Berbagi Ilmu Statistik

    Kedudukan antar asumsi pada metode kuadrat terkecil tidak sama. Asumsi kebebasan dan kehomogenan sisaan lebih diutamakan daripada asumsi kenormalan sisaan. Hal ini didasarkan pada dampak penyimpangan masing-masing asumsi terhadap pendugaan parameter dalam persamaan regresi linier. 1. Asumsi Kebebasan Sisaan Jika asumsi kebebasan tidak terpenuhi, tetapi metode kuadrat terkecil tetap digunakan dalam keadaan terdapat autokorelasi maka akan menyebabkan: 1. Penduga tidak efisien, sehingga selang kepercayaan menjadi lebar. 2. Penduga-penduga koefisien regresi yang diperoleh dengan menggunakan OLS tidak lagi BLUE (Best Linear Unbiased Estimator), sekalipun masih tak bias dan konsisten. 3. Penduga ragam sisaan (𝑆𝑒^2) underestimate atau lebih kecil dari nilai sebenarnya. Dengan demikian nilai koefisien determinasi (R^2) akan besar dan akibatnya uji-t, uji-F, dan interval kepercayaan menjadi tidak sahih lagi untuk digunakan. 4. Adanya autokorelasi yang kuat dapat menyeba

A. REGRESI LINIER SEDERHANA Regresi linier adalah metode statistika yang digunakan untuk membentuk model hubungan antara variabel terikat (dependen, respon, Y) dengan satu atau lebih variabel bebas (independen, predictor, X). Bila hanya terdapat satu variabel bebas maka dinamakan regresi linear sederhana sedangkan jika memiliki lebih dari satu variabel bebas maka dinamakan regresi linear berganda. Adapun model regresi linier sederhana adalah sebagai berikut: B. UJI ASUMSI KLASIK REGRESI LINIER SEDERHANA Koefisien-koefisien regresi linier sebenarnya adalah nilai duga dari parameter model regresi. Parameter merupakan keadaan sesungguhnya untuk kasus yang kita amati.  Parameter regresi diduga melalui teknik perhitungan yang disebut Ordinary Least Square (OLS). Tentu saja, yang namanya menduga, kita tidak mungkin terlepas dari kesalahan, baik itu sedikit maupun banyak. Namun dengan OLS, kesalahan pendugaan dijamin yang terkecil (dan merupakan yang terbaik) asal memenuhi