Implementasi Metode Regresi Linear Berganda untuk Mengatasi Pelanggaran Asumsi Klasik

https://doi.org/10.35912/sakman.v3i2.2743
Published: Jan 15, 2024

Abstract:

Purpose: This study investigates the impact of economic events, such as recessions, on the classical assumptions that form the basis of economic theory. Exploring the applicability of classical economic theory assumptions by considering real-world deviations during economic events.

Methodology/approach: The Research Methodology utilizes successful journal and interval review methods to examine economic events and their impact on classical economic theory. Apply the multiple linear regression test to predict the value of the dependent variable using known independent variables. The confidence interval method was employed to estimate the precision of the statistical parameters.

Results/findings: Results and present findings on the deviation from classical assumptions during economic events. This study provides insights into the predictive power of multiple linear regressions in the context of economic instability. Share the estimated values and precision of the statistical parameters using the confidence interval method.

Limitations: We acknowledge the limitations related to the generalization of the findings during economic events. Recognize the inherent challenges of applying classical economic assumptions to real-world scenarios.

Contribution: Contributes to the development of economic theory by highlighting discrepancies between classical assumptions and the complexities of economic events.

Keywords:
1. Statistic
2. Economic
3. Methods
Authors:
1 . Mei Dian Irrawati
2 . Maya Mukaramah
View PDF
How to Cite
Irrawati, M. D., & Mukaramah, M. . (2024). Implementasi Metode Regresi Linear Berganda untuk Mengatasi Pelanggaran Asumsi Klasik . Studi Akuntansi, Keuangan, Dan Manajemen, 3(2), 83–94. https://doi.org/10.35912/sakman.v3i2.2743
Download Citation
  1. Endnote/Zotero/Mendeley (RIS)
  2. BibTeX

Downloads

Download data is not yet available.
Issue & Section
Vol. 3 No. 2 (2024): Januari
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

References

    Arda, M. (2017). Pengaruh Kepuasan Kerja Dan Disiplin Kerja Terhadap Kinerja Karyawan Pada Bank Rakyat Indonesia Cabang Putri Hijau Medan. Jurnal Ilmiah Manajemen Dan Bisnis, 18(1), 45–60. https://doi.org/10.30596/jimb.v18i1.1097

    Azizah, I. N., Arum, P. R., & Wasono, R. (2021). Model Terbaik Uji Multikolinearitas untuk Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Kabupaten Blora Tahun 2020. Prosiding Seminar Nasional UNIMUS, 4, 63.

    Basuki, A. T. (2014). Uji autokorelasi dan Perbaikan autokorelasi. Analisis Regresi Dalam Pendekatan Ekonomi Dan Bisnis: Dilengkapi Aplikasi SPSS & Eviews, 1–16.

    Ii, B. A. B., & Pustaka, T. (1997). 1108405018-3-Bab Ii. 1.

    MARDIATMOKO, G.-. (2020). Pentingnya Uji Asumsi Klasik Pada Analisis Regresi Linier Berganda. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(3), 333–342. https://doi.org/10.30598/barekengvol14iss3pp333-342

    Ningsih, S., & Dukalang, H. H. (2019). Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda. Jambura Journal of Mathematics, 1(1), 43–53. https://doi.org/10.34312/jjom.v1i1.1742

    Novia, A. D. (2016). Analisis Perbandingan Uji Autokorelasi Durbin- Watson dan Breusch - Godfrey. Universitas Islam Negeri Maulana Malik Ibrahim, 81.

    Nurfitri Imro’ah, A. A. N. N. D. (2020). Metode Cochrane-Orcutt Untuk Mengatasi Autokorelasi Pada Estimasi Parameter Ordinary Least Squares. Bimaster?: Buletin Ilmiah Matematika, Statistika Dan Terapannya, 9(1), 95–102. https://doi.org/10.26418/bbimst.v9i1.38590

    Subardi, L. (2018). Pengaruh Promosi Dan Kepercayaan Nasabah Terhadap Keputusan Penggunaan Layanan Digital Di Bank Sumsel Babel Cabang Prabumulih. Jurnal Ecoment Global, 3(2), 40–51. https://doi.org/10.35908/jeg.v3i2.475

    Sudariana, N., & Yoedani, M. M. (2022). Analisis Statistik Regresi Linier Berganda. Seniman Transaction, 2(2).

    Wasilaine, T. L., Talakua, M. W., & Lesnussa, Y. A. (2014). Model Regresi Ridge Untuk Mengatasi Model Regresi Linier Berganda Yang Mengandung Multikolinieritas. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 8(1), 31–37. https://doi.org/10.30598/barekengvol8iss1pp31-37

    Yuliara, I. M. (2016). Modul Regresi Linier Berganda. Universitas Udayana, 2(2), 18.

  1. Arda, M. (2017). Pengaruh Kepuasan Kerja Dan Disiplin Kerja Terhadap Kinerja Karyawan Pada Bank Rakyat Indonesia Cabang Putri Hijau Medan. Jurnal Ilmiah Manajemen Dan Bisnis, 18(1), 45–60. https://doi.org/10.30596/jimb.v18i1.1097
  2. Azizah, I. N., Arum, P. R., & Wasono, R. (2021). Model Terbaik Uji Multikolinearitas untuk Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Kabupaten Blora Tahun 2020. Prosiding Seminar Nasional UNIMUS, 4, 63.
  3. Basuki, A. T. (2014). Uji autokorelasi dan Perbaikan autokorelasi. Analisis Regresi Dalam Pendekatan Ekonomi Dan Bisnis: Dilengkapi Aplikasi SPSS & Eviews, 1–16.
  4. Ii, B. A. B., & Pustaka, T. (1997). 1108405018-3-Bab Ii. 1.
  5. MARDIATMOKO, G.-. (2020). Pentingnya Uji Asumsi Klasik Pada Analisis Regresi Linier Berganda. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(3), 333–342. https://doi.org/10.30598/barekengvol14iss3pp333-342
  6. Ningsih, S., & Dukalang, H. H. (2019). Penerapan Metode Suksesif Interval pada Analsis Regresi Linier Berganda. Jambura Journal of Mathematics, 1(1), 43–53. https://doi.org/10.34312/jjom.v1i1.1742
  7. Novia, A. D. (2016). Analisis Perbandingan Uji Autokorelasi Durbin- Watson dan Breusch - Godfrey. Universitas Islam Negeri Maulana Malik Ibrahim, 81.
  8. Nurfitri Imro’ah, A. A. N. N. D. (2020). Metode Cochrane-Orcutt Untuk Mengatasi Autokorelasi Pada Estimasi Parameter Ordinary Least Squares. Bimaster?: Buletin Ilmiah Matematika, Statistika Dan Terapannya, 9(1), 95–102. https://doi.org/10.26418/bbimst.v9i1.38590
  9. Subardi, L. (2018). Pengaruh Promosi Dan Kepercayaan Nasabah Terhadap Keputusan Penggunaan Layanan Digital Di Bank Sumsel Babel Cabang Prabumulih. Jurnal Ecoment Global, 3(2), 40–51. https://doi.org/10.35908/jeg.v3i2.475
  10. Sudariana, N., & Yoedani, M. M. (2022). Analisis Statistik Regresi Linier Berganda. Seniman Transaction, 2(2).
  11. Wasilaine, T. L., Talakua, M. W., & Lesnussa, Y. A. (2014). Model Regresi Ridge Untuk Mengatasi Model Regresi Linier Berganda Yang Mengandung Multikolinieritas. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 8(1), 31–37. https://doi.org/10.30598/barekengvol8iss1pp31-37
  12. Yuliara, I. M. (2016). Modul Regresi Linier Berganda. Universitas Udayana, 2(2), 18.