ESPA4224-3

NASKAH TUGAS MATA KULIAH

UNIVERSITAS TERBUKA
SEMESTER: 2022/23.2 (2023.1)

Fakultas : FE/Fakultas Ekonomi

Kode/Nama MK : ESPA4224/Statistika Ekonomi dan Bisnis
Tugas :2

No. Soal
1 A. Apa yang dimaksud dengan metode sidik ragam dan uji keberartian model dalam analisis regresi
B. Apa yang dimaksud dengan hipotesis nol, hipotesis alternatif dan tujuan pengujian hipotesa dalam
konteks analisis regresi

2 A. Jelaskan apa yang dimaksud dengan Multicollinearity dan tunjukkan cara menanggulanginya.
B. Tunjukkan perbedaan heterokedastisitas dengan homoskedatisitas

3 Berikut ini merupakan Tabel ilustrasi data penjualan kendaraan bermotor roda 2 dari dealer kendaraan di
Kota A selama 6 tahun

Tahun Jumlah penjualan motor (unit)

2014 114
2015 150
2016 140
2017 160
2018 170
2019 180

Dari data di atas, tentukan:

A. Persamaan trend dengan metode Trend Moment
B. Ramalan penjualan tahun 2022

1 dari 1
 BUKU JAWABAN TUGAS MATA KULIAH

TUGAS 1

Nama Mahasiswa : RISKI TANDI PARE

Nomor Induk Mahasiswa/ NIM : 048049033

Kode/Nama Mata Kuliah : ESPA4224/Statistika Ekonomi dan Bisnis

Kode/Nama UPBJJ : 10/SORONG

Masa Ujian : 2022/23.2(2023.1)

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS TERBUKA
 Formulasi atau perumusan hipotesis statistic dapat di bedakan atas dua jenis, yaitu sebagai
berikut;
Hipotesis nol / nihil (HO) : Hipotesis nol adalah hipotesis yang dirumuskan sebagai suatu
pernyataan yang akan di uji. Hipotesis nol tidak memiliki perbedaan atau perbedaannya nol dengan
hipotesis sebenarnya.
Hipotesis alternatif/ tandingan (H1 / Ha): Hipotesis alternatif adalah hipotesis yang di
rumuskan sebagai lawan atau tandingan dari hipotesis nol. Dalam menyusun hipotesis alternatif,
timbul 3 keadaan berikut.
H1 menyatakan bahwa harga parameter lebih besar dari pada harga yang di hipotesiskan.
Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kanan.
H1 menyatakan bahwa harga parameter lebih kecil dari pada harga yang di hipotesiskan.
Pengujian itu disebut pengujian satu sisi atau satu arah, yaitu pengujian sisi atau arah kiri.
H1 menyatakan bahwa harga parameter tidak sama dengan harga yang di hipotesiskan.
Pengujian itu disebut pengujian dua sisi atau dua arah, yaitu pengujian sisi atau arah kanan dan kiri
sekaligus.

JAWABAN NO 2A :
Definisi Multikolinearitas
Multikolinearitas adalah sebuah situasi yang menunjukkan adanya korelasi atau hubungan kuat
antara dua variabel bebas atau lebih dalam sebuah model regresi berganda. Model regresi yang
dimaksud dalam hal ini antara lain: regresi linear, regresi logistik, regresi data panel dan cox
regression.
Cara mendeteksi adanya Multikolinearitas di dalam model regresi adalah dengan cara :
Melihat kekuatan korelasi antar variabel bebas. Jika ada korelasi antar variabel bebas > 0,8
dapat diindikasikan adanya multikolinearitas.
Melihat nilai standar error koefisien regresi parsial. Jika ada nilai standar error > 1, maka dapat
diindikasikan adanya multikolinearitas.
Melihat rentang confidence interval. Jika rentang confidence interval sangat lebar, maka dapat
diindikasikan adanya multikolinearitas.
Melihat nilai Condition Index dan eigenvalue. Jika nilai condition index > 30 dan nilai
eigenvalue < 0,001 dapat diindikasikan adanya multikolinearitas.
Melihat nilai Tolerance dan Variance Inflating Factor (VIF). Jika nilai Tolerance < 0,1 dan VIF
> 10 dapat diindikasikan adanya multikolinearitas. Sebagian pakar menggunakan batasan Tolerance
< 0,2 dan VIF > 5 dalam menentukan adanya multikolinearitas. Para pakar juga lebih banyak
menggunakan nilai Tolerance dan VIF dalam menentukan adanya Multikolinearitas di dalam model
regresi linear berganda dibandingkan menggunakan parameter-parameter yang lainnya. Hal ini juga
dalam prakteknya menggunakan SPSS, kita sudah disuguhkan dengan hasil yang instant, dimana kita
bisa langsung lihat nilai keduanya di dalam output SPSS.

Gejala Multikolinearitas
Dalam situasi terjadi multikolinearitas dalam sebuah model regresi berganda, maka nilai
koefisien beta dari sebuah variabel bebas atau variabel predictor dapat berubah secara dramatis
apabila ada penambahan atau pengurangan variabel bebas di dalam model. Oleh karena itu,
multikolinearitas tidak mengurangi kekuatan prediksi secara simultan, namun mempengaruhi nilai
prediksi dari sebuah variabel bebas. Nilai prediksi sebuah variabel bebas disini adalah koefisien beta.
Oleh karena itu, sering kali kita bisa mendeteksi adanya multikolinearitas dengan adanya nilai
standar error yang besar dari sebuah variabel bebas dalam model regresi.

Cara mengatasi multikolinearitas adalah dengan cara:

 Jika jumlah variabel banyak, maka kita dapat melakukan Analisis Faktor sebelum regresi.
Setelah analisis faktor, variabel baru yang terbentuk kita gunakan sebagai variabel di dalam model
regresi.
Dengan cara memilih salah satu diantara variabel bebas yang berkorelasi kuat. Oleh karena itu,
sebelumnya anda harus mencari variabel yang nilai VIFnya tinggi dan nilai korelasinya dengan
variabel bebas lainnya kuat.
Dengan cara melakukan operasi matematis antar variabel bebas yang berkorelasi kuat sehingga
didapat variabel baru hasil operasi tersebut yang kemudian dimasukkan ke dalam model regresi
sebagai perwakilan dari variabel yang menjadi sumber operasi matematis tersebut.
Melakukan standarisasi terhadap variabel yang menjadi penyebab inklusi perkalian antara
variabel, dimana hasil perkalian setelah standarisasi tersebut yang dimasukkan ke dalam model
bersama-sama dengan variabel yang sudah distandarisasi.

JAWABAN NO 2B :

Kita telah belajar bahwa heteroskedastisitas terjadi ketika hubungan antara prediksi dan residu
membentuk sebuah pola. Di sisi lain homoskedastisitas adalah kondisi ketika nilai residu pada tiap
nilai prediksi bervariasi dan variasinya cenderung konstan.

JAWABAN NOMOR 3