Modul Laboratorium Analisis Kuantitatif

9-1

PENYEMBUHAN ASUMSI KLASIK

SUMBER : FILE KASUS 8.1.
Model regresi yang dihasilkan harus terhindar dari penyakit asumsi klasik. Jika terdapat asumsi
klasik maka harus dilakukan tindakan penyembuhan terhadap model yang dihasilkan. Yang perlu
diperhatikan adalah :
Pada umumnya tindakan peny embuhan ak an memperbaiki kualitas dari model yang dihasilkan
atau dengan kata lain masalah penyakit akan terat asi. Namun yang perlu diperhatikan adalah
tidak ada jaminan bahwa penyakit yang terjadi SECARA OTOMA TIS AKAN S EMBUH. Bisa
saja hany a kadar penyakitnya yang berkurang dan tidak sembuh total.
Dalam beberapa kasus bis a terjadi penyembuhan satu penyakit asumsi klasik akan
menimbulkan penyakit asumsi klasik lainnya.
Intuisi dari si peneliti sangat dibutuhkan unt uk melakukan tindakan penyembuhan. Artiny a jika
terdapat lebihd ari s atu penyakit asumsi klasik maka harus dilakukan beberapa alternatif mana
dulu penyakit yagn akan disembuhkan. Semakin sering melakukan penelitian maka intusisi si
peneliti akan semakin baik untuk memperbaiki penyakit asumsi klasik yang terjadi.

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

Modul Laboratorium Analisis Kuantitatif

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

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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 :

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. All requested v ariables entered.

b. Dependent Variable: LOGBLUE
Model Summaryb

Model
1

R
.957a

R Square
.916

Adjusted
R Square
.912

St d. Error of
the Estimate
.06005145

Durbin-W
atson
.409

a. Predictors: (Constant), LOGEER, INTEREST, IHK

b. Dependent Variable: LOGBLUE

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. Predictors: (Const ant), LOGEER, I NTEREST, IHK

b. Dependent Variable: LOGBLUE

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

a. Dependent Variable: LOGBLUE

a
Collinearity Diagnostics

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

a. Dependent Variable: LOGBLUE

Regression pengujian heteroskedastisitas setelah perbaikan

dengan merubah dalam bentuk log

Fakultas Ekonomi Universitas Trisakti, 2007

1.258
1.431
1.388

Modul Laboratorium Analisis Kuantitatif

9-6

Variabl es Entered/Removedb

Model
1

Variables
Entered
LOGEER,
INTERES
a
T, IHK

Variables
Remov ed
.

Method
Enter

a. All requested v ariables entered.

b. Dependent Variable: ABSRES2
Coeffici entsa

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

a. Dependent Variable: ABSRES2

PERTANYAAN :
Lakukan pengujian asumsi klasik yang baru, dan bagaimana
KESIMPULANNYA. APAKAH MODEL YANG BARU TERHINDAR DARI
MASALAH HETEROSKEDASTISITAS

2) Membagi dengan variabel yang mengandung heteroskedastisitas yang

dalam hal ini adalah variabel INTEREST karena hateroskedastisitasnya
paling parah.
Pembentukan variabel baru dilakukan dengan formulasi :
BLUE2 = BLUE CHIP/ INTE RES T
ININTERS = 1/INTE RES T
(k husus untuk variabel I NTEREST yang paling mengandung heterosk edastisitas dilak uk an
INVERS DA RI INTEREST)
IHK 2 = IHK/ INTE RES T
EER2 = EER/INTERES T

Contoh : membuat variabel BLUE2 adalah sbb :

Pastikan file kasus 8.1 sudah siap seperti ditunjukkan pada gambar berikut :

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

9-8

Gambar 9.6.

Gambar 9.7.

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. All requested v ariables entered.

b. Dependent Variable: BLUE2
Model Summaryb

Model
1

R
.983a

R Square
.967

Adjusted
R Square
.965

St d. Error of
the Estimate
2.54448169

Durbin-W
atson
.448

a. Predictors: (Constant), EER2, IHK2, INIINTER

b. Dependent Variable: BLUE2

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

a. Predictors: (Const ant), EER2, IHK2, I NI INTER

b. Dependent Variable: BLUE2

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. Dependent Variable: BLUE2

a
Colli nearity Di agnostics

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

a. Dependent Variable: BLUE2

Regression PENGUJIAN HETEROSKEDASTISITAS SETELAH PERBAIKAN

DENGAN MEMBAGI VARIABEL YANG PALING MENGANDUNG
HETEROSKEDASTISITAS
Variabl es Entered/Removedb

Model
1

Variables
Entered
EER2,
IHK2,
a
INIINTER

Variables
Remov ed
.

Method
Enter

a. All requested v ariables entered.

b. Dependent Variable: ABSRES3

Fakultas Ekonomi Universitas Trisakti, 2007

35.781
11.929
40.637

Modul Laboratorium Analisis Kuantitatif

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

a. Dependent Variable: ABSRES3

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.

Cari koefisien autok orelasi (rho) dengan cara meregresikan

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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.

Pada TA RGE T VARIABLE KE TIK LAGRES

Pada NUME RIC E XPRESS ION
o Pada function cari fungsi LAG dan pindahkan ke NUME RIC E XPERESS ION, lalu
masukkan variable RESID (res_1) ke kolom NUMERIC E XP RESSION. Lalu OK
sehingga akan terbentuk variable baru yaitu LAGRES seperti ditunjukkan pada
gambar 9.10 (variable LAGRES datanya akan berkurang 1)

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

9-13

Gambar 9.10.
o

Lakukan regresi dengan fungs

RESID f(LAGRES) tanpa konstanta dan yang dikeluarkan hanya ES TIMA TE nya
saja dengan langkah-langkah
KLIK ANALY ZE, REGRESSION, LINEA R sehingga akan muncul gambar beriikut ini
Pada DEPE NDE NT masukkan res_1
Pada INDEPENDENT masukkan lagres

Gambar 9.11.

Pada S TA TIS TICS cukup dipilih ES TIMA TE

Gambar 9.12.

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. All requested v ariables entered.

b. Dependent Variable: Unst andardized Residual
c. Linear Regression through the Origin

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

a. Dependent Variable: Unst andardized Residual

b. Linear Regression through the Origin

KOEFISIEN AUTOKORELASI 0.844

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

9-15

TRANSFORMAS IKAN SEMUA VARIABE L DENGAN FORMULAS I SBB :

BLUE3 = BLUE - (0.844*LAG(BLUECHIP ))
INTE RES3 = INTERES T (0.844*LA G(INTE RES T))
IHK 3 = IHK -(0. 844*LAG(IHK))
EER3 = EER-(0.844*LA G(EE R))
Menamakan variable baru misal BLUE3 dapat disesuaikand engan keinginan peneliti
dalam menamakan variable, yang tidak boleh hdala KESALAHA N DA LAM NUMERIC
E XPRESS ION
CONTOH UNTUK MEMBUA T BLUE3. Pada kertas verja 8.1 KLIK TRA NSFORM,
COMP UTE sehingga akan muncul gambar 9.14

Gambar 9.14.

Pada target variabel KE TIK : blue3

Pada numeric expression tulis : bluechip-(0.844*LA G(bluechip))
Laku KLIK OK sehingga akan diperoleh variabel blue3
Lakukan hal yang sama untuk variabel INTE RES T3, IHK3, EER3
Sehingga diperoleh hasil gambar 9.15

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

9-16

Gambar 9.15.

LAKUKAN REGRESI TERBA RU LENGKAP DENGA N PENGUJIA N ASUMS I KLASIK

UNTUK MODEL
BLUE3 = f (INTERES 3, IHK 3, EER3) sehingga diperoleh hasil sebagai berikut :

Regression
Variabl es Entered/Removedb
Model
1

Variables
Entered
EER3,
INTERES
a
3, IHK3

Variables
Remov ed
.

Method
Enter

a. All requested v ariables entered.

b. Dependent Variable: BLUE3

Fakultas Ekonomi Universitas Trisakti, 2007

Modul Laboratorium Analisis Kuantitatif

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

a. Predictors: (Constant), EER3, INTERES3, IHK3

b. Dependent Variable: BLUE3

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

a. Predictors: (Const ant), EER3, INTERES3, IHK3

b. Dependent Variable: BLUE3
Coeffici entsa

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

a. Dependent Variable: BLUE3

a
Colli nearity Di agnostics

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

a. Dependent Variable: BLUE3

Fakultas Ekonomi Universitas Trisakti, 2007

1.034
1.042
1.048

Modul Laboratorium Analisis Kuantitatif

9-18

Casewi se Di agnosticsa
Case Number
54

St d. Residual
-3.883

BLUE3
14.47835

a. Dependent Variable: BLUE3

Residual s Statisti csa

Predicted Value
Residual
Std. Predicted Value
Std. Residual

Minimum
9.7457132
-43.5712
-1.560
-3.883

Maximum
63.39215
18.37653
1.940
1.638

Mean
33.65898
.0000000
.000
.000

Std. Dev iat ion

15.32574730
10.92786725
1.000
.974

N
59
59
59
59

a. Dependent Variable: BLUE3

Regression pengujian heteroskedastisias setelah penyembuhan

autokorelasi
Variabl es Entered/Removedb
Model
1

Variables
Entered
EER3,
INTERES
a
3, IHK3

Variables
Remov ed
.

Method
Enter

a. All requested v ariables entered.

b. Dependent Variable: ABSRES3
Coeffici entsa

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

a. Dependent Variable: ABSRES3

PERTANYAAN :
LAKUKAN PENGUJIAN ASUMSI KLASIK YANG TERBARU DAN
APA KESIMPULANNYA
Fakultas Ekonomi Universitas Trisakti, 2007