Penggunaan metode Heteroscedasticity Consistent Covariance Matrix Estimator (HCCME) untuk mengatasi Heteroskedastisitas pada regresi linier

INDONESIA:

Regresi Linier Berganda merupakan hubungan ketergantungan antara satu atau lebih variabel bebas terhadap variabel terikat. Fungsi regresi memuat parameter-parameter β yang tidak diketahui. Regresi linier berganda yang memiliki unsur heteroskedastisitas memiliki nilai varians error yang berbeda atau tidak identik. Namun sebaliknya jika regresi tersebut memiliki nilai varians yang identik atau sama maka disebut homoskedastisitas. Untuk mendeteksi apakah terdapat heteroskedastisitas dapat menggunakan uji white. HCCME memberikan estimator matriks yang konsisten dan dapat menghasilkan estimator matriks kovariansi dari parameter regresi linier yang mengandung heteroskedastisitas. Dengan mengetahui matriks kovariansi tersebut maka akan lebih mudah untuk mengatasi heteroskedastisitas dengan menggunakan metode Weighted Least Square.

ENGLISH:

Multiple Linear Regression is a dependency relationship between one or more independent variables on the dependent variable. The regression function contains unknown β parameters. Multiple linear regression which has heteroscedasticity element has different or not identical error variance value. In addition, if the regression has an identical or equal variance value, then it is called homoscedasticity. To detect whether there is the heteroskedasticity can use white test. The HCCME provides a consistent matrix estimator and can generate a covariance matrix estimator of linear regression parameters containing heteroskedasticity. By knowing the covariance matrix, it will be easier to overcome heteroskedasticity by using Weighted Least Square method.