Novian Bayu Hartono , 4111412055 (2016) ANALISIS OUTLIER DAN HETEROSKEDASTISITAS DENGAN MENGGUNAKAN REGRESI ROBUST WEIGHT LEAST SQUARE. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (1MB) | Preview

Abstract

Regresi merupakan salah satu teknik statistika yang paling banyak digunakan dalam penelitian kuantitatif. Banyak pula studi kasus yang dapat dianalisis dalam pengembangan regresi. Tujuan dari penelitian ini adalah mengkaji data yang memiliki masalah outlier atau pencilan dan heteroskedastisitas. Metode yang digunakan dalam penelitian ini adalah metode Robust Weighted Least Square. Penelitian ini menggunakan data yang bersumber dari Indonesia Capital Market Directory (ICMD) Bank MEGA periode Januari 2012 sampai dengan Juli 2014, dengan menggunakan variabel stock price close , frequaency dan market capitalization . Hasil estimasi parameter dengan menggunakan metode regresi berganda diperoleh persamaan awal data 1,381E+7 – 370,937 +11098,157 . Hasil pengujian asumsi klasik pada model tersebut dapat diketahui bahwa data berdistribusi normal, terdapat hubungan linier antar variabel bebas dengan tak bebas, koefisien regresi signifikan pada , tidak terjadi multikolinearitas dan autokorelasi serta terdapat heteroskedastisitas dan outlier pada data. Analisis metode Robust (Least Trimmed Square) Weighted Square menggunakan variabel dan sebagai variabel yang digunakan untuk menjalankan metode ini dikarenakan berdasarkan hasil analisis asumsi awal masalah outlier dan heteroskedastisitas berada pada kedua variabel tersebut. Dari hasil analisis dengan metode RWLS diperoleh persamaan regresi 1,426E+12 – 6,241E+9 , dengan sebesar 0,926 dan sebesar 0,858. Hasil pengujian asumsi klasik pada model tersebut dapat diketahui bahwa data berdistribusi normal, terdapat hubungan linier antar variabel bebas dengan tak bebas, tidak terjadi heteroskedastisitas dan masalah outlier telah hilang. Berdasarkan hasil penelitian dapat disimpulkan bahwa metode Robust Weighted Least Square merupakan metode yang dapat digunakan untuk mengatasi masalah outlier dan heteroskedastisitas pada suatu data.

Actions (login required)

View Item