Sesi 12
UJI ASUMSI KLASIK DALAM ANALISIS
REGRESI LINEAR BERGANDA
D r. D r s . M a r j u k i , M . P d .
FR
PENGERTIAN UJI ASUMSI KLASIK
• Uji asumsi klasik merupakan uji persyaratan statistika yang harus dilakukan pada analisis regresi linier berganda yang berbasis Ordinary Lest Square (OLS), yaitu hanya terdapat satu variabel dependen dengan variabel independen lebih dari satu.
• Jenis uji asumsi klasik:
- Uji Normalitas - Uji Linearitas
- Uji Multikolinearitas
- Uji Heteroskedastisitas - Uji Autokorelasi
APT6344 STATISTIKA INFERENSIAL
D4 Administrasi Perkantoran FV UNY 2
FR
UJI NORMALITAS
• Uji normalitas bertujuan untuk mengetahui apakah data residual terstandarisasi berdistribusi normal atau tidak. Data residual adalah selisih antara data hasil observasi dengan data prediksi. Data yang berdistribusi tidak normal disebabkan karena terdapat data yang nilainya ektrim.
• Secara sederhana, apakah data berdistribusi normal atau tidak dapat dilihat dari grafik histogram yaitu membandingkan data observasi yang mendekati distribusi normal. Setelah itu melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Data yang berdistribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
• Model regresi yang baik adalah model regresi yang berdistribusi normal.
• Uji normalitas dapat dilakukan melalui Uji Kolmogornov Smirnov, Uji Liliefors, dan Uji Chi Square (Chi Kuadrat).
FR
Add a footer 4
UJI NORMALITAS DENGAN SPSS
• Analyze → Regression → Linear ...
• Masukan variabel Y pada kotak Dependent dan X pada kotak Independent
• Save … pada kotak Residual: Klik Standardized → Continue
• Abaikan default lain yang ada → Klik OK
Uji Kolmogornov Smirnov
• Analyze → Non Parametrics Test → 1 Sample K-S...
• Masukan variabel Standardized Residual pada kotak Test Variable List
• Abaikan default lain yang ada → Klik OK
FR
UJI LINEARITAS
• Uji linearitas dilakukan untuk mengetahui apakah model regresi linier atau tidak.
• Berdasarkan grafik, model dikatakan linier jika plot antara data residual terstandarisasi dengan data prediksi terstandarisasi
membentuk pola linear.
• Model regresi yang baik adalah model regresi yang membentuk pola linear.
• Uji linearitas dapat dilakukan melalui Linearity Test, Ramsey Test,
Uji Mac Kinnon White Davidson (MWD), dan Uji Lagrange
Multiplier.
FR
6
UJI LINEARITAS DENGAN SPSS
• Analyze → Regression → Linear ...
• Masukan variabel Y pada kotak Dependent dan X pada kotak Independent
• Plots … pada Y → diisi: ZRESID
pada X → diisi: ZPRED → Klik Continue.
• Abaikan default lain yang ada → Klik OK
APT6344 STATISTIKA INFERENSIAL D4 Administrasi Perkantoran FV UNY
FR
UJI MULTIKOLINEARITAS
• Uji multikolinearitas bertujuan untuk mengetahui apakah terjadi korelasi (hubungan) yang kuat atau sangat kuat antar variabel bebas (independent).
• Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linier yang pasti dan istilah kolinearitas berkenaan dengan terdapatnya satu hubungan linier.
• Model regresi yang baik adalah model regresi yang tidak terjadi multikolinearitas.
• Adanya multikolinearitas dapat dilihat dari:
- Koefesien korelasi antar variabel bebas.
Jika koefesien korelasi antar variabel bebas ≥ 0,7 maka terjadi multikolinieritas.
- Nilai VIF (Varian Infloating Factor)
Jika nilai VIF > 10 maka terjadi multikolinieritas.
FR
APT6344 STATISTIKA INFERENSIAL
D4 Administrasi Perkantoran FV UNY 8
UJI MULTIKOLINEARITAS DENGAN SPSS
• Analyze → Regression → Linear ...
• Masukan variabel Y pada kotak Dependent dan X pada kotak Independent
• Statistics … Klik Colinier Diagnosis → Continue
• Abaikan default lain yang ada → Klik OK
FR
UJI HETEROSKEDASTISITAS
• Uji heteroskedastisitas bertujuan untuk mengetahui adanya varians dalam model regresi tidak sama atau tidak konstan atau apakah dalam model regresi terjadi ketidaksamaan varians dari data residual hasil observasi satu dengan observasi yang lain.
• Penyebab heteroskedastisitas adalah variabel yang digunakan untuk memprediksi memiliki nilai yang sangat beragam, sehingga menghasilkan nilai residual yang tidak konstan.
• Model regresi yang baik adalah model regresi yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
• Uji heteroskedastisitas dapat dilakukan melalui:
- Uji Park (meregresikan variabel bebas terhadap nilai log-linier kuadrat)
- Uji Glejser (meregresikan variabel bebas terhadap nilai residual mutlaknya) - Uji Korelasi Rank Spearman (mengkorelasikan variabel bebas dengan
nilai residual)
FR
APT6344 STATISTIKA INFERENSIAL
D4 Administrasi Perkantoran FV UNY 10
UJI HETEROSKEDASTISITAS DENGAN SPSS
Memunculkan Nilai Residual
• Analyze → Regression → Linear...
• Masukan variabel Y pada kotak Dependent dan X pada kotak Independent
• Save … ppada kotak Residual: Klik Unstandardized → Continue
• Abaikan default lain yang ada → Klik OK Mutlakan Nilai Residualnya
• Tranform → Compute
• Pada Target Variabel diisi dengan ABRES
• Pada Numeric Expresion diisi dengan ABS
• Abaikan default lain yang ada → Klik OK
Meregresikan variabel bebas terhadap Nilai Mutlak Residual
• Analyze → Regression → Linear...
• Masukan variabel ABRES pada kotak Dependent variabel X pada kotak Independent
• Abaikan default lain yang ada → Klik OK
FR
UJI AUTOKORELASI (DATA SERIES)
• Uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi antara serangkaian data observasi menurut waktu (time series) dengan data ruang (cross section).
• Model regresi yang baik adalah model regresi yang tidak terjadi autokorelasi.
• Uji autokorelasi dapat dilakukan melalui:
- Uji Durbin Watson
- Uji Lagrange Multiplier
- Uji Breusch-Godfrey
FR
APT6344 STATISTIKA INFERENSIAL
D4 Administrasi Perkantoran FV UNY 12
UJI AUTOKORELASI DENGAN SPSS
• Analyze → Regression → Linear...
• Masukan variabel Y pada kotak Dependent dan X pada kotak Independent
• Klik Statistics … pada Residual pilih Durbin Watson → Klik Continue
• Abaikan default lain yang ada → Klik OK
