Nama : Eko Priharyanto

NIM : 043576865

1. Apa yang dimaksud dengan model regresi ?  dan bagaimana model regresi
yang ideal?
2. Bagaimana cara mengatasi masalaah autokorelasi?

1. Menjawab diskusi ke 4 ini tentang Model Regresi ialah Model yang

merupakan perwujudan dari suatu abtrasksi berbagai aspek realita atau yang
terjadi dalam dunia nyata, yang dibuat untuk satu atau berbagai tujuan
menurut ( Sugiyanto, 2009 )
Bentuk model regresi yang ideal ialah
- Memilikin nilai linear
Dalam kenaikan suatu variabel X harus diikuti oleh kenaikan pada variabel Y
secara proporsional. Selain itu, jika pada pengujian linieritas tidak dapat dipehuni
tentunya bisa dilakukan transformasi data yakni dengan cara memakai bentuk
kuadratik ataupun model yang lain dan mempunyai kesesuaian dengan bentuk
hubungan non linier.
- Adanya perhitungan error yang konstan
Pada hal ini, pada variabel gangguan (error) dibutuhkan karena apabila konstan
tentunya variabel gangguan (error) bisa membentuk model sendiri juga dapat
mengganggu model utama. Oleh karena itu, cara dalam menanggulangi masalah
tersebut yakni dengan heteroskedastisitas dan bisa diatasi pula dengan cara
melakukan penambahan model variabel gangguan (error) dalam model maupun
model ARCH ataupun GARCH. Selain itu, Heteroskedastisitas ialah suatu kondisi
yang mana terjadinya ketidaksamaan varian dari variabel gangguan (error) pada
semua pengamatan di setiap variabel bebas dalam model regresi.
Maka dari itu, bisa disimpulkan bahwasanya model regresi yang ideal yakni
apabila terjadi homokedastisitas ataupun tidak terjadi heteroskedastisitas dan
untuk mendeteksi heterokedastisitas bisa dilakukan dengan cara melihat suatu
grafik plot di antara nilai prediksi variabel terikat (ZPRED) dengan adanya
residualnya (SRESID).

2. Beberapa cara untuk menanggulangi masalah autokorelasi adalah sebagai

berikut :

1. Mengubah model regresi ke dalam bentuk persamaan beda umum

(generalized difference equation).
2. Memasukkan variabel lag dari variabel terikat menjadi salah satu variabel
bebas, sehingga data observasi menjadi berkurang 1.
3. Mengeluarkan satu variabel atau lebih variabel bebas yang mempunyai nilai
korelasi sederhana relatif tinggi (misalnya > ú0,8ê).
4. Transformasi variabel. Menganalisis ulang model regresi yang sama, tetapi
dengan nilai variabel-variabel yang telah ditransformasikan.
5. Penambahan data baru. Semakin sedikit sampel yang diambil dalam
penelitian akan cenderung meningkatkan adanya gangguan.
Sumber : Analisa regresi terapan dalam bisnis Modul 4.6
 Ajija, Shochrul Rohmatul, dkk. 2011. Cara Cerdas Menguasai Eviews.
Jakarta: Salemba Empat.
 Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS
23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.