SKRIPSI
Oleh:
NUNUNG NUR HASANAH
NIM. 03510043
JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI (UIN) MALANG
2008
PENGUJIAN HETEROSKEDASTISITAS
PADA REGRESI NON LINEAR DENGAN MENGGUNAKAN
UJI GLEJSER
SKRIPSI
Diajukan Kepada:
Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Malang
Untuk Memenuhi Salah Satu Persyaratan Dalam
Memperoleh Gelar Sarjana Sains (S.Si)
Oleh:
JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI (UIN) MALANG
MALANG
2008
PENGUJIAN HETEROSKEDASTISITAS
PADA REGRESI NON LINEAR DENGAN MENGGUNAKAN
UJI GLEJSER
Oleh:
Mengetahui,
Ketua Jurusan Matematika
Sri Harini, M. Si
NIP 150 318 321
PENGUJIAN HETEROSKEDASTISITAS
PADA REGRESI NON LINEAR DENGAN MENGGUNAKAN
UJI GLEJSER
SKRIPSI
OLEH
NUNUNG NUR HASANAH
NIM 03510043
Tanggal:
14 April 2008
Sri Harini, M. Si
NIP 150 318 321
Motto
Dengan segala kerendahan hati kupersembahkan karya kecilku ini kepada orang yang sangat
berarti dalamhidupku
Ayah dan Ibunda tercinta
Terima kasih atas segalanya, yang tiada pernah berhenti mencintai dan menyayangiku dengan
sepenuh hati dan selalu memberikan motivasi sehingga semua ini bisa kuraih.
Semoga Allah selalu memberikan kesehatan, kebahagiaan dunia akhirat
dan panjang umur...Amin.
Kakak serta adik-adikku tercinta yang telah memberikan doa
Dan semangat dalam meniti jalan panjang kehidupan tuk meraih segala asa hingga sampai
pada gerbang masa depan yang cerah,
Dengan kalianlah kulalui hari-hari penuh kasih sayang bersama keluarga...
My Best Friend
Mereka yang selalu ada,
Anjiedan Istiq thank s for all dengan kalianlah ku bisa melalui hari-hari
Dengan penuh kebahagian dan kebersamaan
Semoga persahabatan ini tetap abadi.
tetap terlimpahkan kepada Rasulullah SAW. Yang telah membawa kita dari alam
dalam menyelesaikan program sarjana sains Universitas Islam Negeri Malang dan
kuliah.
pihak yang telah membantu penulis dalam menyelesaikan penulisan skripsi ini,
baik secara langsung maupun tidak langsung. Oleh karena itu, perkenankan
1. Prof. Dr. H. Imam Suprayogo selaku Rektor Universitas Islam Negeri (UIN)
Malang.
2. Prof. Drs. H. Sutiman Bambang Sumitro, SU., DSc selaku Dekan Fakultas
kearifan yang telah memberikan bimbingan dan arahan kepada penulis demi
5. Ayahanda dan Ibunda tercinta serta seluruh keluarga, yang telah banyak
spirituil.
kepada penulis.
7. Semua pihak yang telah membantu terselesainya skripsi ini, yang tidak bisa
semua. Penulis menyadari sepenuhnya bahwa di dunia ini tidak ada yang
sempurna. Begitu juga dalam penulisan skripsi ini, yang tidak luput dari
kekurangan dan kesalahan. Oleh karena itu, dengan segala ketulusan dan
kerendahan hati penulis sangat mengharapkan saran dan kritik yang bersifat
Penulis
DAFTAR ISI
BAB I: PENDAHULUAN................................................................................. 1
A. Latar Belakang.......................................................................................... 1
B. Rumusan Masalah..................................................................................... 5
C. Tujuan Penelitian ...................................................................................... 5
D. Batasan Masalah ....................................................................................... 5
E. Manfaat Penelitian .................................................................................... 5
F. Metode Penelitian...................................................................................... 6
G. Sistematika Pembahasan .......................................................................... 7
DAFTAR PUSTAKA
DAFTAR SIMBOL
Abjad Yunani
: mu
2
: sigma kuadrat (ragam)
Ee : epsilon
: alpha
: beta
Lambang Khusus
E : expectation
ki k j : konstanta
0 , 1 ,..., k : parameter
Ki : input kapital
X : mean sampel
ABSTRAK
Regresi non linear dibagi menjadi dua jenis yaitu model linear intrinsik
dan model nonlinear intrinsik. Model linear intrinsik dapat diubah bentuknya
menjadi linear yaitu dengan cara mentransformasikan variabel-variabelnya, salah
satu model ini yang digunakan adalah model eksponensial. Sedangkan model
nonlinear intrinsik tidak dapat dilinearkan melalui transformasi.
Asumsi dalam analisis regresi yang menyatakan bahwa varian dari tiap i
tidak bergantung pada X i atau varian dari Yi tidak sama adalah asumsi
heteroskedastisitas. Model regresi dinyatakan baik apabila tidak terjadi
heteroskedastisitas antara variabel bebas dan variabel terikat.
Untuk menguji ada tidaknya hetroskedastisitas dalam model eksponensial
digunakan uji Glejser yaitu uji persamaan regresi dari harga mutlak sisa, ( i )
terhadap X i . Di sini i sebagai peubah tak bebas dan X i sebagai peubah
bebasnya.
Berkaitan dengan masalah pengujian Allah Swt menjelaskan dalam
firman-Nya:
Squeres). Setelah diketahui nilai i maka nilai galat dari model eksponensial
disubtitusikan pada pada i . Maka setelah diketahui i kemudian dicari var (Yi )
dari model eksponensial.
Hasil yang diperoleh setelah diuji dengan menggunakan ke-empat
persamaan uji Glejser terlihat bahwa terdapat covarians antara 0 dan i yang
berarti 0 dan i tidak saling bebas yang diartikan bahwa dalam model
eksponensial terdapat heteroskedastisitas.
BAB I
PENDAHULUAN
A. Latar Belakang
menjadi dasar dalam setiap pengetahuan dan setiap aktivitas manusia sehari-hari.
ini, mulai dari masalah ekonomi, sosial, agama dan lainnya. Dengan demikian
menyelesaikannya.
untuk menelaah berbagai masalah. Saat ini banyak penerapan penting dari
digunakan untuk (1) mengadakan peramalan atau prediksi besarnya variansi yang
antara variabel X dengan variabel Y, (3) menentukan arah dan besarnya koefisien
Analisis regresi mempunyai dua jenis pilihan yaitu regresi linear dan
tetapi bisa juga bukan linear (nonlinear). Diagram pencar dari hubungan yang
linear akan menunjukkan suatu pola yang dapat didekati dengan garis lurus,
sedang yang bukan linear harus didekati dengan garis lengkung (Supranto, 1994:
262).
Model regresi non linear dibagi menjadi dua jenis yaitu model linear
intrinsik dan model nonlinear intrinsik (Draper dan Smith, 1992: 213). Model
linear intrinsik dapat diubah bentuknya menjadi linear yaitu dengan cara
tidak dapat dilinearkan melalui transformasi. Salah satu model linear intrinsik
adalah model eksponensial, untuk mendapatkan galat dari model ini maka dengan
Menurut Santosa dan Ashari (2005) ada beberapa asumsi dalam analisis
2
regresi yang salah satunya adalah uji heteroskedastisitas. nilai varian residual, ,
2
tidak konstan dan nilainya tergantung pada nilai X i atau f ( X i ) . Dalam
akan lebih besar sehingga berpengaruh pada uji hipotesis yang dilakukan yaitu uji
t dan uji F.
dan mardiyah, 2006: 15). Asumsi ini sangat penting artinya dalam analisis regresi
pembentukan nilai t hitung. Oleh karena itu jika asumsi ini tidak dipenuhi maka
hasil uji t tidak sahih karena nilai t hitung bisa overvalued. Konsekwensinya,
Desember 2007).
uji Glejser. Uji Glejser adalah uji persamaan regresi dari harga mutlak sisa, i ,
terhadap X i . jadi disini i sebagai peubah tak bebas dan X i sebagai peubah
bebasnya.
firman-Nya:
Seluruh tempat didunia ini yang berbeda-beda merupakan tempat cobaan dan
seluruh anggota bangsa manusia, bahkan para nabi, semuanya diuji, dan seluruh
ujian. Kita harus mengerti bahwa ujian dan cobaan Allah adalah untuk
dalam skripsi ini bertujuan untuk mendapatkan suatu kesimpulan apakah dalam
Uji Glejser .
B. Rumusan Masalah
C. Tujuan Penelitian
D. Batasan Masalah
Agar pembahasan lebih terfokus dan jelas maka perlu adanya batasan
E. Manfaat Penelitian
heteroskedastisitas.
F. Metode Penelitian
akan dibahas.
pada regresi non linear dengan menggunakan uji Glejser. Diantara buku
eksponensial.
yang dikemukakan.
G. Sistematika Pembahasan
penjelas dalam suatu karya ilmiah. Adapun sistematika penulisan skripsi ini
adalah:
BAB I : PENDAHULUAN
sistematika pembahasan.
BAB IV : PENUTUP
KAJIAN PUSTAKA
A. Analisis Regresi
digunakan untuk (1) mengadakan peramalan atau prediksi besarnya variansi yang
antara variabel X dengan variabel Y, (3) menentukan arah dan besarnya koefisien
regresi mempunyai dua jenis pilihan yaitu regresi linear dan regresi non linear.
Namun yang akan dibahas dalam skripsi ini hanyalah mengenai regresi non linear.
a. Pengertian
berpangkat. Bentuk grafik regresi non linear adalah berupa lengkungan (Hasan,
2002: 279).
Grafik regresi non linear yang berupa lengkungan sesuai dengan gambaran
kepribadian manusia yang selalu berubah-ubah seperti firman Allah dalam surat
9
Jika mereka berpaling Maka kami tidak mengutus kamu sebagai
Pengawas bagi mereka. kewajibanmu tidak lain hanyalah menyampaikan
(risalah). Sesungguhnya apabila kami merasakan kepada manusia sesuatu
rahmat dari kami dia bergembira ria Karena rahmat itu. dan jika mereka ditimpa
kesusahan disebabkan perbuatan tangan mereka sendiri (niscaya mereka ingkar)
Karena Sesungguhnya manusia itu amat ingkar (kepada nikmat) .
Ayat di atas memberikan gambaran tentang grafik regresi non linear yang
Tetap Berubah-ubah
Dalam diri manusia terdapat 2 tipe kepribadian yaitu tetap dan berubah-
ubah. Dari ayat diatas telah dijelaskan tentang kepribadian manusia yang selalu
apabila ditimpa musibah atau kesusahan maka dia ingkar. Kepribadian manusia
Y
Linear
Non Linear
( )
Dan sesungguhnya iman itu bisa bertambah dan bisa berkurang dan
menyeru kepada kebaikan dan mencegah kemungkaran adalah kewajiban (HR
Muslim).
Dari hadits di atas, regresi non linear bisa dimisalkan tentang masalah
keimanan yang selalu berubah-ubah yaitu bisa bertambah dan bisa berkurang
sehingga sesuai dengan bentuk grafik regresi non linear yang berupa lengkungan.
Menurut Supranto (1994: 262) hubungan fungsi antara dua variabel X dan
Y tidak selalu bersifat linear, akan tetapi bisa juga bukan linear (non linear).
Diagram pencar dari hubungan yang linear akan menunjukkan suatu pola yang
dapat didekati dengan garis lurus, sedangkan yang bukan linear harus didekati
dengan garis lengkung. Sedangkan menurut Sugiarto (1992: 29) hubungan fungsi
diantara dua peubah X dan Y dikatakan tidak linear apabila laju perubahan dalam
Y yang berhubungan dengan perubahan satu satuan X tidak konstan untuk suatu
Model regresi non linear dibagi menjadi dua jenis yaitu model linear
intrinsik dan model nonlinear intrinsik (Draper dan Smith, 1992: 213).
variabel. Sifat umum yang mendasar dari model ini adalah bentuknya dapat
sebagai berikut:
a. Model Polinomial
Yi 0 1 Xi 2 X i2 ... n X in i (2.1)
Dimana:
b. Model Multiplikatif
In Yi In 0 In 1 X 1i In 2 X 2i In 3 X 3i In i (2.3)
c. Model Eksponensial
1 X 1i 2 X 2i ... k X ik
Yi e 0
. i (2.4)
logaritmanya.
In Yi 0 1 X 1i 2 X 2i ... k X ik In i (2.5)
Model seperti ini adalah linear dalam bentuk semi log yang dapat berupa
1
Yi (2.6)
0 1 X 1i 2 X 2i i
1
0 1 X 1i 2 X 2i i (2.7)
Yi
e. Model Semilog
Atau
variabel yang tidak linear tetapi yang secara intrinsik linear tersebut mempunyai
Yi 0 X 1i 1 X 2i2 ui (2.10)
Dalam hal ini tidak ada transformasi yang dapat mengubah model (2.8)
adalah non-stokastik dan u i memenuhi semua asumsi model regresi linear klasik,
itu.
Yi A[ K i (1 ) Li ] v/
e ui (2.11)
Dimana:
Yi = Output
Ki = Input kapital
A, , v dan = Parameter
e = 2,71828
B. Asumsi Regresi
analisis regresi adalah: uji normalitas, uji multikolinearitas, uji autokorelasi, uji
heteroskedastisitas.
1. Uji Normalitas
adalah normal. Asumsi ini diperlukan dalam berbagai uji hipotesis atau
estimator dan inferensi untuk mencari nilai parameter yang sesungguhnya (true
menguji asumsi ini bisa dilakukan pada data residual dengan mengevaluasi bentuk
mendekati 3 (http://www.geocities.com/mohtar_unijoyo/ekonometrika.pdf,
mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah
distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat
dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik.
disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi
memenuhi asumsi normalitas, serta (2) jika data menyebar jauh dari garis diagonal
dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi
asumsi normalitas (info.stieperbanas.ac.id/makalah/K-AUDI01.pdf?, Diakses
2. Uji Multikolinearitas
terkecil, menjadi tidak efisien. Oleh karena itu, masalah multikolinieritas harus
Akibat-akibat multikolinieritas:
satu bagian dalam perhitungan varian dari koefisien regresi, yakni unsur
covarians antar unsur gangguan dimaksud adalah sama dengan nol, yakni
koefisien regresi adalah sama dengan nol. Apabila digabungkan dengan asumsi
homoskedastisitas, maka nilai varians dari koefisien regresi OLS memang sangat
diantara sisa. Sisa dikatakan bebas bila tidak ada korelasi antara i dan j untuk
( i i 1 )2
i 1
d hitung n
(2.12)
2
i
i 1
Dengan tabel Durbin Watson dapat dicari daerah kritis dengan mengambil
d u sebagai batas atas dan d L sebagai batas bawah dengan taraf nyata . Kriteria
antar sisanya.
pada sisa.
Hal ini dapat dilihat dari kecondongan d hitung . Jika d hitung lebih condong
jika lebih condong ke daerah yang tidak ada autokorelasi maka dapat disimpulkan
bahwa tidak ada autokorelasi pada sisa (Hendro Permadi, 1999: 33-34).
4. Uji Heteroskedastisitas
Asumsi model regresi berikutnya adalah varian dari unsur gangguan pada
pembentukan nilai t hitung. Oleh karena itu jika asumsi ini tidak dipenuhi maka
hasil uji t tidak sahih karena nilai t hitung bisa overvalued. Konsekwensinya,
sebuah koefisien yang seharusnya dinyatakan tidak signifikan bisa dinyatakan
http://www.geocities.com/mohtar_unijoyo/ekonometrika.pdf
yang dipilih dari variabel yang menjelaskan, adalah suatu angka konstan yang
2
sama dengan . Ini merupakan asumsi homoskedastisitas, atau penyebaran
lambang,
2 2
E( i ) (2.13)
ditunjukkan pada gambar 2.1, varian bersyarat dari Yi (yang sama dari varian i ),
tergantung pada nilai X i tertentu, tetap sama tidak peduli nilai yang diambil
untuk variabel X.
2 2
E( i ) i (2.14)
Jika varian i sama pada setiap titik atau untuk seluruh nilai X i , maka
pola tertentu (definite restriction) akan terbentuk bila sebaran Yi diplot dengan
sebaran X i . Bila digambarkan dalam tiga dimensi, polanya akan mendekati pola
pada Gambar 2.1. Sebaliknya, Gambar 2.2 menunjukkan varian kondisional dari
2
homoskedaktisitas adalah varian dari tiap i , , tidak bergantung pada nilai X
2 2
atau dapat dikatakan bahwa bukan merupakan fungsi dari X i , f (X i ) .
2
residual, , tidak konstan dan nilainya tergantung pada nilai X i atau
2
f ( X i ) . Berkaitan dengan homoskedastisitas, dalam Qs Al-Hajj ayat 64
disebutkan bahwa segala apa yang ada di langit dan di bumi semuanya adalah
milik Allah.
Milik-Nyalah apa yang ada di langit dan apa yang ada di bumi. Dan Allah
benar-benar Maha kaya, Maha terpuji (Qs. Al-Hajj/ 22: 64).
yang ada di langit maupun yang ada di bumi adalah hak milik Allah, manusia di
dunia boleh saja menganggap hartanya ketika di dunia adalah miliknya, akan
tetapi hukum Allah telah menetapkan bahwa semuanya termasuk manusia itu
sendiripun adalah milik Allah. Jadi apapun pengakuan dari manusia tentang
kepemilikan semua apa yang ada di bumi tidak berpengaruh atau tidak ada
gunanya karena segala sesuatu berasal dari tuhan dan akan kembali ke yang Satu
(Allah)
menjelaskan:
Dari ayat diatas menjelaskan bahwa agar kita selalu berusaha mengubah
keadaan menjadi lebih baik, dengan segala ikhtiar dan usaha untuk tidak
menyerah kepada nasib. Sedangkan jika dikaitkan dengan kondisi yang
2
heteroskedastisitas yang menyatakan bahwa nilai ragam sisaan, , tidak konstan
dan nilainya tergantung pada nilai X i maka jika kita berusaha terus menerus untuk
menjadi lebih baik atau misalnya kita ingin mendapatkan sesuatu, maka tingkat
kegagalan akan semakin menurun, sebab usaha yang kita lakukan semakin
Bersungguh-sungguh Keberhasilan
Pasrah
varian dari residual suatu pengamatan ke pengamatan lain adalah tidak sama.
a. Uji Glejser
residual. Jika hasil uji Glejser signifikan, maka telah terjadi heteroskedastisitas.
Sedangkan jika hasil uji tidak signifikan, maka model regresi tersebut bebas
heteroskedastisitas.
Pada dasarnya uji ini berdasarkan atas uji persamaan regresi dari harga
mutlak sisa, i , terhadap X i . jadi disini i sebagai peubah tak bebas dan X i
umumnya tidak diketahui. Oleh karena itu biasanya kita mengajukan lebih dari
Glejser adalah:
i 0 i Xi vi (2.15)
i 0 i Xi vi (2.16)
1
i 0 i vi (2.17)
Xi
1
i 0 i vi (2.18)
Xi
Glejser adalah:
Glejser .
sifat ketidakbiasan dan konsisten dari pemerkira OLS, tetapi tidak lagi efisien,
bahkan tidak juga secara asimptotis (yang seharusnya berlaku untuk sampel
besar). Kekurangan sifat efisiensi ini membuat prosedur pengujian hipotesa yang
biasa berkurang nilainya atau meragukan hasilnya. Maka dari itu perlu adanya
2
penyempurnaan, perlu diatasi. Ada dua pendekatan, pertama kalau i diketahui,
2
kedua kalau i tidak diketahui.
2
1. Jika i diketahui: Metode Kuadrat terkecil Terbobot (Weighted Least
Squeres)
2
Jika i diketahui atau dapat ditaksir, metode yang paling jelas dan
dibawah:
Yi 0 i Xi i (2.19)
2
2
meminimumkan RSS: i (Yi 0 i X i ) terhadap yang tidak diketahui
2
secara implisit memberikan bobot yang sama untuk tiap i . Jadi, dalam diagram
pencar hipotesis pada Gambar 2.3, titik A, B, dan C semuanya mempunyai bobot
2 2
yang sama dalam perhitungan i . Jelas dalam kasus ini i yang berkaitan
Y C
Yi 0 1 X
X
0 Gambar 2.3
seperti C dalam Gambar 2.3, dengan meminimumkan bukan RSS biasa atau yang
2
Min: i wi (Yi 0 i X i )2 (2.20)
dengan cara sedemikian rupa sehingga observasi yang ekstrim (misalnya C dalam
Gambar 2.3) mendapatkan bobot yang lebih kecil. Jika diketahui, maka dapat
memisalkan
1
wi 2
(2.21)
i
Yaitu, bobot observasi proporsional secara kebalikan (inversely proportional)
2
terhadap i (Gujarati, 1978: 190).
wi y i xi
i
wi xi 2
Dan o Y 1 X (2.22)
sampel terboboti, dan wi adalah pembobot (Gujarati dalam Diastari, 2005: 19).
2
2. Jika i tidak diketahui
2 2
Asumsi 1 : E ( i ) X i2 (2.23)
Yi 0 i
i
Xi Xi Xi
1
0 i vi (2.24)
Xi
Dimana vi adalah unsur gangguan yang telah ditransformasikan dan sama dengan
i
. Sekarang mudah untuk membuktikan bahwa
Xi
1
E (vi2 ) E( i
)2 E( i
2
)
Xi X i2
2
dengan menggunakan rumus (2.23)
Yi 1
yang telah ditransformasikan (2.24) dengan meregresikan terhadap .
Xi Xi
2 2
Asumsi 2: E ( i ) Xi (2.25)
X i kuadrat tetapi proporsional terhadap X i itu sendiri, maka model yang asli
Yi 0 i
i Xi
Xi Xi Xi
1
0 i X1 vi (2.26)
Xi
i
Dimana vi dan dimana X i 0.
Xi
Yi 1
dengan meregresikan terhadap dan X i (Gujarati, 1978: 191-192).
Xi Xi
2 2
Asumsi 3: E ( i ) [ E (Yi )]2 (2.27)
Yi 0 Xi i
i
E (Yi ) E (Yi ) E (Yi ) E (Yi )
1 Xi
0 ( ) i vi (2.28)
E (Yi ) E (Yi )
Di mana vi i
, dapat dilihat bahwa E (vi2 ) 2
, artinya kesalahan
E (Yi )
daripada E (Yi ) . Oleh karena itu, bisa dilanjutkan dalam dua langkah: Pertama
Yi 1 Xi
0 ( ) i ( ) vi (2.29)
Yi Yi Yi
i
Di mana vi ( ) . Langkah 2, melakukan regresi (2.29). Meskipun Yi tidak tepat
Yi
sama dengan E (Yi ) , Yi tadi merupakan penaksir yang konsisten, yaitu dengan
sebenarnya.
Asumsi 4: Trasformasi log
In Yi 0 1 In X i i (2.30)
pengukuran peubah dengan mengurangi perbedaan kedua nilai dari sepuluh kali
lipat menjadi dua kali lipat. Misalkan angka 80 dan 8 memiliki perbedaan sepuluh
kali, namun In 80 = 4.3820 dan In 8 = 2.0794, hanya memiliki perbedaan dua kali
lipat. Transformasi logaritma dapat digunakan apabila tidak terdapat nilai nol atau
negatif pada peubah X atau Y (Gujarati (2003) dalam Diastari, 2005: 23).
5. Uji Linearitas
antara variabel bebas dengan variabel tergantung, selain itu uji linearitas ini juga
2008).
BAB III
PEMBAHASAN
Regresi non linear dibagi menjadi dua jenis yaitu model linear intrinsik
dan model nonlinear intrinsik. Dalam regresi non linear ada bentuk persamaan
yang dapat diubah menjadi bentuk linear yaitu model linear intrinsik. Salah satu
model linear intrinsik yang akan dibahas dalam skripsi ini adalah model
eksponensial.
Model Eksponensial
adalah:
1 X 1i 2 X 2i ... k X ki
Yi e 0
. i (3.1)
Dengan:
e = 2.71828
0 , 1 , 1 ,..., k = Parameter
31
1 X 1i 2 X 2i ... k X ik
In Yi Ine 0
In i (3.2)
1 X 1i 2 X 2i ... k X ik
InYi In(e 0
) In i
1 X 1i 2 X 2i k X ki
InYi Ine 0
Ine Ine ... Ine In i
In Yi 0 1 X 1i 2 X 2i ... k X ki In i
In Yi In i 0 1 X 1i 2 X 2i ... k X ki
In (Yi i ) 0 1 X 1i 2 X 2i ... k X ki
Untuk menghilangkan In pada ruas kiri maka persamaan pada ruas kanan
Yi i In( 0 1 X 1i 2 X 2i ... k X ki )
Yi i In 0 In 1 X 1i In 2 X 2i ... In k X ki
i Yi ( In 0 In 1 X 1i In 2 X 2i ... In k X ki ) (3.3)
atau i Yi ( In 0 In i ) (3.4)
Uji ini berdasarkan atas uji persamaan regresi dari harga mutlak sisa yang
diperoleh dari model eksponensial atau i pada X. Jadi, i sebagai peubah tak
bebas dan X sebagai peubah bebas. Bentuk persamaan yang digunakan adalah:
i 0 i Xi vi (3.5)
i 0 i Xi vi (3.6)
1
i 0 i vi (3.7)
Xi
1
i 0 i vi (3.8)
Xi
1. Persamaan (3.5)
i 0 i Xi vi
Yi 0 i Xi i
Dengan menggunakan prinsip metode kuadrat terkecil tertimbang yaitu
2 2
i (Yi 0 i Xi) (3.9)
2
wi i wi (Yi 0 i X i )2 (3.10)
sedemikian sehingga:
1
w 2
(3.11)
i
2
wi i
0
0
2 wi (Yi 0 i X i )( 1) 0 (3.12)
2
wi i
0
i
2 wi (Yi 0 i X i )( X i ) 0 (3.13)
wi Yi 0 wi i wi X i (3.14)
wi X i Yi 0 wi X i i wi X i2 (3.15)
wi Yi i wi X i
0 (3.16)
wi
persamaan (3.15)
i wi X i2 wi X i Yi 0 wi X i (3.17)
wi Yi i wi X i
i wi X i2 wi X i Yi ( ) wi X i
wi
wi Yi wi X i i ( wi X i ) 2
i wi X i2 wi X i Yi
wi wi
i ( wi X i ) 2 wi Yi wi X i
i wi X i2 wi X i Yi
wi wi
2 i ( wi X i ) 2 wi Yi wi X i
i wi X i wi X i Yi
wi wi
i ( wi X i2 ( wi X i ) 2 ) wi Yi wi X i
wi X i Yi
wi wi
wi Yi wi X i
wi X i Yi
wi
i (3.18)
2
( wi X i ) 2
wi X i
wi
Karena i sebagai peubah tak bebasnya maka Yi diganti dengan i . Maka
wi i i wi X i
0 (3.19)
wi
wi i wi X i
wi X i i
wi
i (3.20)
( wi X i ) 2
wi X i2
wi
2. Persamaan (3.6)
i 0 i Xi vi
Yi 0 i Xi i (3.21)
2 2
i (Yi 0 i Xi ) (3.22)
2
wi i wi (Yi 0 i X i )2 (3.23)
Dimana 0 dan i adalah penaksir kuadrat tertimbang dan nilai wi
sedemikian sehingga:
1
w 2
i
2
wi i
0
0
2 wi (Yi 0 1 X i )( 1) 0 (3.24)
2
wi i
0
i
2 wi (Yi 0 i X i )( Xi ) 0 (3.25)
wi Yi 0 wi i wi X i (3.26)
wi X i Yi 0 wi X i i wi X i (3.27)
wi Yi i wi X i
0 (3.28)
wi
persamaan (3.27)
i wi X i wi X i Yi 0 wi X i (3.29)
wi Yi i wi X i
i wi X i wi X i Yi ( ) wi X i
wi
wi Yi wi X i i ( wi X i ) 2
i wi X i wi X i Yi
wi wi
i ( wi X i ) 2 wi Yi wi X i
i wi X i wi X i Yi
wi wi
i ( wi X i ( wi X i ) 2 ) wi Yi wi X i
wi X i Yi
wi wi
wi Yi wi X i
wi X i Yi
wi
i (3.30)
( wi X i ) 2
wi X i
wi
wi i i wi X i
0 (3.31)
wi
wi i wi X i
wi X i i
wi
i (3.32)
( wi X i ) 2
wi X i
wi
3. Persamaan (3.7)
1
i 0 i vi
Xi
1
Yi 0 i i (3.33)
Xi
2 1 2
i (Yi 0 i ) (3.34)
Xi
2 1 2
wi i wi (Yi 0 i ) (3.35)
Xi
sedemikian sehingga:
1
w 2
i
1
2 wi (Yi 0 i )( 1) 0 (3.35)
Xi
2
wi i
0
i
1 1
2 wi (Yi 0 i )( ) 0 (3.36)
Xi Xi
1
wi Yi 0 wi i wi (3.37)
Xi
1 1 1
wi Yi 0 wi i wi (3.38)
Xi Xi X i2
1
wi Yi i wi
Xi
0 (3.39)
wi
1 1 1
i wi wi Yi 0 wi (3.40)
X i2 Xi Xi
1
wi Yi i wi
1 1 Xi 1
i wi wi Yi ( ) wi
X i2 Xi wi Xi
1 1 2
wi Yi wi i ( wi )
1 1 Xi Xi
i wi wi Yi
X i2 Xi wi wi
1 2 1
i ( wi ) wi Yi wi
1 Xi 1 Xi
i wi wi Yi
X i2 wi Xi wi
1 1 2 1
i ( wi ( wi ) ) wi Yi wi
X i2 Xi 1 Xi
wi Yi
wi Xi wi
1
wi Yi wi
1 Xi
wi Yi
Xi wi
i (3.41)
1 2
( wi )
1 Xi
wi
X i2 wi
1
wi i i wi
Xi
0 (3.42)
wi
1
wi i wi
1 Xi
wi i
Xi wi
i (3.43)
1 2
( wi )
1 Xi
wi
X i2 wi
4. Persamaan (3.8)
1
i 0 i vi
Xi
1
Yi 0 i i (3.44)
Xi
2 1
i wi (Yi 0 i )2 (3.45)
Xi
2 1
wi i wi (Yi 0 i )2 (3.46)
Xi
sedemikian sehingga:
1
w 2
i
1
2 wi (Yi 0 i )( 1) 0 (3.47)
xI
2
wi i
0
i
1 1
2 wi (Yi 0 i )( ) 0 (3.48)
Xi Xi
1
wi Yi 0 wi i wi (3.49)
Xi
1 1 1
wi Yi 0 wi i wi (3.50)
Xi Xi Xi
1
wi Yi i wi
Xi
0 (3.51)
wi
1 1 1
i wi wi Yi 0 wi (3.51)
Xi Xi Xi
1
wi Yi i wi
1 1 Xi 1
i wi wi Yi ( ) wi
Xi Xi wi Xi
1 1
wi Yi wi i ( wi )2
1 1 Xi Xi
i wi wi Yi
Xi Xi wi wi
1 1
i ( wi )2 wi Yi wi
1 Xi 1 Xi
i wi wi Yi
Xi wi Xi wi
1 1 1
i ( wi ( wi )2 ) wi Yi wi
Xi Xi 1 Xi
wi Yi
wi Xi wi
1
wi Yi wi
1 Xi
wi Yi
Xi wi
i (3.52)
1 2
( wi )
1 Xi
wi
Xi wi
1
wi i i wi
Xi
0 (3.53)
wi
1
wi i wi
1 Xi
wi i
Xi wi
i (3.54)
1
( wi )2
1 Xi
wi
Xi wi
2
menjelaskan, adalah suatu angka konstan yang sama dengan . Ini merupakan
menggunakan lambang,
2 2
E( i ) (3.55)
Atau nilai E ( i ) 0 , varian bersyarat dari Yi (yang sama dari varian i ), tidak
lambang:
2 2
E( i ) i (3.56)
2
Atau var (Yi ) atau jika E ( i ) 0 . Dimana i menyatakan bahwa varian
individual berbeda, tidak bersifat konstan tetapi berubah-ubah untuk setiap nilai
adalah dengan memasukkan nilai residual yang didapatkan dari bentuk linear
model eksponensial pada nilai absolut residual atau i yang terdapat pada pada
nilai i .
wi i wi X i
wi X i i
wi
i
2
( wi X i ) 2
wi X i
wi
i Yi ( In 0 In i )
wi Yi ( In 0 In i ) wi X i
wi X i Yi ( In 0 In i )
wi
i 2
( wi X i )
wi X i2
wi
wi Yi In 0 In i wi X i
wi X i Yi In 0 In i
wi
i 2
( wi X i )
wi X i2
wi
wi i wi X i
wi X i i
wi
i
( wi X i ) 2
wi X i
wi
i Yi ( In 0 In i )
wi Yi ( In 0 In i ) wi X i
wi X i Yi ( In 0 In i )
wi
i
( wi X i ) 2
wi X i
wi
1
wi i wi
1 Xi
wi i
Xi wi
i
1 2
( wi )
1 Xi
wi
X i2 wi
i Yi ( In 0 In i )
Subtitusikan nilai galat atau residual pada i sehingga persamaan menjadi:
1
wi Yi ( In 0 In i ) wi
1 Xi
wi Yi ( In 0 In i )
Xi wi
i
1 2
( wi )
1 Xi
wi
X i2 wi
1
wi Yi In 0 In i wi
1 Xi
wi Yi In 0 In i
Xi wi
i
1 2
( wi )
1 Xi
wi
X i2 wi
1
wi i wi
1 Xi
wi i
Xi wi
i
1
( wi )2
1 Xi
wi
Xi wi
i Yi ( In 0 In i )
1
wi Yi ( In 0 In i ) wi
1 Xi
wi Y i ( In 0 In i )
Xi wi
i
1 2
( wi )
1 Xi
wi
Xi wi
1
wi Yi In 0 In i wi
1 Xi
wi Y i In 0 In i
Xi wi
i
1 2
( wi )
1 Xi
wi
Xi wi
heteroskedastisitas atau tidak, maka setelah didapatkan nilai i dari uji Glejser
Yi In 0 In i i (3.57)
E [Yi ] E [Yi ]
E [ In 0 In i i ] E [ In 0 In i ]
E[ i ]
E [( In 0 In i i )( In 0 In i i )]
E [( In 0 )2 In 0 In i In 0 i In i In 0 ( In i ) 2 In i i
2
i In 0 i In i i ]
E [( In 0 )2 2 In( 0 i ) 2( i In 0 ) 2( i In i ) ( In i ) 2 i
2
]
E ( In 0 )2 2 E In ( 0 i ) 2 In 0 E ( i ) 2 In i E ( i ) E ( In i ) 2 E( i
2
)
E ( In 0 )2 2 E In ( 0 i ) 2 In 0 (0) 2 In i (0) E ( In i ) 2 ( 0)
E ( In 0 )2 2 E In ( 0 i ) 0 0 E ( In i ) 2 0
( In 0 )2 2 In( 0 i ) ( In i ) 2 (3.59)
2
var [Yi ] .
Yi X1 X2 X3
4900000 3500000 5300000 2000000
4000000 3500000 5300000 2120000
4100000 3800000 5000000 2110000
4600000 4000000 6400000 2120000
5200000 4000000 7000000 2030000
5900000 4200000 6800000 1940000
5300000 4400000 5900000 1940000
6100000 4600000 7300000 1880000
5500000 5000000 5900000 1960000
6400000 5000000 7100000 1900000
Data dimbil dari buku Ekonometrika Pengantar (Sumodiningrat, 1997: 420).
diperoleh hasil:
Ditinjau dari p-value yaitu lebih kecil dari 0.05 yang berarti
PENUTUP
A. Kesimpulan
Nilai residual atau galat yang diperoleh dari model eksponensial setelah
nilai X mengikuti persamaan dalam uji Glejser. Dari ke-empat persamaan dalam
uji Glejser pada model eksponensial nilai varian yang diperoleh semua adalah
B. Saran
penelitian ini maka peneliti menyarankan kepada pembaca yang ingin melakukan
Draper dan Smith. 1992. Analisis Regresi Terapan. Jakarta: Gramedia Pustaka.
Hakim, Abdul. 2002. Statistik Induktif Untuk Ekonomi & Bisnis. Yogyakarta:
Ekonisia.
Santosa, Purbayu Budi dan Ashari. 2005. Analisis Statistik dengan Microsoft Exel
& SPSS. Yogyakarta: Andi Offset.
Tanda Tangan
No Tanggal Materi
Pembimbing
1. 26 Oktober 2007 Proposal
2. 02 November 2007 Persetujuan Proposal
3. 05 November 2007 Bab I dan Bab II
4. 5 Januari 2008 Bab III
6. 12 Januari 2008 Bab III dan IV
7. 14 Januari 2008 Konsultasi Kajian Keagamaan
8. 21 Januari 2008 Revisi Bab I dan II
9. 25 Maret 2008 Revisi Bab III
10. 27 Maret 2008 Revisi Keagamaan
12. 28 Maret 2008 Revisi Bab III, IV dan Abstrak
13. 29 Maret 2008 ACC keseluruhan
Mengetahui,
Ketua Jurusan Matematika