Bab 3

Uji asumsi klasik

Jenis uji asumsi klaksik

 Normalitas

Distribusi normal merupakan suatu kurva 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.

 Multikolinieritas

Uji multikolinieritas berarti terjadi korelasi yang kuat (hampir sempurna) antar variabel bebas.

Tepatnya multikolinieritas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti,
dan istilah kolinieritas berkenaan dengan terdapatnya satu hubungan linier.

 Heteroskedastisitas

Uji heteroskedastisitas berarti adanya varian dalam model yang tidak sama (konstan).

Variabel yang digunakan untuk memprediksi memiliki nilai yang sangat beragam, sehingga
menghasilkan nilai residu yang tidak konstan.

 Autokorelasi

Uji ini dilakukan untuk mengetahui apakah ada korelasi antara anggota serangkaian data
observasi yang diuraikan menurut waktu (time series) atau ruang (cross section).

Penyebab Munculnya Nilai Ekstrim

 -Kesalahan dalam pengambilan unit sampel.

Cara mengatasi: Mengganti unit sampel.

 -Kesalahan dalam menginput data.

Cara mengatasi: Memperbaiki input data yang salah.

 -Data memang aneh dibanding lainnya.

Cara mengatasi: Tambah ukuran sampel atau dengan membuang data yang aneh tersebut.
Kapan Data Dikatakan Normal?

Uji Normalitas

CARA MENDITEKSI:

 1. Dengan gambar:

Jika kurva regression residualter standarisasi membentuk gambar lonceng.

 2. Dengan angka:

– Uji Liliefors

– Chi Kuadrat (X2)

– Uji dengan kertas peluang normal

– Uji dengan Kolmogornov Smirnov

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.
• Y = -24,7273 + 𝟏, 𝟒𝟕𝟕X

• Ypred = -24,727 + 𝟏, 𝟒𝟕𝟕(𝟐𝟑)

• Resid = 11 – 9.244

• Zresid = (0.512-0.3342)/0.965308

• Zr =(1/5)= 0.2 , (2/5)= 0.4, dst

 • Tabel Z cumu = -1.05 di tabel Z adalah 0.8531

• Luas Z = Karena <0,5 maka luas Z = 1- 0.8531 = 2.0589

• Li = Zt-Zr(t-1) = 0.258 – 0.2 = 0.058

• Jika Lihitung > L tabel maka data berdistribusi normal demikian juga sebaliknya.

Cara Mengatasi Data yang Tidak Normal

• Menambah jumlah data.

• Dibiarkan saja tetapi kita harus menggunakan alat analisis yang lain.

• Menghilangkan data yang dianggap sebagai penyebab data tidak normal.

• Melakukan transformasi data menjadi Log atau LN atu bentuk lainnya.

Uji Multikolinieritas

PENYEBAB

• Karena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-sama
sepanjang waktu.

• Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.

Uji Non-Multikolinieritas

Cara mendeteksi:

• 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.

Pengujian Manual VIF

• Hitung nilai korelasi antar varibel bebas (r)

• Kuadratkan nilai korelasi antar variabel bebas (r2).

• Hitung nilai tolenrance (Tol) dengan rumus (1-r2).

• Hitung nilai VIF dengan rumus 1/TOL

• Jika VIF < 10, maka tidak terjadi multikolinier.

𝑛(∑XY)−(∑X)(∑𝑌)
r=
√𝑛(∑X2 )−(∑X)2 √𝑛(∑Y2 )−(∑𝑌)2

5(637)−(104)(30)
r= = 0,007
√5(2172)−(104)2 √5(218)−(30)2

𝑟 2 = 0,000049

TOL = 1-𝑟 2 = 1-0,000049 = 0,999951

VIF = 1/TOL = 1/0,999951 = 1,000049

• Jika VIF < 10, maka tidak terjadi multikolinier.

CARA MENGATASI MULTIKOLINIER

• Memperbesar ukuran sampel

• Memasukan persamaan tambahan ke dalam model.

• Menghubungkan data cross section dan data time series.

• Mengeluarkan suatu variabel dan bias spesifikasi.

• Transformasi variabel.

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.

Langkah-Langkah Metode Glejser

• Cara 1

Regresikan variabel bebas (X) terhadap variabel tergantung (Y).

• Cara 2

Hitung nilai prediksinya

 • Cara 3

Hitung nilai residualnya

• Cara 4

Multakan nilai residualnya

• Cara 5

Regresikan variabel bebas terhadap nilai mutlak residualnya.

• Cara 6

Jika signifikan berarti terjadi gejala heteroskedastisitas dan sebaliknya jika tidak signifikan
berarti tidak terjadi gejala heteroskedastisitas.

• Resid = -427,50 + 20,553𝑋

• Residpred = -427,50 + 20,553(23) =-45,219

• Y = -24,727 + 1,477X

• Ypred = -24,727 + 1,477(23)

• Jauh, jadi ada gejala heteroskedastisitas

Cara Mengatasi Heteroskedastisitas

• Tambah jumlah pengamatan.

 • Tranformasikan data ke bentuk LN atau Log atau bentuk laiannya.

Uji Autokorelasi

• Adanya kelembaman waktu

• Adanya bias spesifikasi model

• Manipulasi data

3 Hal ini yang menyebabkan harus ada uji otokorelasi dan jenis pengujiannya:

• Uji Durbin Watson

• Uji Lagrange Multiplier

• Uji Breusch-Godfrey

Langkah-Langkah Uji Durbin-Watson

• Regresikan variabel bebas (X) terhadap variabel tergantung (Y).

• Hitung nilai prediksinya dan residualnya

• Kuadratkan nilai residualnya.

• Lag-kan satu nilai residualnya.

• Kurangkan nilai residual dengan Lag-kan satu nilai residualnya.

 Hasil perhitungan diatas masukan kedalam rumus Durbin-Watson

e = Y-Ypred = 11-9.244 = 1.756

𝑒 2 = 0.5212 = 0.271441

et-1 = e mundur 1 periode

(e-et-1) = -1.299 - 0.521 = -1.82

(𝑒 − 𝑒𝑡 − 1)2 = −1.822 = 3.3124

Σ(𝑒−𝑒𝑡−1)2 16.4015
DW= Σ𝑒 2
= 9.563485 = 1,715012