TINJAUAN PUSTAKA
di mana:
𝑌𝑖 : variabel respon
𝛼 : konstanta (intercept)
𝑛 : banyak pengamatan
5
parameter dalam analisis regresi dengan metode OLS dapat digunakan
pendekatan dengan matriks sesuai persamaan (2.1):
𝒚 = 𝒙𝜷 + 𝜺 (2.2)
𝜺′ 𝜺 = (𝒚 − 𝒙𝜷)′ (𝒚 − 𝒙𝜷)
= (𝒚′ 𝒚 − 𝒚′ 𝒙𝜷 − 𝜷′ 𝒙′ 𝒚 + 𝜷′ 𝒙′ 𝒙𝜷)
̂=0
−2𝒙′ 𝒚 + 2𝒙′ 𝒙𝜷
̂=0
𝒙′ 𝒚 + 𝒙′ 𝒙𝜷
̂ = (𝒙′ 𝒙)−1 𝒙′ 𝒚
𝜷 (2.4)
6
2.1.2 Pengujian Asumsi Regresi
Model regresi yang diperoleh dari metode Ordinary Least Square
(OLS) menghasilkan penduga Best Linier Unbiased Estimator (BLUE).
Kondisi BLUE harus memenuhi beberapa asumsi regresi klasik. Ketika
asumsi tidak dipenuhi, biasanya digunakan berbagai solusi agar asumsi dapat
terpenuhi, atau beralih kepada metode lain agar asumsi dapat terselesaikan.
Berikut empat asumsi yang harus dipenuhi dalam analisis regresi:
2.1.2.1 Normalitas Sisaan
Uji normalitas dilakukan untuk melihat apakah nilai sisaan
terdistribusi normal atau tidak. Model regresi yang baik memiliki nilai sisaan
yang terdistribusi normal. Hipotesis yang digunakan untuk uji normalitas
adalah:
Salah satu uji yang dapat digunakan adalah uji Jarque-Bera dengan
statistik uji :
𝑛−𝑘 1
𝐽𝐵 = (𝑆 2 + (𝐾 − 3))2 (2.5)
6 4
di mana :
S : skewness (kemiringan)
K : kurtosis (keruncingan)
n : jumlah sampel pengamatan
k : banyaknya variabel prediktor
𝜀̂𝑖𝑡 : pendugaan sisaan pengamatan ke-i waktu ke-t
𝜀̅ : rata-rata penduga sisaan
7
2.1.2.2 Non-multikolinearitas
Uji non-multikolinearitas digunakan untuk mengetahui ada atau
tidaknya korelasi yang tinggi antara variabel-variabel prediktor dalam suatu
model regresi linear berganda. Jika terdapat korelasi yang tinggi di antara
variabel-variabel prediktor, maka hubungan antara variabel prediktor
terhadap variabel respon menjadi terganggu. Pengujian multikolinearitas
dilakukan dengan melihat nilai Variance Inflation Factor (VIF).
1
𝑉𝐼𝐹 = 1−𝑅2 (2.6)
𝑗
2.1.2.3 Non-autokorelasi
Uji non-autokorelasi mengkaji terjadinya korelasi antara suatu
periode t dengan periode sebelumnya (t-1). Dalam analisis regresi dilakukan
pengujian untuk melihat pengaruh antara variabel prediktor terhadap
variabel respon, jadi tidak boleh ada korelasi antara observasi dengan data
observasi sebelumnya. Hipotesis yang digunakan dalam uji ini:
𝐻0 : tidak terdapat autokorelasi vs
𝐻1 : terdapat autokorelasi
dengan :
𝑒̂ = 𝑦 − 𝑦̂
di mana :
𝑒̂𝑡 : sisaan ke-t dari model
𝑒̂𝑡−1 : sisaan ke-t-1 dari model
8
Tabel 2.2 Kriteria pengujian Durbin Watson:
Ada Tidak Tidak ada Tidak Ada
Korelasi Dapat Korelasi Dapat Korelasi
positif Diputuskan positif atau diputuskan negatif
negatif
0 dL dU 2 4-dU 4-dL 4
Batas atas (dU) dan batas bawah (dL) pengujian dapat dilihat dari
tabel nilai uji Durbin Watson. Apabila asumsi non-autokorelasi ini terlanggar
maka penduga dari model akan tak bias, kosisten, tetapi tidak efisien.
di mana :
𝐽𝐾𝑅 ∗ : Jumlah Kuadrat Regresi pada regresi sisaan kuadrat dari model
dengan variabel prediktor
𝐽𝐾𝐺 : Jumlah Kuadrat Sisaan pada regresi variabel respon dengan
variabel prediktor
n : banyak pengamatan
9
sedangkan regresi kuantil dapat memberikan informasi pada keseluruhan
sebaran data. Regresi kuantil merupakan salah satu pendekatan dalam
analisis regresi yang diperkenalkan oleh Koenker dan Basset tahun 1978.
Regresi kuantil melakukan pendugaan dengan meminimumkan jumlah nilai
mutlak sisaan. Pendugaan pada kelompok data dilakukan pada bagian yang
dicurigai memiliki perbedaan nilai dugaan pada kuantil data tersebut.
Regresi kuantil dapat diterapkan pada data yang tidak memenuhi asumsi
regresi klasik. Selain itu, regresi kuantil juga dapat digunakan pada data
asimetrik. Pendugaan regresi kuantil dilakukan terhadap berbagai fungsi
kuantil dari suatu distribusi variabel respon sebagai fungsi dari variabel
prediktor.
𝑌𝑖,𝜃 = 𝛽0,𝜃 + 𝛽1,𝜃 𝑋𝑖1 +𝛽2,𝜃 𝑋𝑖2 … + 𝛽𝑘,𝜃 𝑋𝑖𝑘 + 𝑒𝑖,𝜃 (2.9)
𝑄(𝜃|𝑋 = 𝑥) = 𝑥𝑖′ 𝛽
𝑚𝑖𝑛𝛽∈𝑅 [∑𝑖∈{𝑖|𝑌𝑖≥𝑥 ′ 𝛽 𝜃 |𝑦𝑖 − 𝑥𝑖′ 𝛽| + ∑𝑖∈{𝑖|𝑌𝑖 <𝑥 ′ 𝛽(1 − 𝜃)|𝑦𝑖 − 𝑥𝑖′ 𝛽|] (2.10)
𝑖 𝑖
𝜃𝜀 , 𝜀≥0
𝜌𝜃 = { (2.11)
(𝜃 − 1)𝜀 , 𝜀 < 0
̅
̂ ∗𝜃 = 1 ∑𝐵𝑏=1 𝛽̂𝜃∗𝑏
𝜷 (2.13)
𝐵
∗ ̅
𝑠𝑒 (𝛽̂𝑗,𝜃 ) = (∑𝐵𝑏=1(𝛽̂𝑗,𝜃
∗𝑏 ̂ ∗𝜃 )2 /(𝐵 − 1))1⁄2
−𝜷 (2.14)
di mana :
𝛽̂̅ ∗ : rata-rata penduga parameter pada masing-masing kuantil ke- 𝜃
B : banyaknya perulangan penyampelan
12
2.1.6 Pengujian Keberartian Parameter Model
2.1.6.1 Uji Simultan
Uji simultan dilakukan untuk melihat apakah variabel-variabel
prediktor secara bersama-sama benar berpengaruh terhadap variabel respon.
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑗 = 0 vs
𝐻1 : minimal terdapat satu 𝛽𝑗 ≠ 0, dimana j = 1,2,…,k
di mana :
𝜃(1 − 𝜃)
𝜔2 =
𝑓(𝐹 −1 (𝜃))2
𝑣̂ : 𝑚𝑖𝑛𝛽 ∑𝑛𝑖=1 𝜌𝜃 (𝑦𝑖 − 𝛽̂0∗ − 𝑥𝑖1
′ ̂∗
𝛽1 )
𝑣̃ : 𝑚𝑖𝑛𝛽 ∑𝑖=1 𝜌𝜃 (𝑦𝑖 − 𝛽̂0 )
0
𝑛 ∗
𝐻0 : 𝛽𝑗 = 0 vs
𝐻1 : 𝛽𝑗 ≠ 0, dimana j = 1,2,…,k
13
Statistik uji yang digunakan adalah statistik uji Wald yakni rasio
nilai penduga dengan varian bootstrap sesuai persamaan (2.13) dan
persamaan (2.14)
̂ ∗ )2
(𝛽𝑗,𝜃
𝑊(𝜃) = ̂𝑗,𝜃 ∗ )
(2.17)
𝑠𝑒2 (𝛽
𝑣
̂
𝑅 ′ = 1 − 𝑣̃ (2.18)
di mana :
𝑣̂ : 𝑚𝑖𝑛𝛽 ∑𝑛𝑖=1 𝜌𝜃 (𝑦𝑖 − 𝛽̂0∗ − 𝑥𝑖1
′ ̂∗
𝛽1 )
𝑣̃ 𝑛 ̂
:𝑚𝑖𝑛𝛽 ∑𝑖=1 𝜌𝜃 (𝑦𝑖 − 𝛽0 ) ∗
0
15
berat. Butir air hujan memiliki ukuran yang beragam mulai dari pepat, mirip
panekuk (butir besar), hingga bola kecil (butir kecil). Banyaknya jumlah air
hujan yang jatuh di permukaan tanah selama periode tertentu disebut dengan
curah hujan. Curah hujan dengan satuan milimeter (liter per meter persegi)
menggambarkan ketinggian air hujan yang terkumpul di tempat datar, tidak
menguap, tidak meresap, dan tidak mengalir.
Jumlah curah hujan diukur dengan alat bernama ombrometer. Curah
hujan diukur dalam harian, bulanan, dan tahunan. Curah hujan dipengaruhi
oleh suhu atau temperatur udara yang merupakan derajat panas maupun
dingin molekul di atmosfer. Suhu diukur berdasarkan skala tertentu dengan
alat yang dinamakan termometer. Biasanya skala yang digunakan dalam
pengukuran suhu dinyatakan dalam Celcius (C), Reamur (R), dan Fahrenheit
(F). Suhu merupakan salah satu unsur iklim yang penting dan dapat berubah
sesuai waktu dan tempat. Misalnya tempat di dalam gedung memiliki suhu
yang berbeda dengan tempat terbuka. Perbedaan suhu ini diukur sehingga
memperoleh nilai rata-rata suhu atmosfer. Rata-rata suhu yang diperoleh
meliputi suhu harian dan suhu bulanan. Suhu harian rata-rata adalah rata-rata
dari pengamatan yang dilakukan selama 4 jam dalam satu hari dan dilakukan
setiap hari. Suhu bulanan rata-rata adalah jumlah dari suhu harian dalam satu
bulan dibagi dengan jumlah hari dalam bulan tersebut.
Selain itu curah hujan juga dipengaruhi oleh kelembaban udara dan
kecepatan arah angin. Kelembaban adalah banyaknya uap air yang
terkandung dalam massa udara pada saat dan tempat tertentu. Kelembaban
ini merupakan rata-rata kandungan air keseluruhan yakni uap, tetes air, dan
kristal es di udara pada suatu waktu. Pengukurannya diperoleh dari hasil
harian kemudian dirata-ratakan setiap bulan dan dinyatakan dalam persen.
Alat yang digunakan untuk mengukur kelembaban udara adalah psikrometer
atau higrometer. Besarnya kelembaban suatu daerah merupakan salah satu
faktor yang dapat memicu terjadinya hujan. Kelembaban akan relatif
berubah sesuai waktu dan tempat. Lembab udara relatif mempunyai sifat
bernilai minimum pada musim panas dan sebaliknya bernilai maksimum
pada musim dingin (Limantara, 2010).
Faktor angin yang juga mempengaruhi curah hujan merupakan gerak
udara sejajar yang bergerak dari daerah bertekanan udara tinggi ke daerah
16
bertekanan udara rendah. Angin merupakan arus dengan kecepatan yang
arahnya berubah-ubah. Kecepatan angin merupakan rata-rata laju pergerakan
angin yang diperoleh dari hasil pengukuran harian dan dirata-ratakan setiap
bulan. Kecepatan angin diukur dengan alat yang disebut anemometer yang
mana hasilnya memiliki satuan knot.
17