Anda di halaman 1dari 10

11/28/2012

UJI ASUMSI KLASIK ANALISIS REGRESI
UJI ASUMSI KLASIK
ANALISIS REGRESI
MENGAPA PERLU UJI ASUMSI KLASIK?  Analisis regresi memerlukan syarat- syarat tertentu sehingga dapat digunakan
MENGAPA PERLU
UJI ASUMSI KLASIK?
 Analisis regresi memerlukan syarat-
syarat tertentu sehingga dapat digunakan
pada analisis
 Membuktikan bahwa tidak terjadi
pelanggaran syarat tersebut yang
menyebabkan hasil analisis akan bias

11/28/2012

APA SAJA UJI ASUMSI KLASIK TERSEBUT?  Uji Normalitas  Uji Multikolinearitas  Uji Heteroskedastisitas
APA SAJA UJI ASUMSI KLASIK TERSEBUT?
 Uji Normalitas
 Uji Multikolinearitas
 Uji Heteroskedastisitas
 Uji Korelasi
UJI NORMALITAS  Menguji apakah nilai residual yang dihasilkan dari regresi terdistribusi secara normal atau
UJI NORMALITAS
 Menguji apakah nilai residual yang dihasilkan
dari regresi terdistribusi secara normal atau
tidak.
 Model regresi yang baik adalah yang memiliki
nilai residual yang terdistribusi secara normal.
 Beberapa metode uji normalitas yaitu dengan
melihat penyebaran data pada sumber diagonal
pada grafik Normal P-P Plot of regression
standardized residual atau dengan uji One
Sample Kolmogorov Smirnov

11/28/2012

UJI NORMALITAS Metode Grafik  Grafik Normal Plot of regression standardized residual Uji One Sample
UJI NORMALITAS
Metode Grafik
 Grafik Normal Plot of regression standardized
residual
Uji One Sample Kolomogorov Smirnov
 Mengetahui distribusi data, apakah mengikuti
distribusi normal, poisson, uniform, atau
exponential.
 Residual berdistribusi normal jika nilai
signifikansi lebih dari 0,05.
CONTOH  Lakukan analisis regresi untuk mengatahui pengaruh biaya produksi, distribusi, dan promosi terhadap tingkat
CONTOH
 Lakukan analisis regresi untuk mengatahui
pengaruh biaya produksi, distribusi, dan promosi
terhadap tingkat penjualan

11/28/2012

METODE GRAFIK
METODE GRAFIK
11/28/2012 METODE GRAFIK 4

11/28/2012

11/28/2012 KOLMOGOROV-SMIRNOV 5
KOLMOGOROV-SMIRNOV
KOLMOGOROV-SMIRNOV

11/28/2012

UJI MULTIKOLINEARITAS  Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara
UJI MULTIKOLINEARITAS
 Multikolinearitas adalah kondisi terdapatnya
hubungan linier atau korelasi yang tinggi antara
masing-masing variabel independen dalam model
regresi.
 Multikolinearitas biasanya terjadi ketika
sebagian besar variabel yang digunakan saling
terkait dalam suatu model regresi.
 Masalah mu ltik o li near it as tidak terjadi pada
regresi linier sederhana yang hanya melibatkan
satu variabel independen.
CIRI MULTIKOLINEARITAS  Nilai R 2 yang tinggi (signifikan), namun nilai standar error dan tingkat
CIRI MULTIKOLINEARITAS
 Nilai R 2 yang tinggi (signifikan), namun nilai
standar error dan tingkat signifikansi masing-
masing variabel sangat rendah.
 Perubahan kecil sekalipun pada data akan
menyebabkan perubahan signifikan pada
variabel yang diamati.
 Nilai koefisien variabel tidak sesuai dengan
hipotesis, misalnya variabel yang seharusnya
memiliki pengaruh positif (nilai koefisien positif),
ditunjukkan dengan nilai negatif.

11/28/2012

MULTIKOLINEARITAS  Indikasi multikolinearitas dengan tolerance value (TOL), eigenvalue, dan yang paling umum
MULTIKOLINEARITAS
 Indikasi multikolinearitas dengan tolerance
value (TOL), eigenvalue, dan yang paling umum
digunakan adalah varians inflation factor (VIF).
 Beberapa ahli berpendapat bahwa nilai toleransi
kurang dari 1 atau VIF lebih besar dari 10
menunjukkan multikolinearitas signifikan,
 Besarnya R 2 model dianggap mengindikasikan
adanya multikolinearitas. Klein (1962)
menunjukkan bahwa, jika VIF lebih besar dari
1/(1 – R 2 ) atau nilai toleransi kurang dari (1 –
R 2 ), maka multikolinearitas dapat dianggap
signifikan secara statistik.
The regression equation is Tingkat penjualan = -66233415 + 3.11 Biaya produksi + 0.57 Biaya
The regression equation is
Tingkat penjualan = -66233415 + 3.11 Biaya produksi + 0.57 Biaya distribusi
+ 7.89 Biaya promosi
Predictor
Coef
SE Coef
T
P
VIF
Constant
-66233415
35553253
-1.86
0.089
Biaya pr
3.109
1.155
2.69
0.021
8.9
Biaya di
0.572
1.427
0.40
0.696
5.1
Biaya pr
7.894
1.176
6.71
0.000
6.6
S = 11267219
R-Sq = 98.3%
R-Sq(adj) = 97.9%
PRESS = 2.381588E+15
R-Sq(pred) = 97.18%
Analysis of Variance
Source
DF
SS
MS
F
P
Regression
3 8.31545E+16 2.77182E+16
218.34
0.000
Residual Error
11 1.39645E+15 1.26950E+14
Total
14 8.45510E+16
Source
DF
Seq SS
Biaya pr
1 7.70773E+16
Biaya di
1 3.57484E+14
Biaya pr
1 5.71977E+15
Durbin-Watson statistic = 1.53

11/28/2012

UJI AUTOKORELASI  Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik
UJI AUTOKORELASI
 Uji autokorelasi digunakan untuk mengetahui
ada atau tidaknya penyimpangan asumsi klasik
autokorelasi yaitu korelasi yang terjadi antara
residual pada satu pengamatan dengan
pengamatan lain pada model regresi.
 Prasyarat yang harus terpenuhi adalah tidak
adanya autokorelasi dalam model regresi.
 Metode pengujian yang sering digunakan adalah
dengan uji Durbin-Watson (uji DW)
UJI AUTOKORELASI  Nilai Durbin Watson kemudian dibandingkan dengan nilai d- Hasil perbandingan akan tabel
UJI AUTOKORELASI
 Nilai Durbin Watson kemudian dibandingkan
dengan nilai d-
Hasil perbandingan akan
tabel .
menghasilkan kesimpulan seperti kriteria
sebagai berikut:
 Jika d < dl, berarti terdapat autokorelasi positif
 Jika d > (4 – dl), berarti terdapat autokorelasi
negatif
 Jika du < d < (4 – dl), berarti tidak terdapat
autokorelasi
 Jika dl < d < du atau (4 – du), berarti tidak dapat
disimpulkan

11/28/2012

The regression equation is Tingkat penjualan = -66233415 + 3.11 Biaya produksi + 0.57 Biaya
The regression equation is
Tingkat penjualan = -66233415 + 3.11 Biaya produksi + 0.57 Biaya distribusi
+ 7.89 Biaya promosi
Predictor
Coef
SE Coef
T
P
VIF
Constant
-66233415
35553253
-1.86
0.089
Biaya pr
3.109
1.155
2.69
0.021
8.9
Biaya di
0.572
1.427
0.40
0.696
5.1
Biaya pr
7.894
1.176
6.71
0.000
6.6
S = 11267219
R-Sq = 98.3%
R-Sq(adj) = 97.9%
PRESS = 2.381588E+15
R-Sq(pred) = 97.18%
Analysis of Variance
Source
DF
SS
MS
F
P
Regression
3 8.31545E+16 2.77182E+16
218.34
0.000
Residual Error
11 1.39645E+15 1.26950E+14
Total
14 8.45510E+16
Source
DF
Seq SS
Biaya pr
1 7.70773E+16
Biaya di
1 3.57484E+14
Biaya pr
1 5.71977E+15
Durbin-Watson statistic = 1.53
DAERAH PENGUJIAN DURBIN WATSON  k = 3  n = 15  dL =
DAERAH PENGUJIAN DURBIN WATSON
k = 3
 n = 15
 dL = 0.8140 dan dU = 1.7501
 4-dU = 2.2499
 4-dL = 3.186

UJI HETEROSKEDASTISITAS

Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas

residual

Adanya

ketidaksamaan

varian

dari

untuk semua pengamatan pada model regresi.

regresi

adalah

Prasyarat yang harus terpenuhi dalam model

tidak adanya gejala

heteroskedastisitas. Metode pengujian yang bisa digunakan diantaranya yaitu Uji Park, Uji Glesjer, Melihat pola grafik regresi, dan uji koefisien korelasi Spearman

diantaranya yaitu Uji Park, Uji Glesjer, Melihat pola grafik regresi, dan uji koefisien korelasi Spearman 11/28/2012

11/28/2012