1
Materi
Uji Asumsi Klasik
– Normalitas
– Multikolinieritas
Uji Asumsi Klasik
– Heteroskedastisitas
– Linieritas
– Outokorelasi
2
Yang Dimaksud dengan Kurva
Normal
Distribusi normal merupakan suatu
kurve berbentuk lonceng.
Penyebab data tidak normal, karena
3
Penyebab Munculnya Nilai
Ekstrim
1. Kesalahan dalam pengambilan unit sampel.
Cara mengatasi: Mengganti unit sampel.
1. 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.
4
Kapan Data Dikatakan Normal
-2,58 0 2,58
Pada α=0,01
-1,96 0 1,96
Pada α=0,05
5
Berikut ini manakah data yang
Ekstrim
Ekstrim Ektrim
Rendah Tinggi
-2,58 0 2,58
xi − x 50.000 − 63.333
Z= = = −0439
δ 31.734
6
UJI NORMALITAS
PENGERTIAN UJI NORMALITAS
Uji normalitas di maksudkan untuk
mengetahui apakah residual
terstandarisasi yang diteliti berdistribusi
normal atau tidak.
7
Uji Normalitas
CARA MENDITEKSI:
1. Dengan gambar:
Jika kurva regression residual
terstandarisasi membentuk gambar
lonceng.
2. Dengan angka:
– Uji Liliefors
– Chi Kuadrat (X2)
– Uji dengan kertas peluang normal
– Uji dengan Kolmogornov Smirnov
8
Uji Normalitas
Uji normalitas dapat dilakukan secara:
– Univariate
Dilakukan dengan menguji normalitas pada
semua variabel yang akan dianalisis.
– Multivariate
Dilakukan dengan menguji normalitas pada nilai
residual yang telah distandarisasi.
9
Contoh Kasus
10
Manual Liliefors
Buat persamaan regresinya
Mencari nilai Prediksinya
Cari nilai residualnya
Stadarisasi nilai residualnya
Urutkan nilai residual terstandarisasi dari yang
terkecil sampai yang terbesar.
Mencari nila Zr relatif komulatif.
Mencari nila Zt teoritis berdasarkan tabel Z
Mengihitung selisih nilai Zr dengan Zt atau (Zr-Zt-
1) dan diberi simbol Li hitung
Bandingkan nilai Li hitung dengan tabel Liliefors.
Jika Lihitung > L tabel maka data berdistribusi 11
normal demikian juga sebaliknya.
Pengujian Manual
Y =2,553-1,092X1+1,961X2
Ypred =2,553-1,092(2) +1,961(3) = 6,252
Resid = 5-6,252
Zresid = (-1,252—0,002)/1,042 = -1,200
Zr = (1/10) = 0,1, (2/10) = 0,2, dts
Tabel Z cum = 1,20 ditabel Z = 0,885
Luas Z = Karena < 0,5 maka Luas Z = 1-0,858 =0,142
Li = Zt-Zr(t-1) = 0,142-0,10=0,042
12
Pengujian Normalitas Dengan SPSS
Memunculkan Nilai Residual Terstandarisasi
Buka file : Data_Regresi_1
Analyze → Regression → Linear...
Masukan variabel Y → pada kotak Dependent
X1, X2, → pada kotak Independent
Save…: ⇒ pada kotak Residual : klik Standardized → Continue
13
Memunculkan Nilai Residual Uji Komogornov Smirnov
Terstandarisasi
14
Output Kolmogornov
Smirnov
One-Sample Kolmogorov-Smirnov Test
Karena Nilai Sig. >
Standardized
Residual
0,05 maka tidak
signifikan.
N 10
Normal Parameters a,b Mean 5.960465E-09
Std. Deviation .8819171
Most Extreme
Differences
Absolute
Positive
.297
.257
Tidak siginifikan
Kolmogorov-Smirnov Z
Negative -.297
.940
berarti data relatif
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
.340
sama dengan rata-
b. Calculated from data.
rata sehingga
disebut normal.
15
Cara Mengatasi Data yang Tidak
Normal
Menambah jumlah data.
Melakukan transformasi data menjadi
16
UJI MULTIKOLINIERITAS
PENGERTIAN
Uji multikolinieritas berarti terjadi korelasi
17
Uji Multikolinieritas
PENYEBAB
Karena sifat-sifat yang terkandung
18
Uji Non-Multikolinieritas
Cara menditeksi:
1. Dengan melihat koefesien korelasi antar
variabel bebas:
Jika koefesien korelasi antar variabel bebas
≥ 0,7 maka terjadi multikolinier.
2. Dengan melihat nilai VIF (Varian Infloating
Factor):
Jika nilai VIF ≤ 10 maka tidak terjadi
multikolinier.
19
Contoh KasusMultikolinieritas
20
Pengujian Manual VIF
21
Pengujian Manual VIF
22
Pengujian Multikolinier Dengan SPSS
23
Output:
24
CARA MENGATASI MULTIKOLINIER
25
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, sehingga
menghasilkan nilai residu yang tidak konstan.
26
Uji Heteroskedastisitas
CARA MENDITEKSI:
1. Dengan Uji Park
Yaitu dengan meregresikan variabel bebas
terhadap nilai log-linier kuadrat.
2. Dengan Uji Glejser
Yaitu dengan meregresikan variabel bebas
terhadap nilai residual mutlaknya.
3. Dengan Uji Korelasi Rank Spearman
Mengkorelasikan nilai residual dengan variabel
bebas dengan menggunakan Rank-spearman.
27
Contoh Kasus Heteroskedastisitas
28
Langkah-Langkah Metode Glejser
33
Meregresikan variabel bebas terhadap
Nilai Mutlak Residual
• X1 tidak signifikan karena p-value > 0,05 sehingga X1 tidak terjadi gejala
heteroskedastisitas.
• X2 signifikan karena p-value < 0,05 sehingga X2 terjadi gejala
heteroskedastisitas.
34
Cara Mengatasi Heteroskedastisitas
Tambah jumlah pengamatan.
Tranformasikan data ke bentuk LN
35
UJI NON-AUTOKORELASI
PENGERTIAN
Uji ini dilakukan untuk mengetahui apakah ada
36
Uji Otokorelasi
PENYEBAB:
Adanya kelembaman waktu
Manipulasi data
37
Uji Otokorelasi
Uji Durbin Watson
Uji Lagrange Multiplier
Uji Breusch-Godfrey
38
Contoh Kasus Otokorelasi
39
Langkah-Langkah Uji Durbin-Watson
40
Perhitungan Manual Durbin Matson
e = Y-Ypred = 5-6,252=-1,252
e2 = = -1,2522= 1,568
et-1 = e mundur 1peiode
e-et-1 = 0,879-(-1,252) = 2,131
DW =
∑ (e − e t −1 )2
=
33,104
= 3,386
∑e 2
(e-et-1)2 = 2,131 = 4,541 t
9,777
41
Kriteria Pengujian
1,641
Tabel Durbin Watson
Tanpa
Tanpa dk =k,n
Kesimpulan
Kesimpulan
K=2 dan n=10
Tidak ada
Otokorelas
i+ Otokorelas
Otokorelas
i–
dL = 0,697
dL dU 2 4 – dU 4 – dL
i
0,697 1,641 2,359 3,303 dU = 1,641
3,386 4-dU = 2,359
4-dL = 3,303
42
Pengujian Otokorleasi Dengan SPSS
Memunculkan Nilai Residual
Buka file : Data_Regresi_1
Analyze → Regression → Linear...
Masukan variabel Y → pada kotak Dependent
X1, X2, → pada kotak Independent
Klik Statistics…:
Pada Residual pilih Durbin Watson
Klik Continue
Abaikan pilihan yang lain → OK
43
Proses Analisi Surbin Watson dengan
SPSS
44
Output Uji Durbin Watson
45
Jika diketahui Junmlah Variabel bebas
3, pengamatan 20, dan diperoleh nilai
durbin watson sebesar 2,354.
Ujilah apakah terjadi gejala
outokorelasi ?
Gunakan gambar untuk menguji !
46
UJI LINIERITAS
47
Langkah Analsis MWD
Regresikan variabel bebas terhadap variabel
tergantung dengan regresi linier dan tentukan Ypred1
Tranformasikan semua variabel ke dalam bentuk
Ln, dan kemudian regresikan Ln variabel bebas
terhadap Ln variabel tergantung dan tentukan Ypred2.
Tentukan Z1= (Ln Ypred1 - Ypred2.).
Regresikan variabel bebas dan Z1 terhadap Y,
jika Z1 sigifikan maka tidak linier.
Tentukan Z2 = (antilogPred2-YPred1)
Regresikan variabel bebas dan Z2 terhadap Y,
jika Z2 sigifikan maka linier.
48
Pengujian Linieritas Dengan SPSS
Memunculkan Nilai Residual
• Buka file : Data Regresi_1
• Analyze → Regression → Linear...
• Reset..
• Masukan variabel Y → pada kotak Dependent
X1, X2, → pada kotak Independent(s)
• Plots… : ⇒ pada Y : → diisi : ZRESID
X : → diisi : ZPRED → Continue.
• OK
49
Proses Uji Linieritas dengan SPSS
Scatterplot
Dependent Variable: Y
1,0
0,0
-,5
-1,0
-1,5
-3 -2 -1 0 1 2
50
Bagiamana Kalau tidak Linier ?
Jika hasil tidak linier tinggal ganti
dengan persamaan non linier.
51