkan presentase variabel terikat dapat dijelaskan

variabel bebas

Semakin tinggi nilai R² maka semakin baik model karena semakin besar
keragaman peubah dependen yang dapat dijelaskan oleh peubah independen
Masalah-masalah dalam Analisis Regresi

Kesalahan Spesifikasi

Kesalahan Pengukuran

Masalah Kesalahan Indentifikasi

Hubungan Pesamaan Simultan

Multikolinearitas

Heteroskedastisitas

Otokorelasi / Serialkorelasi
 Kesalahan Spesifikasi
Hubungannya

Variabel Dependen (Terikat) Variabel Independen (Bebas)

Disebabkan

Keliru menentukan hubungan Varibel terikat dengan variabel bebas

Variabel Independent (bebas) tidak jelas

Kesalahan hubungan fungsi antar variabel

Terabaikannya variabel penjelas (bebas) yang diperlukan

aa a Penyimpangan Asumsi
atny Munculnya Residu yang tak jelas
A kib
Koefisien Regresi tidak dipercaya

CARA MENGATASI :
Masalah ini diminimumkan melalui pengkajian teoritik yang cukup memadai. Dan
merubah komposisi variabel-variabel penjelas, kita dapat mengatasi masalah ini.
 Kesalahan Pengukuran

Pengukuran Variabel yang tidak tepat

Seperti

Ukuran variabel Harga sangat jelek dalam Pengukuran

Contohnyaaa

Daftar harga yang ditawarkan produsen tetapi sering tidak akurat

Maksudnya Harga Actual yang dibayar Konsumen

Bila mana ada tawar menawar, potonngan, ataupun tukar

tambah, jumlah uang yang dibayarkan secara aktual mungkin lebih
rendah dari daftar harga.
 Masalah Kesalahan Identifikasi
timbul

Penaksiran Permintaan dengan Data Runtut Waktu

Sebab

Kita tidak dapat megharapkan kurva permintaan akan stabil dalam

periode waktu cukup lama sebagia akibat perubahan variabel

Contohnya :
Perubahan Pendapatan Konsumen pada pola preferensinya
 Hubungan Persamaan Simultan

Tidak dibenarkan adanya Hubungan timbal balik atau dua arah antara
variabel terikat dengan salah satu atau lebih variabel bebas

Bila Ketentuan dilanggar, maka Timbul

Bias pesamaan (equation bias)

Contoh :
Penggunaan metode OLS untuk mengestimasi kurva permintaan pasar, dimana
terdapat hubungan timbal balik antara harga dan kuantitas yang diminta.

Kita dapat memperlakukan baik harta ataupun jumlah yang diminta

sebagai variabel bebas atau sebagai variabel tidak bebas. Hal ini disebabkan
oleh baik dari segi teori maupun dalam kenyataan keduanya ditentukan secara
simultan (bersamaan) oleh kedua variabel itu sendiri.
 Multikolinearitas
Dua atau lebih variabel penjelas/bebas mempunyai korelasi yang tinggi.
Sebagai akibat dua variabel penjelas bebas dipengaruhi variabel ketiga yang
berada diluar persamaan sistem persamaan regresi

Adanya multikolinearitas, maka efisiensi koefisien regresi bersifat Bias

Bias :
1. Tidak mampu menemukan hubungan yang benar
2. Kemampuan hubungan yang benar prediksinya menjadi lemah.
3. Pengaruh marginalnya tidak diketahui jelas

Cara Mengatasinya :
1. Memperluas Sampel (Mengumpulkan lebih banyak data)
2. Menggunakan Informasi sebelumnya
3. Melakukan transformasi terhadap hubungan fungsional
4. Membuang satu dari variabel yang memiliki kolinear tinggi
 Heteroskedastisitas
timbul

Timbul varians dari faktor eror adalah Konstan untuk semua nilai dari
variabel bebas yang tidak terpenuhi.
Ketidaksamaan varians dari residual satu ke pengamatan ke
pengamatan yang lain dalam regresi berganda.

Kesalahan Baku Koefisien Determinasinya terlalu Besar

Sering kali muncul pada data Cross-sectional

Cara Mengatasi :
1. Meninjau kembali komposisi variabel-variabel penjelas dan merubah bentuk
persamaan hubungan fungsional.
2. Menggunakan logaritma dari variabel penjelas/bebas yang terjadi
heteroskedastisitas
3. Menjalankan regresi dengan sistem kuadrat terkecil tertimbang
(weighted least-square)
 Otokorelasi

Terjadi pada Data Deret waktu (time series data) yang ditandai oleh pola
kesalahan yang beruntun
(Korelasi antara satu periode t dengan periode sebelumnya (t-1)

Menunjukkan pola siklus / lainnya, karena observasi-observasi X disusun

secara kronologis, pola ini menadakan bahwa beberapa variabel lain berubah
secara sistematis dan mempengaruhi variabel dependen.

Otokorelasi dapat ditemukan secara visual melalui grafik time series residuals atau uji statistik
“Durbin waston”.

Cara Mengatasi :
1. Menambahkan variabel yang dapat menjelaskan perubahan yang sangat
sistematis tersebut kedalam persamaan regresi.
Sebagai contoh, bila residu nampak mengikuti pola siklus, variabel “Dummy”
dibutuhkan bagi perhitungan variasi musiman.
 Daftar Pustaka

1. Dominick Salvatore. (2005). Ekonomi Manajerial dalam

Perekonomian Global. Edisi 5, Buku 1. Jalan Raya
Lenteng Agung No. 101 Jagakarsa, Jakarta Selatan 12610.
2. Yoopi Abimayu, Ekonomi Manajerial, (Bogor: Penerbit
Grahalia Indonesia, 2012).
3. Aulia Tasman dkk, Ekonomi Manajerial, (Depok: PT.
RAJAGRAFINDO PERSADA, 2013)