PENANGANNYA
Disusun Oleh
Kelompok 2 :
2022/2023
A. BEST MODEL LINEAR REGRESSION
METODE
Pada penentuan model terbaik ini digunakan all possible regression. Dalam prosedur
pengujiannya terdapat beberapa kriteria untuk memilih model trebaik.
2 SSEp
R p =1−
SST
Dimana: nilai SST adalah tetap, berapapun banyaknya Variabel Prediktor. Model
yang BAIK adalah model yang memiliki 𝑅𝑝 2 tinggi dengan jumlah variable bebas
minimal.
Kriteria Radj , p2 mencari sekelompok kecil variabel dimana nilai 𝑅𝑎𝑑𝑗, 𝑝 2 pada
posisi maksimum atau mendekati titik maksimum ketika penambahan variabel tidak
terlalu berguna.
3. Kriteria Mallows’ 𝐶𝑝
Kriteria 𝐶𝑝, mencari model dengan: nilai 𝐶𝑝 yang kecil (nilai Total Mean Square juga
kecil), dan nilai 𝐶𝑝 ≈ 𝑝 (mendekati nilai p, biasnya kecil). Jika semua variabel
dimasukkan dlm model, nilai 𝐶𝑝 = 𝑝.
𝐴𝐼𝐶𝑝 = 𝑛 ln 𝑆𝑆𝐸𝑝 − 𝑛 ln 𝑛 + 2𝑝
Cp
R- Adj R-
Model p df SSE MSE AIC SBC Mallo
Square Square
w
x1 x3 x4 39,0 1,30 124,47
5 30 0,657 0,612 115,14 5,599
x5 3 1 2
x1 x3 x4 6 29 36,7 0,677 1,26 0,622 115,03 125,92 5,814
x5 d2 5 7 6 3
x1 x2 x3 1,24 115,22 127,66
7 28 34,9 0,693 0,628 6,362
x4 x5 d2 6 6 9
Hasil output di atas merupakan hasil penyaringan dengan mencari nilai maximal dari adj
R-Square dan minimal dari MSE, AIC, SBC dan Cp Mallow. Sehingga didapatkan ketiga
kemungkinan model yang mendekati kriteria model terbaik. Setelah dibandingkan
ketiganya dapat diambil bahwa model dengan variabel bebas X1, X3, X4, X5 merupakan
model yang paling mendekati kriteria model terbaik.
Selanjutnya dilakukan uji parsial dan uji simultan untuk menentukan pengaruh variabel
bebas terhadap variabel tidak bebasnya.
Uji Simultan
Hipotesis
Hipotesis
H 0 : β i=0
H 1 : βi ≠ 0
Uji Parsial
Hipotesis
H 0 : β i=0
H 1 : βi ≠ 0
Berdasarkan uji parsial tiap variabel independent didapatkan nilai p-value seluruh
variabel independent < 0,05. Sehingga dapat diambil kesimpulan bahwa cukup bukti
untuk menyatakan bahwa seluruh variabel independent dalam model berpengaruh
signifikan terhadap variabel dependennya.
Uji Asumsi
a. Uji Normalitas
Hipotesis
H0 : ℇ~𝑁(0, 𝜎 2 ) (error berdistribusi normal)
Wilayah kritis
Statistik Uji
Histogram
b. Uji Homoskedastis
Hipotesis
Wilayah kritis
Scatter Plot
Dari plot tersebut dapat dilihat bahwa residual menyebar acak dan tidak membentuk
suatu pola.
c. Uji Multikolinearitas
Didapatkan hasil bahwa nilai VIF untuk seluruh variabel bebas < 10. Sehingga dapat
disimpulakn bahwa cukup bukti untuk menunjukkan tidak adanya multikolinearitas
antar variable independent pada model.
d. Uji Autokorelasi
Hipotesis
H 0 : ρ=0(non−autokorelasi)
H 1 : ρ≠ 0 (autokorelasi)
Wilayah Kritis
Nilai p-value < 0,05 sehingga diambil keputusan tolak Ho. Dengan demikian, dapat
diambil kesimpulan terjadi autokorelasi pada model dan akan dilakukan Upaya
perbaikan pada model.
Perbaikan Autokorelasi
Statistik Uji
Dari olah SPSS didapatkan nilai Durbin-Watson sebesar 2,287 dan dengan olah data
di R didapatkan sebagai berikut.
P-value menunjukkan nilai yang lebih besar daripada tingkat signifikansi 5%.
Sehingga dapat diambil keputusan gagal tolak H0. Hal ini mengartikan bahwa cukup
bukti untuk menyatakan bahwa pelanggaran autokorelasi pada model sudah dapat
diatasi.