Nama : Muhammad Khoerul Anam

NIM : 1817204026

Kelas : 4 Mazawa

Uji Heteroskedastisitas, Otokorelasi, dan Linieritas

Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi linear. Uji 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.Heteroskedastisitas adalah kebalikan dari
homoskedastisitas, yaitu keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua
pengamatan setiap variabel bebas pada model regresi. Sebaliknya, pengertian homoskedastisitas adalah
keadaan dimana adanya kesamaan varian dari error untuk semua pengamatan setiap variabel bebas
pada model regresi.

Untuk mendeteksi adanya masalah heterosdeteksitas dapat menggunakan metode uji Glejser, Uji
Park, Uji Spearman, dan melihat grafik.

1. Metode analisi grafik dilakukan dengan mengamati scatterplot dimana sumbu horizontal
menggambarkan nilai Predicted Standardized sedangkan sumbu vertikal menggambarkan nilai
Residual Studentized. Jika Scatterplot membentuk pola tertentu, hal itu menunjukan adanya
masalah heteroskedastisitas pada model regresi yang dibentuk.
2. Metode Glejser. Dengan cara meregresikan semua variabel bebas terhadap nilai mutlak
residualnya. Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai mutlak
residualnya maka dalam model terdapat masalah heteroskedastisitas.
3. Metode Park. Dilakukan dengan meregresikan semua variabel bebas terhadap nilai Ln residual
kuadrat. Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai Ln residual kuadrat
maka dalam model terdapat masalah heterosdastisitas.
4. Metode Spearman. Dengan mengkorelasikan dengan variabel bebas, jika terdapat korelasi
dengan nilai mutlak residualnya maka dalam model regresinya ada masalah.

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

Masalah asumsi Autokorelasi dapat dideteksi dengan menggunakan berbagai jenis analisis, yaitu
antara lain:

1. Uji Durbin Watson

2. Uji Breucsh Godfrey
3. Uji Durbin Watson hThe Engle’s ARCH Test.

Uji Durbin Watson h statistik bisa dilakukan jika variabel terikat atau dependent variables merupakan
variabel Lag. Lag artinya selisih antara sampel ke-i dengan sampel ke-i-1, seperti yang sudah dijelaskan di
atas sebelumnya. Sedangkan uji durbit watson malah sebaliknya, bisa dilakukan jika variabel terikat
bukanlah variabel lag.

Uji Durbin watson adalah uji autokorelasi yang menilai adanya autokorelasi pada residual. Uji ini
dilakukan dengan asumsi atau syarat antara lain:

1. Model regresi harus menyertakan konstanta.

2. harus diasumsikan sebagai autokorelasi first order.
3. dependen bukan merupakan variabel Lag.

Uji Linieritas Dilakukan untuk mengetahui model yang di buktikan merupakan model linier atau tidak.
Hasil dari uji linieritas ini adalah informasi apakah model empiris sebaiknya linier, kuadrat, atau kubik.
Untuk mendeteksi apakah model sebaiknya menggunakan persamaan linier atau tidak, maka digunakan
metode analisis grafik dan metode statistik. Dalam uji ini dapat menggunakan beberapa metode antara
lain:

1. Metode Durbin-Watson
Dengan Membandingkan nilai DW hitung dengan nilai DW statistik baik pada persamaan regresi
linier maupun dengan persamaan regresi kuadratik.
2. Metode Ramsey
 Metode ini mengasumsikan bahwa metode yang benar adalah persamaan yang linier sehingga
hipotesis nol menyatakan bahwa adalah linier. Sebaliknya, hipotesis alternatif menyatakan
bahwa model adalah tidak linier. Prinsip metode ini adalah membandingkan antara nilai F hitung
(persamaan baru) dengan nilai F tabel dengan df=(, m, n-k)
3. Metode Lag range Multiplier
Prinsip metode ini adalah membandingkan nilai X kuadrat hitung (n X R kuadrat) dengan nilai X
kuadrat tabel dengan df=(n, )