P. 1
Uji-asumsi-Klasik_20091

Uji-asumsi-Klasik_20091

|Views: 439|Likes:
Dipublikasikan oleh Andriy Ajah

More info:

Published by: Andriy Ajah on Apr 30, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

06/12/2013

pdf

text

original

UJI ASUMSI KLASIK

Oleh: Dr. Suliyanto, SE,MM

http://management-unsoed.ac.id  Uji Asumsi Klasik  Download

1

Materi
Uji

Asumsi Klasik –Normalitas –Multikolinieritas Uji Asumsi Klasik –Heteroskedastisitas –Linieritas –Outokorelasi
2

UJI ASUMSI KLASIK
1. 2. 3. 4. 5.

Uji Normalitas Uji Non-Multikolinieritas Uji Non-Heteroskedastisitas Uji Linieritas Uji Non-Otokorelasi (time series)

3

Yang Dimaksud dengan Kurva Normal
 Distribusi

normal merupakan suatu kurve berbentuk lonceng.  Penyebab data tidak normal, karena terdapat nilai ekstrim dalam data seri yang diambil.  Nilai ektrim adalah nilai yang terlalu rendah atau terlalu tinggi.

4

Penyebab Munculnya Nilai Ekstrim
1. Kesalahan dalam pengambilan unit sampel. Cara mengatasi: Mengganti unit sampel. 2. Kesalahan dalam menginput data. Cara mengatasi: Memperbaiki input data yang salah. 3. Data memang aneh dibanding lainnya. Cara mengatasi: Tambah ukuran sampel atau dengan membuang data yang aneh tersebut.

5

96 0 1.Kapan Data Dikatakan Normal Ekstrim Rendah Ektrim Tinggi -2.96 Pada =0.58 Pada =0.01 Ekstrim Rendah Ektrim Tinggi -1.58 0 2.05 6 .

734 7 .000  63 .58 0 2.Berikut ini manakah data yang Ekstrim Ekstrim Rendah Ektrim Tinggi -2.58 Z xi  x   50 .333  0439 31 .

UJI NORMALITAS PENGERTIAN UJI NORMALITAS  Uji normalitas di maksudkan untuk mengetahui apakah residual terstandarisasi yang diteliti berdistribusi normal atau tidak. PENYEBAB TIDAK NORMAL  Disebabkan karena terdapat nilai ektrim dalam data yang kita ambil. 8 .

Dengan gambar: Jika kurva regression residual terstandarisasi membentuk gambar lonceng. Dengan angka: – – – – Uji Liliefors Chi Kuadrat (X2) Uji dengan kertas peluang normal Uji dengan Kolmogornov Smirnov 9 .Uji Normalitas CARA MENDITEKSI: 1. 2.

– Multivariate Dilakukan dengan menguji normalitas pada nilai residual yang telah distandarisasi.Uji Normalitas  Uji normalitas dapat dilakukan secara: – Univariate Dilakukan dengan menguji normalitas pada semua variabel yang akan dianalisis. 10 .

11 .  Berdasarkan data tersebut ujilah apakah data tersebut Normal secara Multivariate.Contoh Kasus  Berikut ini adalah data time series.

Manual Liliefors Buat persamaan regresinya  Mencari nilai Prediksinya  Cari nilai residualnya  Stadarisasi nilai residualnya  Urutkan nilai residual terstandarisasi dari yang terkecil sampai yang terbesar. 12  .  Mencari nila Zr relatif komulatif.  Mencari nila Zt teoritis berdasarkan tabel Z  Mengihitung selisih nilai Zr dengan Zt atau (ZrZt-1) dan diberi simbol Li hitung  Bandingkan nilai Li hitung dengan tabel Liliefors.  Jika Lihitung > L tabel maka data berdistribusi normal demikian juga sebaliknya.

dts = 1.042 13 .10=0.142 = Zt-Zr(t-1) = 0.2.Pengujian Manual Y Ypred Resid Zresid Zr Tabel Z cum Luas Z Li =2.200 = (1/10) = 0.885 = Karena < 0.252 = (-1.858 =0.961X2 =2.5 maka Luas Z = 1-0.092X1+1.553-1.142-0.1.553-1.20 ditabel Z = 0.961(3) = 6.252—0. (2/10) = 0.042 = -1.252 = 5-6.092(2) +1.002)/1.

.  Masukan variabel Y  pada kotak Dependent X1.. X2.  pada kotak Independent  Save…:  pada kotak Residual : klik Standardized  Continue (bertujuan untuk membuat variabel / kolom baru pada data yaitu Zre_1 )  Abaikan pilihan yang lain  OK Uji Kolmogornov Smirnov  Buka file : Data Regresi_1  Analyze  Non Parametrics Test  1 Sample K-S..  Masukan variabel Standardized Residual pada kotak Test Variable List  Abaikan pilihan yang lain (biarkan pada posisi defaultnya)  OK 14 .Pengujian Normalitas Dengan SPSS Memunculkan Nilai Residual Terstandarisasi  Buka file : Data_Regresi_1  Analyze  Regression  Linear..

Memunculkan Nilai Residual Terstandarisasi Uji Komogornov Smirnov 15 .

> 0. 16 .8819171 .940 .340  N Normal Parameters a. (2-tailed) Mean Std. Test dis tribution is Normal. Deviation Abs olute Positive Negative  a.b Mos t Ex treme Differences Kolmogorov-Smirnov Z Asy mp. Calc ulated from data.257 -. Sig. Karena Nilai Sig. b. Tidak siginifikan berarti data relatif sama dengan ratarata sehingga disebut normal.Output Kolmogornov Smirnov One -Sam ple Kolm ogorov-Sm irnov Te st Standardized Residual 10 5.05 maka tidak signifikan.297 .960465E-09 .297 .

 Menghilangkan data yang dianggap sebagai penyebab data tidak normal. 17 .Cara Mengatasi Data yang Tidak Normal  Menambah jumlah data.  Melakukan transformasi data menjadi Log atau LN atu bentuk lainnya.  Dibiarkan saja tetapi kita harus menggunakan alat analisis yang lain.

18 .  Tepatnya multikolinieritas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti. dan istilah kolinieritas berkenaan dengan terdapatnya satu hubungan linier.UJI MULTIKOLINIERITAS PENGERTIAN  Uji multikolinieritas berarti terjadi korelasi yang kuat (hampir sempurna) antar variabel bebas.

Uji Multikolinieritas PENYEBAB  Karena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-sama sepanjang waktu. 19 .  Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.

Dengan melihat koefesien korelasi antar variabel bebas: Jika koefesien korelasi antar variabel bebas ≥ 0. 20 . 2.7 maka terjadi multikolinier.Uji Non-Multikolinieritas  Cara menditeksi: 1. Dengan melihat nilai VIF (Varian Infloating Factor): Jika nilai VIF ≤ 10 maka tidak terjadi multikolinier.

21 .  Berdasarkan data tersebut ujilah apakah data tersebut terjadi gejala Multikolikolinier ?.Contoh KasusMultikolinieritas  Berikut ini adalah data time series.

maka tidak terjadi multikolinier.  Hitung nilai VIF dengan rumus 1/TOL  Jika VIF < 10.  22 .  Hitung nilai tolenrance (Tol) dengan rumus (1-r2).Pengujian Manual VIF Hitung nilai korelasi antar varibel bebas (r)  Kuadratkan nilai korelasi antar variabel bebas (r2).

Pengujian Manual VIF 23 .

.Pengujian Multikolinier Dengan SPSS Buka file : Data_Regresi_1  Analyze  Regression  Linear. X2.  pada kotak Independent  Statistics…:  klik Colinier Diagnosis Continue  24 ..  Masukan variabel Y  pada kotak Dependent X1.

Output: Karena nilai VIF < 10 maka tidak terjadi otokorelasi 25 .

 Menghubungkan data cross section dan data time series.CARA MENGATASI MULTIKOLINIER Memperbesar ukuran sampel  Memasukan persamaan tambahan ke dalam model.  Transformasi variabel.  Mengeluarkan suatu variabel dan bias spesifikasi.  26 .

sehingga menghasilkan nilai residu yang tidak konstan.UJI NON-HETEROSKEDASTISITAS PENGERTIAN  Uji heteroskedastisitas berarti adanya varian dalam model yang tidak sama (konstan). PENYEBAB  Variabel yang digunakan untuk memprediksi memiliki nilai yang sangat beragam. 27 .

Dengan Uji Korelasi Rank Spearman Mengkorelasikan nilai residual dengan variabel bebas dengan menggunakan Rank-spearman. Dengan Uji Glejser Yaitu dengan meregresikan variabel bebas terhadap nilai residual mutlaknya. 3. 2.Uji Heteroskedastisitas CARA MENDITEKSI: 1. 28 . Dengan Uji Park Yaitu dengan meregresikan variabel bebas terhadap nilai log-linier kuadrat.

 Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala Heteroskedastisitas ? 29 .Contoh Kasus Heteroskedastisitas  Berikut ini adalah data time series.

 30 .  Hitung nilai prediksinya  Hitung nilai residualnya  Multakan nilai residualnya  Regresikan variabel bebas terhadap nilai mutlak residualnya.  Jika signifikan berarti terjadi gejala heteroskedastisitas dan sebaliknya jika tidak signifikan berarti tidak terjadi gejala heteroskedastisitas.Langkah-Langkah Metode Glejser Regresikan variabel bebas (X) terhadap variabel tergantung (Y).

31 .

32 .05 sehingga X1 tidak terjadi gejala heteroskedastisitas.Hasil Nilai Regresi Variabel Bebas terhadap Nilai Mutlak Residualnya •X1 tidak signifikan karena p-value > 0. •X2 signifikan karena p-value < 0.05 sehingga X2 terjadi gejala heteroskedastisitas.

 Masukan variabel ABRES  pada kotak Dependent X1..  pada kotak Independent  Save…:  pada kotak Residual : klik unstandardized  Continue (bertujuan untuk membuat variabel / kolom baru pada data yaitu res_1 )  Abaikan pilihan yang lain  OK Mutlakan Nilai Residualnya  Buka file : Data Regresi_1  Tranform  Compute  Pada Target Variabel diisi dengan ABRES  Pada Numeric Expresion diisi dengan ABS(RES_1)  Abaikan pilihan yang lain  OK Meregresikan variabel bebas terhadap Nilai Mutlak Residual  Buka file : Data_Regresi_1  Analyze  Regression  Linear.  Masukan variabel Y  pada kotak Dependent X1.Pengujian Heteroskedastisitas Dengan SPSS Memunculkan Nilai Residual  Buka file : Data_Regresi_1  Analyze  Regression  Linear. X2. X2...  pada kotak Independent  Abaikan pilihan yang lain  OK 33 ..

Prose Memunculkan Nilai Residual dan Memutlakannya Memunculkan Nilai Residual Memutlakan Nilai Residual 34 .

05 sehingga X1 tidak terjadi gejala heteroskedastisitas.05 sehingga X2 terjadi gejala heteroskedastisitas.Meregresikan variabel bebas terhadap Nilai Mutlak Residual • X1 tidak signifikan karena p-value > 0. 35 . • X2 signifikan karena p-value < 0.

36 .Cara Mengatasi Heteroskedastisitas  Tambah jumlah pengamatan.  Tranformasikan data ke bentuk LN atau Log atau bentuk laiannya.

UJI NON-AUTOKORELASI PENGERTIAN  Uji ini dilakukan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time series) atau ruang (cross section). 37 .

Uji Otokorelasi PENYEBAB:  Adanya kelembaman waktu  Adanya bias spesifikasi model  Manipulasi data 38 .

Uji Otokorelasi  Uji Durbin Watson  Uji Lagrange Multiplier  Uji Breusch-Godfrey 39 .

 Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala otokorelasi ? 40 .Contoh Kasus Otokorelasi  Berikut ini adalah data time series.

2. Kuadratkan nilai residualnya. Regresikan variabel bebas (X) terhadap variabel tergantung (Y). 6. Hitung nilai prediksinya. 7. Hitung nilai residualnya. Masuk hasil perhitungan diatas masukan kedalam rumus Durbin-Watson 41 .Langkah-Langkah Uji Durbin-Watson 1. Lag-kan satu nilai residualnya. 5. Kurangkan nilai residual dengan Lag-kan satu nilai residualnya. 4. 3.

541  (e  e DW  e t t 1 2 )2  33.252=-1.131 = 4.568 = e mundur 1peiode = 0.104  3.386 9.879-(-1.2522= 1.252) = 2.131 2 e-et-1 (e-et-1) = 2.777 42 .252 = -1.Perhitungan Manual Durbin Matson e e2 et-1 = Y-Ypred = = 5-6.

697 dU = 1.303 3.n K=2 dan n=10 dL = 0.359 4-dL = 3.697 dU 1.386 Tabel Durbin Watson dk =k.641 Otokorelas 2 4 – dU i 2.Kriteria Pengujian 1.359 4 – dL Otokorelas i– 3.303 43 .641 4-dU = 2.641 Tanpa Kesimpulan Tanpa Kesimpulan Otokorelas i+ Tidak ada dL 0.

..  pada kotak Independent  Klik Statistics…:  Pada Residual pilih Durbin Watson  Klik Continue  Abaikan pilihan yang lain  OK 44 .  Masukan variabel Y  pada kotak Dependent X1.Pengujian Otokorleasi Dengan SPSS Memunculkan Nilai Residual  Buka file : Data_Regresi_1  Analyze  Regression  Linear. X2.

Proses Analisi Surbin Watson dengan SPSS 45 .

Output Uji Durbin Watson 46 .

dan diperoleh nilai durbin watson sebesar 2. Jika diketahui Junmlah Variabel bebas 3.  Ujilah apakah terjadi gejala outokorelasi ?  Gunakan gambar untuk menguji ! 47 . pengamatan 20.354.

Cara menditeksi: 1. Dengan kurva: Model dikatakan linier jika plot antara nilai residual terstandarisasi dengan nilai prediksi terstandarisasi tidak membentuk pola tertentu (acak). Dengan uji MWD Cara mengetahui linieritas dengan menggunakan gambar dianggap masing kurang obyektif sehingga masih dibutuhkan alat analisis Mac Kinnon White Davidson (MWD) 48 .UJI LINIERITAS   Uji ini dilakukan untuk mengetahui model yang digunakan apakah menggunakan model linier atau tidak. 2.

Regresikan variabel bebas dan Z1 terhadap Y. Tentukan Z2 = (antilogPred2-YPred1) Regresikan variabel bebas dan Z2 terhadap Y. dan kemudian regresikan Ln variabel bebas terhadap Ln variabel tergantung dan tentukan Ypred2. 49 . jika Z1 sigifikan maka tidak linier.Langkah Analsis MWD       Regresikan variabel bebas terhadap variabel tergantung dengan regresi linier dan tentukan Ypred1 Tranformasikan semua variabel ke dalam bentuk Ln.Ypred2. Tentukan Z1= (Ln Ypred1 .). jika Z2 sigifikan maka linier.

Pengujian Linieritas Dengan SPSS Memunculkan Nilai Residual  Buka file : Data Regresi_1  Analyze  Regression  Linear...  OK 50 . X2.  Reset..  Masukan variabel Y  pada kotak Dependent X1.  pada kotak Independent(s)  Plots… :  pada Y :  diisi : ZRESID X :  diisi : ZPRED  Continue.

5 0.Proses Uji Linieritas dengan SPSS Scatterplot Dependent Variable: Y 1.5 -1.0 -.0 -1.5 -3 -2 -1 0 1 2 Regression Standardized Predicted Value Karena plot regresi standardiz residual dengan regresi standardiz prediksi membentuk pola yang acak maka menggunakan persamaan regresi Linier.0 Regression Standardized Residual . 51 .

Bagiamana Kalau tidak Linier ?  Jika hasil tidak linier tinggal ganti dengan persamaan non linier. 52 .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->