Perbaikan Heteroskedastisitas dan Autokorelasi Pada Regresi Berganda Menggunakan Weighted Least Square dan Model Autoregressive

Puti, Azizah Arma (2021) Perbaikan Heteroskedastisitas dan Autokorelasi Pada Regresi Berganda Menggunakan Weighted Least Square dan Model Autoregressive. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Abstrak.pdf - Published Version Download (279kB) | Preview
Preview	Text (BAB 1 Pendahuluan) BAB I Pendahuluan.pdf - Published Version Download (202kB) | Preview
Preview	Text (BAB 5 Penutup) Bab 5 Penutup.pdf - Published Version Download (234kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (168kB) | Preview
	Text (Skripsi full text) Skripsi fulltext.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Penelitian ini bertujuan untuk memperbaiki heteroskedastisitas dan autokorelasi pada model regresi linier berganda. Regresi linier berganda merupakan persamaan regresi linier yang menggambarkan hubungan satu variabel tak bebas Y dengan lebih dari satu variabel bebas X. Regresi linier berganda yang bersifat heteroskedastisitas dan memuat autkorelasi walaupun memberikan estimasi tidak bias namun menghasilkan variansi residual yang bias. Sifat heteroskedastisitas pada persamaan regresi dideteksi menggunakan uji White. Heteroskedastisitas diatasi dengan cara membagi persamaan regresi dengan weighted (pembobot) hi > 0 dimana hi adalah unsur heteroskedastisitas, metode ini disebut metode Weighted Least Square. Persamaan regresi yang telah homoskedastisitas diuji keberadaan autokorelasinya menggunakan uji Durbin-Watson. Melalui bentuk plot nilai ACF dan PACF variabel residual diperoleh struktur autokorelasi yang mengikuti bentuk model Autoregresive First-Order (AR(1)). Autokorelasi diatasi menggunakan model AR(1) dengan nilai dugaan koefisien korelasi Prais-Winsten.

Actions (login required)

View Item