Soal
1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?
2. Bagaimana cara mengatasi masalah autokorelasi?
Jawaban
Assalamu'alaikum wr wb,
Saya akan menanggapi pertanyaan yang diberikan diatas, berikut tanggapan saya :
1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?
Analisis regresi adalah sebuah metode statistik yang digunakan untuk mengetahui hubungan
antara variabel dependen dan satu atau lebih variabel independen. Analisis ini dapat digunakan
untuk menilai kekuatan hubungan antar variabel dan untuk membuat prediksi atas hubungan
masa depan antara dua variabel tersebut.
Pada analisis ini, variabel dibedakan menjadi dua bagian, yaitu response variable atau seringkali
juga disebut sebagai dependent variable, dan variabel explanatory atau biasa disebut juga
sebagai variabel bebas (independent variable).
Y=a+b.X
Analisis regresi digunakan hampir pada semua bidang kehidupan baik dalam bidang pertanian,
ekonomi dan keuangan, industri dan ketenagakerjaan, sejarah, pemerintahan, ilmu lingkungan,
dan sebagainya
Model regresi linier sederhana yang ideal harus memenuhui beberapa asumsi-asumsi seperti
berikut:
a. Eksogenitas yang lemah
Dalam model regresi linier memberi syarat bahwa variabel X bersifat tetap, sementara
variabel Y bersifat acak atau berubah. Di mana satu nilai variabel X akan memprediksi
variabel Y sehingga ada kemungkinan beberapa variabel Y. Dengan begitu, harus ada
nilai kesalahan pada variabel Y.
b. Linieritas
Model analisis regresi bersifat linier, artinya kenaikan variabel X harus diikuti secara
proporsional oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi,
maka kita dapat melakukan transformasi data atau menggunakan model kuadratik,
eksponensial atau model lainnya yang sesuai dengan pola hubungan nonlinier.
c. Varians error yang konstan
Varians eror perlu konstan karena jika konstan maka variabel error dapat membentuk
model sendiri dan menganggu model utama. Sehingga penanggulangan permasalahan
heteroskedastisitas bisa diatasi dengan menambahkan model varians error ke dalam
model ARCH/GARCH.
d. Autokorelasi untuk data time series
Jika kita menggunakan analisis regresi sederhana untuk data time series atau data yang
disusun berdasarkan urutan waktu, maka ada satu asumsi yang harus dipenuhi, yaitu
asumsi autokorelasi. Asumsi ini melihat pengaruh variabel lag waktu sebelumnya
terhadap variabel Y. Jika ada gangguan autokorelasi, artinya ada pengaruh
variabel lag waktu sebelumnya terhadap variabel Y.