Uji Asumsi Klasik dan Model Regresi yang baik

Tujuan:

Untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independent.

Mendeteksi ada tidaknya Multikolinearitas

1.Nilai R2 yang dihasilkan sangat tinggi (lebih dari 95%),dan secara  individu variabel variabel independen banyak yang tidak

signifikan memengaruhi variabel dependen.

2. Jika antar variabel independen  mempunyai korelasi yang sangat kuat.

3. Tolerance and variance inflation factor (VIF)

   Tolerance untuk mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.

VIF =1/Tolerance.Jika nilai Tolerance <0,1 atau VIF >10 maka di simpulkan adanya multikolonieritas

4

Y = keperluan konsumsi X

_{1 =}

harga

X

_{2 =}

pendapatan

X

₁

2 3 5 4 6 2 3 4 5 6 X

₂

3 4 6 5 7 6 4 5 4 3 Y 5 8 8 9 9 13 6 9 4 3

Buatlah uji multikolinieritas dari di atas

Contoh:

Output SPSS Output SPSS

Coefficients^a

2.553 1.626 1.570 .160

-1.092 .271 -.552 -4.029 .005 .950 1.052

1.961 .302 .889 6.490 .000 .950 1.052

(Constant) harga pendapatan Model

1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig. Tolerance VIF

Collinearity Statistics

Dependent Variable: keperluan konsumsi a.

maka di simpulkan tidak ada multikolonieritas antar variabel independent.

VIF <10 Tolerance >0,1

Coefficient Correlations^a

1.000 -.223

-.223 1.000

.091 -.018

-.018 .073

pendapatan harga

pendapatan harga

Correlations Covariances Model

1

pendapatan harga

Dependent Variable: keperluan konsumsi a.

Tujuan:

menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1).

Mendeteksi ada tidaknya AUTOKORELASI

1.

Uji Durbin Watson (DW test),

2.

Uji Langrage Multiplier (LM test), > 100 observasi

3.

Uji statistik Q

4.

Run Test.

7

Y = keperluan konsumsi

X

_{1 =}

harga

X

_{2 =}

pendapatan

Buatlah uji Autokorelasi dari di atas

Dari contoh sebelumnya di dapat

X1 X2 Y

2 3 5

3 4 8

5 6 8

4 5 9

6 7 9

2 6 13

3 4 6

4 5 9

5 4 4

6 3 3

. 9608 ,

1 0921

, 1 5529 ,

2

_{1 2}

^

X X

Y   

Y^ Y^{^}

Mendeteksi ada tidaknya Multikolinearitas

Uji Durbin Watson (DW test),

Model Summary^b

.936^a .875 .840 1.18179 3.386

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson

Predictors: (Constant), pendapatan, harga a.

Dependent Variable: keperluan konsumsi b.

Syarat:

“Adanya intercept dalam model regresi.”

Outpu SPSS:

Rumus:

Hipotesis Ho Keputusan Jika Tidak ada autokorelasi

positif Tolak 0< d <dl

Tidak ada autokorelasi positif

No decision*

dl≤ d ≤ du

Tidak ada autokorelasi

negatif Tolak 4-dl< d <4

Tidak ada autokorelasi

negatif No

decision* 4-du ≤d ≤ 4-dl Tidak ada autokorelasi,

positif atau negatif Terima du< d <4-du

Pengambilan keputusan ada atau tidaknya autokorelasi:

* Diperlukan observasi lebih lanjut agar ada keputusan.

Model Summary^b

.936^a .875 .840 1.18179 3.386

Model 1

R R Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson

Predictors: (Constant), pendapatan, harga a.

Dependent Variable: keperluan konsumsi b.

d= 3.386 dl = 0,697 du = 1,604

Keputusan:

Karna 4-dl< d <4, maka di simpulkan bahwa Ho yang mengatakan bahwa tidak ada

autokorelasi negatif ditolak.

“Terdapat autokorelasi negatif”

Tujuan:

menguji apakah dalam model regresi terjadi

ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.

Mendeteksi ada tidaknya HETEROSKEDASITAS

1.

Scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID),

2.

Uji Gletjer,

3.

Uji Park

4.

Uji White.

Mendeteksi ada tidaknya HETEROSKEDASTISITAS 1. Scatter plot

Dasar Analisis:

1.Jika ada pola tertentu,seperti titik-titik yang ada membentuk pola tertentu yang teratur

(bergelombang,melebar kemudian menyempit) maka di indikasi terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas,serta titik-titik

menyeber di atas dan di bawah angka 0 pada

sumbu Y,maka tidak terjadi heteroskedastisitas.

Langkah-langkah analisis dengan spss

1.Buka file

2.Tekan tombol Plot

3.Masukkan variabel SRESID pada kotak pilihan Y

4.Masukkan variabel ZPRED pada kotak pilihan X

5.Tekan continue

6.Ok

14

Y = keperluan konsumsi

X

_{1 =}

harga

X

_{2 =}

pendapatan

Buatlah uji heteroskedastisitas dari di atas

Dari contoh sebelumnya di dapat

X1 X2 Y

2 3 5

3 4 8

5 6 8

4 5 9

6 7 9

2 6 13

3 4 6

4 5 9

5 4 4

6 3 3

. 9608 ,

1 0921

, 1 5529 ,

2

_{1 2}

^

X X

Y   

di indikasikan terjadi Heteroskedastisitas, karena titik-titik yang ada membentuk pola tertentu.

Langkah-langkah analisis dengan spss

1.Buka file

2.Buat variabel residual (Ut) dengan cara memilih tombol save dan aktifkan

Unstandardized residual.

3.Absolutkan nilai residual (AbsUt) pada menu transform.

4.Regresikan variabel AbsUt sebagai

var.dependent dan variabel harga dan pendapatan sebagai variabel

independent.

2. Uji Gletjer

Persamaan menjadi:

AbsUt=a+b1 harga+b2 pendapatan

Coefficients^a

1.489 .127 11.762 .000

-.019 .021 -.185 -.917 .389

-.092 .024 -.793 -3.928 .006

(Constant) harga

pendapatan Model

1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: absUt a.

Coefficients^a

1.489 .127 11.762 .000

-.019 .021 -.185 -.917 .389

-.092 .024 -.793 -3.928 .006

(Constant) harga

pendapatan Model

1

B Std. Error Unstandardized

Coefficients

Beta Standardized

Coefficients

t Sig.

Dependent Variable: absUt a.

OUTPUT SPSS

ANALISIS

Jika variabel independent signifikan mempengaruhi variabel dependent,maka di indikasikan terjadi Heteroskedastisitas.

Dari output terdapat variabel pendapatan mempengaruhi variabel

Dependent, maka di simpulkan model regresi terjadi Heteroskedastisitas.

Tujuan:

mengetahui apakah variabel pengganggu atau residual memiliki distribusi normal. .

Mendeteksi ada tidaknya NORMALITAS

1. Analisis grafik (normal P-P plot)

2. Analisis statistik (analisis Z skor

skewness dan kurtosis) one sample Kolmogorov-Smirnov Test.

Hipotesis:

H0: data residual berdistribusi normal

H1: Data residual tidak berdistribusi normal. .

1. Analisis Grafik

1.Buka file

2.Tekan tombol Plot

3.Aktifkan standardized residual plot

pada Histogram dan Normal Probability Plot.

4.Tekan tombol Continue dan abaikan

lainnya,lalu tekan Ok.

20

Y = keperluan konsumsi

X

_{1 =}

harga

X

_{2 =}

pendapatan

Buatlah uji normalitas dari data di atas.

Dari contoh sebelumnya di dapat

X1 X2 Y

2 3 5

3 4 8

5 6 8

4 5 9

6 7 9

2 6 13

3 4 6

4 5 9

5 4 4

6 3 3

. 9608 ,

1 0921

, 1 5529 ,

2

_{1 2}

^

X X

Y   

Analisis.

Model Regresi memenuhi asumsi normalitas,karna:

1.Grafik Histogram memberikan pola distribusi normal.

2. Grafik normal plot terlihat data menyebar di sekitar garis diagonal dan tidak menjauh dari garis diagonal.

2. Analisis Statistik

1.Buka file

2.Pilih menu Analyze

3.Pilih Non-parametric test

4.Pilihsub menu 1-sample k-S

5.Pada kotak test variabel list,isikan unstandardized

residual(RES_1),caranya lht pada Uji Gletjer.

6.Aktifkan test distribution pada kotak

Normal.

Output SPSS Output SPSS

ANALISIS

Karena Sig >0.05,maka H0 diterima,maka disimpulkan data residual berdistribusi Normal.

Tujuan:

Uji ini digunakan untuk melihat apakah spesifikasi model

yang digunakan yaitu studi empiris linier, kuadrat, atau kubik.

Cara analisis sama dengan materi regresi.

Yaitu dengan uji F.

Cara lain Mendeteksi Terjadinya linearitas

1.

Uji Durbin Watson,

2.

Uji Ramsey

3.

Uji Langrange Multiplier.