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.