Analisis Regresi dan Uji Asumsi Klasik

Analisis Regresi Berganda

Ciri yang paling mudah dikenali dalam analisis regresi berganda adalah terdapat dua atau
lebih variabel penjelas.

^   
Y t  b1 b2 X1i  b3 X 2t  et (1)

Asumsi untuk memenuhi metode OLS sama dengan asumsi yang digunakan dalam analisis
regresi linier sederhana, namun ada tambahan satu asumsi yaitu antara variabel penjelas

tidak boleh saling berhubungan kuat (multikolinieritas).

Misalkan ada penelitian terkait efektivitas penggunaan media iklan (advert) dan harga
produk (price) terhadap pejualan suatu produk (sales)Lihat workfile-nya berikut.

Estimasi Persamaan Regresi Berganda

Klik QUICK/Estimate Equation  Tampil window equation estimation – Specification

Setelah mengisi seluruh variabel penelitian, isi pula metode yang diinginkan, misalkan OLS
atau LS, lalu klik OK.

1
Dengan menggunakan data runtut waktu sebanyak 75 periode dan metode OLS
diperolehlah beberapa kesimpulan atas estimasi di atas.
 Uji t  Dengan membandingkan nilai probabilitas (prob.) dengan nilai alpha yang di
pilih (5 persen), menjelaskan tingkat penjualan produk tersebut dipengaruhi secara
berarti baik oleh harga produk tersebut maupun oleh penggunaan media iklan.
 Uji F  Secara bersama-sama harga dan penggunakaan iklan memberikan pengaruh
yang berarti terhadap tingkat penjualan [Prob. (F-statistic) kurang dari 5 persen].

2
  Harga dan penggunaan iklan memiliki hubungan yang cukup erat dengan tingkat
penjualan, hal ini ditandai dengan koefisien korelasi sebesar 0.6695.
 Variasi perubahan tingkat menjualan mampu dijelaskan baik oleh harga maupun
penggunaan media iklan sebesar 44.83 persen, sedangkan sisanya oleh variasi
perubahan variabel di luar model.

Pengujian Asumsi Klasik

Pengujian asumsi klasik umumnya dilakukan terhadap regresi yang memiliki 2 atau lebih
variabel penjelas. Uji asumsi klasik ini terdiri dari beberapa pengujian yaitu Multikolinieritas
(Multikol), Heteroskedastisitas (Hetero), Autokorelasi, dan Normalitas.

Multikolinieritas

Uji Multikol bisa menggunakan korelasi sederhana yang dilakukan antar variabel penjelas,
dimana rule of thumbs-nya jika nilai koefisien korelasinya lebih besar sama dengan 0.80
maka terdapat multikol antar variabel penjelas tersebut, dan sebaliknya.

Caranya  Klik QUICK/Group Statistics/Correlation lalu masukan seluruh variabel bebas

dalam penelitian anda (harga dan advert) , lalu klik OK

3
Hasil uji multikolinieritas menjelaskan bahwa antara variabel harga dan penggunakan media
iklan tidak terdapat korelasi. Hal ini ditandai dengan koefisien korelasinya sebesar 0.026366
(tidak lebih besar dari 0.80).

Heteroskedastisitas

Hipotesis yang dibangun dalam pengujian Hetero adalah sebagai berikut:

H0 : Tidak terdapat Hetero
H1 : Terdapat Hetero

Pengujian ini umumnya menggunakan uji white heteroskedasticity. Uji ini menggunakan
statistik Chi-Square.

Menerima atau menolak hipotesis awal dilakukan dengan membandingkan nilai prob. Chi-
Square pada Obs*R-square dengan alfa yang dipilih (misalnya 5 persen).

Jika prob lebih besar dari alfa maka menerima hipotesis awal, artinya tidak terdapat hetero.

Cara pengujian ini adalah pada window output regresi, klik VIEW/Residual
Diagnostics/Heteroskedasticity Tests/White

4
5
Pada output uji heteroskedastis (white) di atas, anda hanya perlu melihat tabel bagian atas
yaitu yang terkait dengan Obs*R-squared (4.537390) dan prob. Chi-square(5) (0.4749).
Dengan membandingkan prob. Chi-square dengan alpha yang dipilih maka model ini lolos uji
heteroskedastis, artinya variannya konstan (homoskedastisitas) atau menerima hipotesis
awal.

Autokorelasi

Hipotesis yang dibangun dalam pengujian Autokorelasi adalah sebagai berikut:

H0 : Tidak terdapat Autokorelasi
H1 : Terdapat Autokorelasi

Pengujian ini umumnya menggunakan uji LM. Uji ini menggunakan statistik Chi-Square.

Menerima atau menolak hipotesis awal dilakukan dengan membandingkan nilai prob. Chi-
Square pada Obs*R-square dengan alfa yang dipilih (misalnya 5 persen).

Jika prob lebih besar dari alfa maka menerima hipotesis awal, artinya tidak terdapat
autokorelasi.

Cara pengujian ini adalah pada window output regresi, klik VIEW/Residual Diagnostics/Serial
Correlation LM Test dan memilih panjang lags.

6
7
Uji autokorelasi ini menggunakan statistik Breusch-Godfrey Serial Correlation LM Test.
Berdasar tabel di atas, bagian yang dijadikan acuan adalah tabel bagian atas yang berisikan
Obs*Chi-squared (6.246153) dan Prob. Chi-square(2) (0.0440). Jika membandingkan nilai
prob-nya dengan alpha yang dipilih, model ini lolos uji autokorelasi dengan menggunakan
alpha 1 persen.

Normalitas

Hipotesis untuk Uji Normalitas

H0 : Data terdistribusi normal
H1 : Data tidak terdistribusi normal

Pengujian ini menggunakan statistik Jarque Berra (JB). Menerima atau menolak hipotesis
awal dilakukan dengan membandingkan nilai prob. JB pada output histogram sebelah kanan
dengan alfa yang dipilih (misalnya 5 persen).

Jika prob lebih besar dari alfa maka menerima hipotesis awal, artinya data terdistribusi
normal.

Bisa pula dengan melihat nilai skewness yang sama dengan nol dan kurtosis adalah tiga 
data terdistribusi normal.

Cara pengujian ini adalah pada window output regresi, klik VIEW/Residual
Diagnostics/Histogram-Normality Test.

8
Berdasar hasil uji normalitas, secara umum error yang dihasilkan dalam model ini
terdistribusi normal (lihat prob Jarque-Berra, Skewness, dan Kurtosis-nya).