• Tidak ada hasil yang ditemukan

Heteroskedastisitas dan Atokorelasi

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2021

Membagikan "Heteroskedastisitas dan Atokorelasi"

Copied!
41
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 41 Halaman )

Teks penuh

(1)

Heteroskedastisitas dan

Atokorelasi

(2)

Heteroskedastisitas

Heteroskedastisitas terjadi ababila variasi u t tidak konstan atau

berubah-ubah secara sistematik seiring dengan berubahnya nilai

variabel independen

(3)

Tiga uji untuk mendeteksi keberadaan Heteroskedastisitas

1.Uji Korelasi Rank Spearman 2.Uji Park

3.Uji White

(4)

Uji Korelasi Rank Spearman

(5)

Tahapan uji korelasi Rank Spearman

1. Regres model lengkap,

𝐺𝐷𝑃 𝑡 = 𝛽 𝑜 + 𝛽 1 𝑀1 𝑡 + 𝛽 2 𝑅 𝑡 + 𝛽 3 𝑃 𝑡 + 𝑢 𝑡 --- dapatkan nilai residualnya (u t ) 2. Absolutkan nilai residualnya

3. Dapatkan nilai korelasi Rank Spearman antara nilai residual absolut dengan dengan setiap

variabel independ.

(6)

Uji Rank Spearman

Langkah formal

1. Formulasi hipotesis

- Ho : variable independen ke i tidak menyebabkan terjadinya masalah heteroskedastisitas

- Ha : variable independen ke i menyebabkan terjadinya masalah heteroskedastisitas 2. Memiliki nilai signifikansi (α)

3. Menentukan kriteria pengujian

- Ho diterima bila –t(α/2, N-2) ≤ t-hitung atau t-hitung ≤ t(α/2, N-2)

- Ho ditolak bila t-hitung atau t-hitung < -t(α/2, N-2) atau t-hitung atau statistik t> t(α/2, N-2)

4. Menghitung t-hitung atau t-statistik

𝑡 𝑖 = 𝑟𝑠 𝑖 𝑁 − 2 𝑁 − 2

5. kesimpulan

(7)

Uji Rank Spearman

Langkah Ringkas

1. Formulasi hipotesis

- Ho : variable independen ke i tidak menyebabkan terjadinya masalah heteroskedastisitas

- Ha : variable independen ke i menyebabkan terjadinya masalah heteroskedastisitas 2. Memiliki nilai signifikansi (α)

3. Menentukan kriteria pengujian

- Ho diterima bila nilai signifikansi dua sisi koefisien korelasi rank spearman > α - Ho ditolak bila nilai signifikansi dua sisi koefisien korelasi rank spearman ≤ α

4. kesimpulan

(8)

Simulasi Uji Rank Spearman

(9)

Hasil regresi

(10)

Uji Rank Spearman

Langkah formal

1. Formulasi hipotesis

- Ho : variable M1 tidak menyebabkan terjadinya masalah heteroskedastisitas - Ha : variable M1 menyebabkan terjadinya masalah heteroskedastisitas

2. Memiliki nilai signifikansi (α)=0,05

3. Menentukan kriteria pengujian, dengan N=40, maka t(α/2, N-2) = t(0,05/2, 40-2)=2,024

- Ho diterima bila - 2,024 ≤ t-hitung atau t-statistik ≤ 2,024

- Ho ditolak bila t-hitung atau t-statistik < - 2,024 atau t-hitung atau statistik t> 2,024

4. Menghitung t-hitung atau t-statistik

𝑡 𝑖 = 𝑟𝑠 𝑖 𝑁 − 2

𝑁 − 2 = 0,137 40 − 2

40 − 2 = 0,8525

5. Kesimpulan

-2,024 ≤ 0,8525 ≤ 2,024, maka Ho diterima

(11)

Uji Rank Spearman

Langkah Ringkas

1. Formulasi hipotesis

- Ho : variable M1 tidak menyebabkan terjadinya masalah heteroskedastisitas

- Ha : variable M1 menyebabkan terjadinya masalah heteroskedastisitas

2. Memiliki nilai signifikansi (α)= 0,05 3. Menentukan kriteria pengujian

- Ho diterima bila nilai signifikansi dua sisi koefisien korelasi rank spearman > 0,05

- Ho ditolak bila nilai signifikansi dua sisi koefisien korelasi rank spearman ≤ 0,05

4. Kesimpulan

0,399> 0,05, Maka Ho diterima

(12)

Uji Park

(13)

Tahapan uji Park

1. Regres model lengkap,

𝐺𝐷𝑃 𝑡 = 𝛽 𝑜 + 𝛽 1 𝑀1 𝑡 + 𝛽 2 𝑅 𝑡 + 𝛽 3 𝑃 𝑡 + 𝑢 𝑡 --- dapatkan nilai residualnya (u t )

2. Dapatkan nilai auxilliary dengan cara meregres ln(u t 2 ) dengan masing-masing ln variabel

independen.

(14)

Uji Park

Langkah formal

1. Formulasi hipotesis

- Ho : variable independen ke i tidak menyebabkan terjadinya masalah heteroskedastisitas

- Ha : variable independen ke i menyebabkan terjadinya masalah heteroskedastisitas 2. Memiliki nilai signifikansi (α)

3. Menentukan kriteria pengujian

- Ho diterima bila –t(α/2, N-2) ≤ t-hitung atau statistik t ≤ t(α/2, N-2)

- Ho ditolak bila t-hitung atau statistik t < -t(α/2, N-2) atau t-hitung atau statistik t>

t(α/2, N-2)

4. Menghitung t-hitung atau statistik t

𝑡 𝑖 = 𝛽 𝑖 𝑠𝑒(𝛽 𝑖 )

5. kesimpulan

(15)

Uji Park

Langkah Ringkas

1. Formulasi hipotesis

- Ho : variable independen ke i tidak menyebabkan terjadinya masalah heteroskedastisitas

- Ha : variable independen ke i menyebabkan terjadinya masalah heteroskedastisitas 2. Memiliki nilai signifikansi (α)

3. Menentukan kriteria pengujian

- Ho diterima bila nilai signifikansi t koefisen regresi variabel independen ke i pada regresi auxilliary > α

- Ho ditolak bila nilai signifikansi t koefisen regresi variabel independen ke i pada regresi auxilliary ≤ α

4. kesimpulan

(16)

Simulasi Uji Park

(17)

Uji Park

Langkah formal

1. Formulasi hipotesis

- Ho : variable M1 tidak menyebabkan terjadinya masalah heteroskedastisitas - Ha : variable M1 menyebabkan terjadinya masalah heteroskedastisitas

2. Memiliki nilai signifikansi (α)=0,05

3. Menentukan kriteria pengujian, dengan N=40, maka t(α/2, N-2) = t(0,05/2, 40-2)=2,024

- Ho diterima bila -2,024 ≤ t-hitung atau statistik t ≤ 2,024

- Ho ditolak bila t-hitung atau statistik t < -2,024 atau t-hitung atau statistik t > 2,024

4. Menghitung t-hitung atau t-statistik

𝑡 𝑖 = 𝛽 𝑖

𝑠𝑒(𝛽 𝑖 ) ... Mengacu pada hasil regresi auxillary pertama, t hitung LnM1 = 0,686

5. Kesimpulan

-2,024 ≤ 0,686 ≤ 2,024, maka Ho diterima

(18)

Uji Park

Langkah Ringkas

1. Formulasi hipotesis

- Ho : variable M1 tidak menyebabkan terjadinya masalah heteroskedastisitas - Ha : variable M1 menyebabkan terjadinya masalah heteroskedastisitas

2. Memiliki nilai signifikansi (α)=0,05 3. Menentukan kriteria pengujian

- Ho diterima bila nilai signifikansi t koefisen regresi variabel M1 pada regresi auxilliary >

0,05

- Ho ditolak bila nilai signifikansi t koefisen regresi variabel M1 pada regresi auxilliary ≤ 0,05

4. Kesimpulan

0,497 > 0,05, Maka Ho diterima

(19)

Uji White

(20)

Tahapan Uji White

Uji white tidak seperti uji korelasi rank spearman dan uji park, uji White menguji keberadaan heteroskedastisitas tidak per variabel independen tetapi secara serentak, Tahapannya

1. Regres model lengkap,

𝐺𝐷𝑃 𝑡 = 𝛽 𝑜 + 𝛽 1 𝑀1 𝑡 + 𝛽 2 𝑅 𝑡 + 𝛽 3 𝑃 𝑡 + 𝑢 𝑡 --- dapatkan nilai residualnya (u t ) 2. Regres regresi auxilliary sbb

𝑢 𝑡 2 = 𝛼 1 + 𝛼 2 𝑀1 𝑡 + 𝛼 3 𝑅 𝑡 + 𝛼 4 𝑃 𝑡 + 𝛼 5 𝑀1 𝑡 2 + 𝛼 6 𝑅 𝑡 2 + 𝛼 7 𝑃 𝑡 2 +

𝛼 8 𝑀1 𝑡 𝑅 𝑡 +𝛼 9 𝑀1 𝑡 𝑃 𝑡 +𝛼 10 𝑅 𝑡 𝑃 𝑡 + 𝑢 𝑡

(21)

Uji White

Langkah formal

1. Formulasi hipotesis

- Ho : tidak terdapat masalah heteroskedastisitas dalam model - Ha : terdapat masalah heteroskedastisitas dalam model

2. Memiliki nilai signifikansi (α) 3. Menentukan kriteria pengujian

- Ho diterima bila  2 hitung atau statistik  2 ≤  2 (α, df) - Ho ditolak bila  2 hitung atau statistik  2 >  2 (α, df) 4. Menghitung  2 hitung atau statistik  2

2 = N. R 2

5. kesimpulan

(22)

Uji White

Langkah Ringkas

1. Formulasi hipotesis

- Ho : tidak terdapat masalah heteroskedastisitas dalam model - Ha : terdapat masalah heteroskedastisitas dalam model

2. Memiliki nilai signifikansi (α) 3. Menentukan kriteria pengujian

- Ho diterima bila signifikansi  2 hitung atau statistik  2 > α - Ho ditolak bila signifikansi  2 hitung atau statistik  2 ≤ α 4. Menghitung signifikansi  2 hitung atau statistik  2

Sig.(statistik  2 )= 1-CDF.CHISQ ( statistik  2 , df)

5. kesimpulan

(23)

Simulasi Uji White

(24)

Uji White

Langkah formal

1. Formulasi hipotesis

- Ho : tidak terdapat masalah heteroskedastisitas dalam model - Ha : terdapat masalah heteroskedastisitas dalam model

2. Memiliki nilai signifikansi (α)=0,05

3. Menentukan kriteria pengujian, dengan df=9 maka  2 (α, df) = 2 (0,05, 9)=16,919 - Ho diterima bila  2 hitung atau statistik  2 ≤ 16,919

- Ho ditolak bila  2 hitung atau statistik  2 > 16,919 4. Menghitung  2 hitung atau statistik  2

2 = N. R 2 =40. 0,541=21,64

5. Kesimpulan

21,64>16,919, maka Ho ditolak

(25)

Uji White

Langkah Ringkas

1. Formulasi hipotesis

- Ho : tidak terdapat masalah heteroskedastisitas dalam model - Ha : terdapat masalah heteroskedastisitas dalam model

2. Memiliki nilai signifikansi (α)=0,05 3. Menentukan kriteria pengujian

- Ho diterima bila signifikansi  2 hitung atau statistik  2 > 0,05 - Ho ditolak bila signifikansi  2 hitung atau statistik  2 ≤ 0,05 4. Menghitung signifikansi  2 hitung atau statistik  2

Sig.(statistik  2 )= 1-CDF.CHISQ ( statistik  2 , df) = 1-CDF.CHISQ ( 21,640, 9)=0,0101 5. Kesimpulan

0,0101 < 0,05 Maka Ho ditolak

(26)

Otokorelasi

Terjadi apabila nilai variabel masa lalu memiliki pengaruh terhadap nilai variabel

masa kini, atau masa datang.

(27)

Dua uji untuk mendeteksi keberadaan Otokorelasi

1.Uji Durbin Watson

2.Uji Breusch-Godfrey

(28)

Uji Durbin Watson

(29)

Tahapan uji Durbin Watson

1. Regres model lengkap,

𝐺𝐷𝑃 𝑡 = 𝛽 𝑜 + 𝛽 1 𝑀1 𝑡 + 𝛽 2 𝑅 𝑡 + 𝛽 3 𝑃 𝑡 + 𝑢 𝑡

--- dapatkan nilai residualnya (u t )

(30)

Uji Durbin Watson

Langkah formal

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α) 3. Menentukan kriteria pengujian

- Tolak Ho dengan kesimpulan terdapat otokorelasi Positif dalam model bila d< D

L

- Tolak Ho dengan kesimpulan terdapat otokorelasi Negatif dalam model bila d> 4-D

L

- Terima Ho bila D

U

< d < 4-D

U

- Tidak menghasilkan kesimpulan bila D

L

≤ d ≤ D

U

atau 4-D

U

≤ d ≤ 4-D

L

4. Menghitung d (durbin watson)

𝑑 = σ 𝑡=2 𝑛 ( ො 𝑢 𝑡 − ො 𝑢 𝑡−1 ) 2 σ 𝑡=2 𝑛 𝑢 ො 𝑡 2

5. kesimpulan

(31)

Simulasi Uji Durbin Watson

(32)

Uji Durbin Watson

Langkah formal

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α)=0,05,

3. Menentukan kriteria pengujian, dengan α=0,05, k=3, dan N =40 maka D L =1,338 dan D U =1,659; 4-D L =2,662 dan 4-D U =2,341

- Tolak Ho dengan kesimpulan terdapat otokorelasi Positif dalam model bila d< 1,338 - Tolak Ho dengan kesimpulan terdapat otokorelasi Negatif dalam model bila d> 2,662 - Terima Ho bila 1,659 < d < 4-2,341

- Tidak menghasilkan kesimpulan bila 1,338 ≤ d ≤ 1,659 atau 2,341 ≤ d ≤ 2,662

4. Menghitung d (durbin-watson)

𝑑 = σ 𝑡=2 𝑛 (ෝ 𝑢 𝑡 −ෝ 𝑢 𝑡−1 ) 2

σ 𝑡=2 𝑛 𝑢 ෝ 𝑡 2 , dari hasil regres d=0,389 5. Kesimpulan

0,389 <1,338 Maka Ho ditolak

(33)

Uji Breusch-Godfrey

(34)

Tahapan uji Breusch-Godfrey

1. Regres model lengkap,

𝐺𝐷𝑃 𝑡 = 𝛽 𝑜 + 𝛽 1 𝑀1 𝑡 + 𝛽 2 𝑅 𝑡 + 𝛽 3 𝑃 𝑡 + 𝑢 𝑡 --- dapatkan nilai residualnya (u t )

2. Regres regresi auxillary dengan dependen u t , terhadap

seluruh variabel independen dalam model lengkap, ditambah dengan faktor kelambanan residual u t-1 , u t-2 , ... u t-p ,

𝑢 𝑡 = 𝛼 1 + 𝛼 2 𝑀1 𝑡 + 𝛼 3 𝑅 𝑡 + 𝛼 4 𝑃 𝑡 + 𝛼 5 𝑢 𝑡−1 +𝛼 6 𝑢 𝑡−2 … . . + 𝛼 𝑗 𝑢 𝑡−𝑝 +

𝑣 𝑡

(35)

Uji Breusch-Godfrey

Langkah formal

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α) 3. Menentukan kriteria pengujian

- Ho diterima bila  2 hitung atau statistik  2 ≤  2 (α, p) - Ho ditolak bila  2 hitung atau statistik  2 >  2 (α, p) 4. Menghitung bila  2 hitung atau statistik  2

2 = (N-p). R 2

5. kesimpulan

(36)

Uji Breusch-Godfrey

Langkah ringkas

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α) 3. Menentukan kriteria pengujian

- Ho diterima bila signifikansi  2 hitung atau statistik  2 > α - Ho ditolak bila signifikansi  2 hitung atau statistik  2 ≤ α 4. Menghitung signifikansi  2 hitung atau statistik  2

Sig.(statistik  2 )= 1-CDF.CHISQ ( statistik  2 , p)

5. kesimpulan

(37)

Simulasi Uji Breusch-Godfrey

(38)

Uji Breusch-Godfrey

Langkah formal

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α)=0,05

3. Menentukan kriteria pengujian, dengan α=0,05 dan p=3, maka  2 = 7,815 - Ho diterima bila  2 hitung atau statistik  2 ≤ 7,815

- Ho ditolak bila  2 hitung atau statistik  2 > 7,815 4. Menghitung bila  2 hitung atau statistik  2

2 = (N-p). R 2 = (40-3).0,668=24,716

5. Kesimpulan

24,716 > 7,815 Maka Ho ditolak

(39)

Uji Breusch-Godfrey

Langkah ringkas

1. Formulasi hipotesis

- Ho : Tidak terdapat masalah otokorelasi dalam model - Ha : Terdapat masalah otokorelasi dalam model

2. Memiliki nilai signifikansi (α)=0,05 3. Menentukan kriteria pengujian

- Ho diterima bila signifikansi  2 hitung atau statistik  2 > 0,05 - Ho ditolak bila signifikansi  2 hitung atau statistik  2 ≤ 0,05 4. Menghitung signifikansi  2 hitung atau statistik  2

Sig.(statistik  2 ) = 1-CDF.CHISQ ( statistik  2 , p)=0,00002 5. Kesimpulan

0,00002<0,05, Maka Ho ditolak

(40)

Simulasi Regresi Model lengkap

(41)

Terima Kasih

Referensi

Unduh sekarang ( PDF - 41 Halaman - 530.65 KB )

Dokumen terkait

Konsep Gaya Interior Bangunan

selalu mengikuti perkembangan jaman yang berkaitan dengan gaya hidup modern.. yang sedang berkembang

LUARAN PENELITIAN UNIVERSITAS SEBELAS MARET 13 APRIL OLEH: DRAJAT TRI KARTONO UNS SOLO

• minimal 1 artikel di jurnal internasional yang terindeks pada database bereputasi; atau • minimal 1 buku hasil penelitian ber ISBN; atau • minimal 3 artikel di prosiding

d. Hasil Uji Heteroskedastisitas b. Hasil Uji Koefisien Determinasi BAB I PENDAHULUAN

Penelitian lain oleh Ardyansah (2014) menyatakan bahwa peningkatan hutang diikuti oleh peningkatan biaya pajak. Perusahaan menggunakan hutang yang diperoleh untuk

GLOSARIUM Absolut Ahad Aliyah Asy ariyah Ayat Aqli Bayan Dar Tawhid Dar Kafir Demokrasi Dalil Deduktif Demokrasi Dilalah Din Doktrin

Mujtahid : Orang yang melakukan ijtihad, atau mencurahkan segala kemampuan untuk menentukan suatu hukum yang tidak disebutkan secara eksplisit (tersurat) dalam Alquran

Manajemen Pelayanan Di Ruang Hemodialisis. Martha Magdalena, SKep Ns Divisi Ginjal Hipertensi RSUPN Dr. Cipto Mangunkusumo Jakarta

Setiap dialiser harus diberi label dengan jelas dan diidentifikasi untuk digunakan kembali oleh pasien yang sama. Dialiser

PROGRAM SARJANA. Program Studi Sistem Informasi

Program studi sistem informasi dirancang untuk menghasilkan lu- lusan Sarjana Ilmu Komputer yang profesional dan mampu merancang solusi Sistem Informasi/Teknologi Informasi

Oleh ; Program Studi Teknologi Akuakultur, Jurusan Teknologi Pengelolaan Sumberdaya Perairan, Sekolah Tinggi Perikanan, Dibawah Bimbingan :

Alat yang diperlukan sebagai sarana dan prasarana untuk penunjang pelaksanaan pembesaran ikan kerapu Cantang di lokasi budidaya terutama diperairan terbuka yang

KATA PENGANTAR. dr. Untung Suseno Sutarjo, M.Kes.

Untuk itu dalam rangka memudahkan penyusunan RAD tersebut, Biro Perencanaan dan Anggaran Kementerian Kesehatan RI menganggap perlu untuk menerbitkan buku saku MDG’s, yang berisi