Musafa, Izzatul (2015) Penanganan Heteroskedastisitas dengan Metode Weighted Least Squares Pada Analisis Regresi Linier Berganda (Studi Kasus Data IHSG 2007-2015). Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi linier berganda merupakan metode statistika yang seringkali digunakan pada berbagai bidang penelitian, contohnya adalah bidang perekonomian. Secara umum, metode yang digunakan untuk menduga parameter regresi adalah Metode Kuadrat Terkecil (MKT), namun terdapat beberapa asumsi yang harus dipenuhi. Salah satu asumsi yang sering dilanggar adalah asumsi homoskedastisitas. Salah satu permasalahan ekonomi yang dapat diselesaikan dengan regresi adalah pertumbuhan pasar modal. Salah satu indikator pergerakan harga saham di Indonesia adalah Indeks Harga Saham Gabungan (IHSG) yang dipengaruhi berbagai faktor, seperti tingkat inflasi suatu negara dan harga minyak dunia. Pada data IHSG tahun 2007-2015 terdapat masalah heteroskedastisitas yang diakibatkan oleh tingkat inflasi. Tingkat inflasi yang berfluktuasi menyebabkan volatilitas sehingga ragam menjadi tidak tetap. Pada penelitian ini, akibat adanya heteroskedastisitas, analisis yang diterapkan pada kasus IHSG adalah Weighted Least Squares (WLS) dengan lima macam pembobot. Setelah dilakukan pembobotan, ternyata hanya dua pembobot yang dapat mengatasi heteroskedastisitas. Model dengan pembobot X1 (inflasi) merupakan model terbaik karena mempunyai nilai AIC paling kecil. Menurut uji simultan, IHSG dipengaruhi oleh inflasi dan harga minyak mentah dunia, namun menurut uji parsial hanya harga minyak mentah dunia saja yang berpengaruh terhadap IHSG.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2015/337/051509199 |
Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Indah Nurul Afifah |
Date Deposited: | 22 Jan 2016 14:39 |
Last Modified: | 22 Jan 2016 14:39 |
URI: | http://repository.ub.ac.id/id/eprint/154380 |
Actions (login required)
View Item |