Hillary Netty Habsari - Pengujian Asumsi Klasik
Hillary Netty Habsari - Pengujian Asumsi Klasik
Tahun GDP
2018 5.27
2017 5.1
2016 5
2015 4.9
2014 5
2013 5.6
2012 6
2011 6.2
2010 6.4
2009 4.7
2008 6
Sumber: countryeconomy.com
Keterangan:
BM: BahanMakanan
A. Uji Normalitas
4
Series: Residuals
Sample 2008 2018
Observations 11
3
Mean 6.20E-16
Median -0.021747
Maximum 0.166618
2
Minimum -0.136828
Std. Dev. 0.084423
Skewness 0.320659
1 Kurtosis 2.682129
Jarque-Bera 0.234818
Probability 0.889221
0
- 0 .1 5 - 0 .1 0 - 0 .0 5 0 .0 0 0 .0 5 0 .1 0 0 .1 5 0 .2 0
B. Uji Linieritas
Test Equation:
Dependent Variable: GDP
Method: Least Squares
Date: 10/29/18 Time: 11:37
Sample: 2008 2018
Included observations: 11
Variable Coefficient Std. Error t-Statistic Prob.
C 0.341663 19.77391 0.017278 0.9890
BM 0.373980 3.379309 0.110668 0.9298
MMRT 0.759823 6.495652 0.116974 0.9259
PLGB 0.633660 5.496272 0.115289 0.9269
SANDANG 0.269416 2.415164 0.111552 0.9293
KESEHATAN 0.413839 3.445293 0.120117 0.9239
PRO -0.829305 6.956820 -0.119208 0.9245
TKJ 0.496268 4.303225 0.115325 0.9269
UMUM -2.511216 21.89221 -0.114708 0.9273
FITTED^2 0.207551 0.965021 0.215074 0.8651
R-squared 0.980609 Mean dependent var 5.470000
Adjusted R-squared 0.806090 S.D. dependent var 0.592706
S.E. of regression 0.260999 Akaike info criterion -0.428310
Sum squared resid 0.068121 Schwarz criterion -0.066587
Log likelihood 12.35571 F-statistic 5.618913
Durbin-Watson stat 2.395550 Prob(F-statistic) 0.316979
3
C. Uji Autokorelasi
1. Durbin – Watson = 2,39
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 10/29/18 Time: 11:44
Variable Coefficient Std. Error t-Statistic Prob.
C 0.035593 0.298186 0.119364 0.9244
BM -0.103063 0.647244 -0.159233 0.8995
MMRT -0.160062 0.525916 -0.304349 0.8119
PLGB -0.132090 0.791819 -0.166818 0.8948
SANDANG -0.131367 0.291761 -0.450255 0.7307
KESEHATAN -0.025990 0.119420 -0.217632 0.8636
PRO 0.116336 0.362141 0.321244 0.8021
TKJ -0.156087 0.521715 -0.299180 0.8149
UMUM 0.604472 2.931577 0.206193 0.8705
RESID(-1) -1.603578 2.247059 -0.713634 0.6054
R-squared 0.337430 Mean dependent var 5.92E-16
Adjusted R-squared -5.625704 S.D. dependent var 0.084423
S.E. of regression 0.217308 Akaike info criterion -0.794720
Sum squared resid 0.047223 Schwarz criterion -0.432997
Log likelihood 14.37096 F-statistic 0.056586
Durbin-Watson stat 1.760922 Prob(F-statistic) 0.997706
4
Dari hasil uji autokorelasi, diketahui bahwa nilai probabilitas lebih besar dari
probabilitas 5%, maka hipotesa yang menyatakan pada model tidak terdapat autokorelasi
tidak ditolak. Berarti model empiric lolos dari masalah autokorelasi.
D. Homoskedastisitas
1. Uji White
Langkah-langkah pengujian White:
a. Lakukan estimasi model awaL:
GDP C BM MMRT PLGB SANDANG
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/29/18 Time: 11:58
Sample: 2008 2018
Included observations: 11
Variable Coefficient Std. Error t-Statistic Prob.
C -0.020509 0.701552 -0.029233 0.9793
BM 0.146182 0.125509 1.164715 0.3643
BM^2 -0.008039 0.006720 -1.196291 0.3542
MMRT -0.437790 0.590292 -0.741649 0.5356
MMRT^2 0.036732 0.050913 0.721463 0.5456
PLGB 0.341466 0.398605 0.856652 0.4819
PLGB^2 -0.037162 0.047654 -0.779818 0.5171
5
c. Bandingkan nilai OBS*R2 dengan >> table dengan (df 9 dan =5% )=16,919. Tidak
significant
2. Uji LM ARCH
ARCH Test:
F-statistic 0.424084 Probability 0.533162
Obs*R-squared 0.503418 Probability 0.478002
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/29/18 Time: 12:13
Sample(adjusted): 2009 2018
Included observations: 10 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.076600 0.054603 1.402865 0.1983
RESID^2(-1) 0.224666 0.344995 0.651217 0.5332
R-squared 0.050342 Mean dependent var 0.098858
Adjusted R-squared -0.068365 S.D. dependent var 0.130277
S.E. of regression 0.134657 Akaike info criterion -0.995314
Sum squared resid 0.145060 Schwarz criterion -0.934797
Log likelihood 6.976571 F-statistic 0.424084
Durbin-Watson stat 2.005980 Prob(F-statistic) 0.533162
E. Uji Multikolinieritas
1. Pendekatan Korelasi Parsial
Dependent Variable: BM
Method: Least Squares
Date: 10/29/18 Time: 11:16
Sample: 2008 2018
Included observations: 11
Variable Coefficient Std. Error t-Statistic Prob.
C 0.086351 0.264361 0.326639 0.7654
MMRT -0.737737 0.089799 -8.215410 0.0038
PLGB -1.212107 0.081208 -14.92595 0.0007
SANDANG -0.324995 0.087743 -3.703941 0.0342
KESEHATAN 0.025180 0.103053 0.244336 0.8227
PRO -0.391122 0.191241 -2.045172 0.1334
TKJ -0.745263 0.052201 -14.27689 0.0007
UMUM 4.442543 0.130535 34.03337 0.0001
R-squared 0.999556 Mean dependent var 7.472727
Adjusted R-squared 0.998521 S.D. dependent var 5.170691
S.E. of regression 0.198855 Akaike info criterion -0.237222
Sum squared resid 0.118630 Schwarz criterion 0.052156
Log likelihood 9.304723 F-statistic 965.4608
Durbin-Watson stat 3.377914 Prob(F-statistic) 0.000051
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,99. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas BM,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,996. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “MMRT”,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,99. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “PLGB”,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.
8
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,981. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “Sandang”,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,876. Maka, R2a lebih tinggi dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “Kesehatan”,sehingga dalam model empirik tidak
terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,967. Maka, R2a lebih tinggi dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “PRO”,sehingga dalam model empirik tidak
terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,99. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “TKJ”,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.
Diketahui bahwa R2a mempunyai nilai sebesar 0,98 dan hasil estimasi persamaan
awal dengan R2 = 0,99. Maka, R2a lebih rendah dibandingkan dengan nilai dari R2
pada regresi antar variable bebas “UMUM”,sehingga dalam model empirik dapat
dinyatakan terdapat adanya multikolinieritas.