9-1
1.
MULTIKOLINEARITAS
Pada model kas us 8.1 tidak terjadi pelanggaran asumsi klasik multikolinearitas, karena nilai
VIF untuk ketiga variabel (interest, IHK dan EER) kurang dari 10. Jika terjadi pelanggaran
asumsi klasik maka tindakah penyembuhan yang dapat dilakukan adalah :
a. Melakukan transformasi terhadap variabel misal dalam bentuk log atau ln (Kecuali untuk
variabel yang satuannya % tidak boleh dirubah dalam bentuk log atau ln)
b. Menambah jumlah observasi (jumlah data)
c. Membuang variabel yang paling mengandung multikolinearitas. Hati -hati dalam
membuang variabel k arena variabel independen utama sekalipun mengandung
multikolinearitas tidak boleh dihilangkan.
Misalnya :
Untuk kasus fungsi permint aan, variabel harga tidak boleh dihilangk an sekalipun
terjadi multikolinearitas
Untuk kasus fungsi investasi, variabel suku bunga tidak boleh dihilangkan sekalipun
terjadi multikolinearitas.
Untuk kasus fungsi produksi, tenaga kerja tidak boleh dihilangkan sekalipun terjadi
multikolinearitas
2.
HETEROSKEDASTISITAS
Fakultas Ekonomi Universitas Trisakti, 2007
9-2
Pada kasus 8.1. terjadi pelanggaran asumsi klasik heteroskedastisitas dimana ada 2 variabel
yang mengandung heteroskedastisitas yaitu variabel INTERES T DAN IHK.
Penyembuhan heteroskedastisitas dapat dilak ukan dengan beberapa cara yaitu :
1) Merubah variabel dalam bentuk LOG atau LN. Dalam kasus ini karena
ada dua variabel yang satuannya sudah prosen (% ), maka
transformasi dalam bentuk LOG hanya dilakukan untuk varaibel
BLUECIP dan EER. Dengan langkah-langkah sebagai berikut :
Pastikan data file kasus 8.1 sudah siap seperti ditunjukkan gambar berik ut :
Gambar 9.1.
Untuk merubah variabel BLUE CHIP dalam bent uk LOG dilakukan dengan langk ahlangkah KLIK TRANSFORM, COMP UTE sehingga akan muncul gambar 9.2
9-3
Gambar 9.2.
Pada kotak dialog COMPUTE VARIABLE, pada kolom TA RGE T VARIABLE buat
variabel baru yang merupakan LOG dari BLUECHIP (ingat 8 huruf tanpa spasi)
misal LOGB LUE. Pada NUME RIC E XP RESSION cari fungsi LG10 pada
FUNCTION dan masukkan variabel BLUECHIP laku KLIK OK sehingga akan
diperoleh variabel LOGBLUE yang merupakan log dari variabel B LUE CHIP seperti
ditunjukkan pada gambar berikut.
Gambar 9.3.
Lakukan langkah yang sama untuk variabel EER sehingga akan dihasilkan 2 variabel
baru yaitu LOGB LUE DAN LOGEER seperti ditunjukkan pada gambar berikut :
9-4
Gambar 9.4.
Lakukan regresi ulang termasuk pengujian as umsi klasiknya dengan model yang
diajukan adalah
LOGBLUE = f (INTEREST, IHK, LOGEER)
Dan dihasilkan output sebagai berikut :
Regression
Variabl es Entered/Removedb
Model
1
Variables
Entered
LOGEER,
INTERES
a
T, IHK
Variables
Remov ed
Method
Enter
Model
1
R
.957a
R Square
.916
Adjusted
R Square
.912
St d. Error of
the Estimate
.06005145
Durbin-W
atson
.409
9-5
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2.212
.202
2.414
df
3
56
59
Mean Square
.737
.004
F
204.443
Sig.
.000a
Coefficientsa
Model
1
(Constant)
INTEREST
IHK
LOGEER
Unstandardized
Coeff icients
B
Std. Error
-3.135
1.249
-1.29E-02
.003
1.018E-02
.001
1.099
.325
Standardized
Coeff icients
Beta
-.206
.763
.154
t
-2.510
-4.756
16.507
3.380
Sig.
.015
.000
.000
.001
Collinearity Statistics
Tolerance
VIF
.795
.699
.720
Model
1
Dimension
1
2
3
4
Condition
Index
1.000
6.671
22.637
453.803
Eigenv alue
3.905
8.773E-02
7.619E-03
1.896E-05
(Constant)
.00
.00
.00
1.00
Variance Proportions
INTEREST
IHK
.00
.00
.65
.02
.29
.83
.06
.14
LOGEER
.00
.00
.00
1.00
1.258
1.431
1.388
9-6
Variabl es Entered/Removedb
Model
1
Variables
Entered
LOGEER,
INTERES
a
T, IHK
Variables
Remov ed
.
Method
Enter
Model
1
(Constant)
INTEREST
IHK
LOGEER
Unstandardized
Coef f icients
B
Std. Error
-.190
.693
5.027E-03
.002
-4.54E-04
.000
6.108E-02
.180
Standardized
Coef f icients
Beta
.431
-.182
.046
t
-.274
3.345
-1.327
.338
Sig.
.785
.001
.190
.736
PERTANYAAN :
Lakukan pengujian asumsi klasik yang baru, dan bagaimana
KESIMPULANNYA. APAKAH MODEL YANG BARU TERHINDAR DARI
MASALAH HETEROSKEDASTISITAS
Pastikan file kasus 8.1 sudah siap seperti ditunjukkan pada gambar berikut :
9-7
Gambar 9.5.
KLIK TRA NSFORM, COMPUTE, OK sehingga akan muncul gambar 9.6. Jika masih ada
formulasi lama KLIK RESE T.
Pada TA RGE T VARIABLE KLIK BLUE 2
Pada NUME RIC E XPRESS ION formulasikan
BLUECHIP/INTERES T lalu OK sehingga akan terbentuk variabel BLUE2. Lakukan untuk
semua variabel kecuali untuk INTERES T formulasiny a seperti diatas 1/INTE RES T.
Lengkapnya varaibel baru dapat dilihat pada gambar 9..7
9-8
Gambar 9.6.
Gambar 9.7.
9-9
Lakukan regresi ulang termasuk pengujian as umsi klasiknya dengan model yang
diajukan adalah
BLUE2 = f (ININTER, IHK2, EER2)
Dan dihasilkan output sebagai berikut :
Regression
Variabl es Entered/Removedb
Model
1
Variables
Entered
EER2,
IHK2,
a
INIINTER
Variables
Remov ed
Method
Enter
Model
1
R
.983a
R Square
.967
Adjusted
R Square
.965
St d. Error of
the Estimate
2.54448169
Durbin-W
atson
.448
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
10586.591
362.566
10949.157
df
3
56
59
Mean Square
3528.864
6.474
F
545.050
Sig.
.000a
9-10
Coeffici entsa
Model
1
(Constant)
INIINTER
IHK2
EER2
Unstandardized
Coef f icients
B
Std. Error
-4.823
1.206
-453.327
54.260
5.197
.234
9.435E-03
.006
Standardized
Coef f icients
Beta
-1.215
1.864
.228
t
-4.000
-8.355
22.200
1.471
Sig.
.000
.000
.000
.147
Collinearity Statistics
Tolerance
VIF
.028
.084
.025
Model
1
Dim ension
1
2
3
4
Condition
Index
1.000
7.028
25.001
52.519
Eigenv alue
3.913
7.922E-02
6.260E-03
1.419E-03
(Constant)
.00
.70
.03
.26
Variance Proportions
INIINTER
IHK2
.00
.00
.00
.01
.08
.97
.92
.02
EER2
.00
.00
.07
.93
Model
1
Variables
Entered
EER2,
IHK2,
a
INIINTER
Variables
Remov ed
.
Method
Enter
35.781
11.929
40.637
9-11
Coeffi ci entsa
Model
1
(Constant)
INIINTER
IHK2
EER2
Unstandardized
Coef f icients
B
St d. Error
2.763
.692
-77.439
31.137
.259
.134
4.867E-03
.004
St andardized
Coef f icients
Beta
-1.850
.827
1.048
t
3.993
-2.487
1.925
1.322
Sig.
.000
.016
.059
.191
PERTANYAAN :
Lakukan pengujian asumsi klasik yang baru, dan bagaimana KESIMPULANNYA.
APAKAH
MODEL
YANG
BARU
TERHINDAR
DARI
MASALAH
HETEROSKEDASTISITAS
BANDINGKAN DENGAN HASIL PERBAIKAN PADA CARA PERTAMA (1) . MANA
CARA YANG LEBIH BAIK UNTUK MENGATASI HETEROSKEDASTISITAS
3. AUTOKORELASI
Pada kasus 8.1 terjadi autokorelasi sehingga penyembuhan dilakukan dengan langkah langkah sebagai berikut :
Pastikan data file kasus 8.1 (YA NG AWAL) sudah siap seperti ditunjukkan gambar
berikut :
Gambar 9.8.
9-12
RESID DE NGA N LAGRESID TANPA KONS TANTA atau secara formulasi dinyatakan
dengan :
RESID = LAGRESID
Dimana = koefisien aut okorelasi
Untuk membuat LA GRES ID dilakukan dengan langkah :
PADA GAMBAR 9.8 KLIK TRANSFORM, COMP UTE sehingga akan muncul gambar 9.9
Gambar 9.9.
9-13
Gambar 9.10.
o
Gambar 9.11.
Gambar 9.12.
9-14
PADA OPTION hilangk ah pilihan INCLUDE CONS TANT IN EQUA TION (Gambar
9.13)
Gambar 9.13.
Dengan KLIK OK akan diperoleh hasil regresi sbb :
Regression
Variables Entered/Removedb,c
Model
1
Variables
Entered
LAGRESa
Variables
Remov ed
.
Method
Enter
Coeffici entsa,b
Model
1
LAGRES
Unstandardized
Coef f icients
B
Std. Error
.844
.082
Standardized
Coef f icients
Beta
.806
t
10.352
Sig.
.000
9-15
Gambar 9.14.
9-16
Gambar 9.15.
Regression
Variabl es Entered/Removedb
Model
1
Variables
Entered
EER3,
INTERES
a
3, IHK3
Variables
Remov ed
.
Method
Enter
9-17
Model Summaryb
Model
1
R
.814a
R Square
.663
Adjusted
R Square
.645
St d. Error of
the Estimate
11.22194311
Durbin-W
atson
1.500
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
13622.955
6926.260
20549.215
df
3
55
58
Mean Square
4540.985
125.932
F
36.059
Sig.
.000a
t
-5.152
-.791
10.204
-1.173
Sig.
.000
.432
.000
.246
Model
1
(Constant)
INTERES3
IHK3
EER3
Unstandardized
Coef f icients
B
Std. Error
-74.040
14.370
-1.085
1.372
.514
.050
-.009
.007
Standardized
Coef f icients
Beta
-.063
.816
-.094
Collinearity Statistics
Tolerance
VIF
.967
.959
.954
Model
1
Dimension
1
2
3
4
Eigenv alue
3.649
.327
.018
.007
Condition
Index
1.000
3.339
14.429
23.158
(Constant)
.00
.00
.02
.97
Variance Proportions
INTERES3
IHK3
.02
.00
.90
.00
.01
.31
.07
.69
EER3
.00
.01
.82
.17
1.034
1.042
1.048
9-18
Casewi se Di agnosticsa
Case Number
54
St d. Residual
-3.883
BLUE3
14.47835
Minimum
9.7457132
-43.5712
-1.560
-3.883
Maximum
63.39215
18.37653
1.940
1.638
Mean
33.65898
.0000000
.000
.000
N
59
59
59
59
Variables
Entered
EER3,
INTERES
a
3, IHK3
Variables
Remov ed
.
Method
Enter
Model
1
(Constant)
INTERES3
IHK3
EER3
Unstandardized
Coef f icients
B
Std. Error
-10.508
8.764
.222
.837
.061
.031
.003
.005
Standardized
Coef f icients
Beta
.035
.261
.100
t
-1.199
.265
1.983
.757
Sig.
.236
.792
.052
.452
PERTANYAAN :
LAKUKAN PENGUJIAN ASUMSI KLASIK YANG TERBARU DAN
APA KESIMPULANNYA
Fakultas Ekonomi Universitas Trisakti, 2007