NAMA : RANDIKA WIRAJAYA

NIM : 1730602217

UAS MATA KULIAH EKONOMETRIKA

PRODI : EKONOMI SYARIAH

1. Perbedaan lima jenis uji asumsi klasik

a. Uji Normalitas
adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. uji
normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai
residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan
pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan
normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.
Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi
Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov.
b. Uji Linerlitas
Uji linearitas dipergunakan untuk melihat apakah model yang dibangun
mempunyai hubungan linear atau tidak. uji linearitas tidak dapat digunakan untuk
memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji
linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel
yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada.
Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange
Multiplier.
c. Uji Multikolinearitas
Uji multikolinearitas adalah untuk menguji apakah pada model regresi ditemukan
adanya korelasi antar variabel independen. Jika terdapat atau terjadi korelasi, maka
dinamakan terdapat problem multikolinieritas (multiko). Model regresi yang baik
seharusnya tidak terjadi kerelasi di antara variabel independen. Jika ada korelasi yang
tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas
terhadap variabel terikatnya menjadi terganggu.
Alat statistik yang sering dipergunakan untuk menguji gangguan
multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson
antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index
(CI).
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi atau terdapat ketidaksamaan varians dari rersidual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari nilai residual dari satu pengamatan ke
pengamatan yang lain tetap, maka disebut dengan Homokedastisitas. Dan jika
varians berbeda dari satu pengamatan ke pengamatan yang lainnya, maka
disebut Heteroskedastisitas. Menurut Singgih Santoso dalam bukunya yang
 berjudul Buku Latihan SPSS Statistik Parametrik, menyabutkan bahwa model regresi
yang baik adalah yang tidak terjadi Heteroskedastisitas, atau dengan kata lain model
regresi yang baik adalah yang Homokedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan
memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model
yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul
di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian
menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji
White.
e. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi.
Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak
perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran
semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi
pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun
biasanya memerlukan uji autokorelasi.
Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji
dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji
Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi
adalah dengan mentransformasikan data atau bisa juga dengan mengubah model
regresi ke dalam bentuk persamaan beda umum (generalized difference equation).

2. Langkah-langkah uji asumsi klasik normalitas dan linierlitas dengan aplikasi spss
a. Normalitas
Kasus:
Seorang peneliti ingin menguji asumsiheteroskedastisitas dari variabel Kinerja
Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi (X2) dan Kepemimpinan
(X3).

Langkah-Langkah:
1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.
2) Pilih menu Analyze kemudian submenu Regression, lalu pilih Linear.
 3) Tampak di layar menu Linear Regression

· Pada kotak Dependent isikan variabel Y

· Pada kotak Independent isikan variabel X1, X2 dan X3
· Pada kotak Method pilih Enter

4) Pilih Plots di menu kemudian akan muncul tampilan Windows Linear

Regression: Plots
· Aktifkan pilihan Histogram dan Normal probability plot
· Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output
 Dengan melihat tampilan grafik Histogram maupun grafik Normal P-Plot of
Regression Standardized Residual dapat disimpulkan bahwa grafik histogram memberikan
pola distribusi yang normal. Sedangkan pada grafik normal plot, terlihat titik-titik menyebar
disekitar garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi
asumsi normalitas. Jadi dapat disimpulkan bahwa model regresi pada penelitian ini memenuhi
syarat untuk menjadi model regresi yang baik karena merupakan model regresi yang memiliki
distribusi data normal atau mendekati normal.

b. Linierlitas

cara melakukan uji linearitas dapat dilakukan dengan 2 cara dengan menggunakan
aplikasi SPSS, yaitu dengan fungsi “Scatter Plot Graph” dan fungsi “Compare Means”.

Kita coba cara melakukannya dengan menggunakan fungsi “Compare Means”.

Buka aplikasi SPSS anda dan isikan data dengan skala data interval atau numerik sebanyak
20 sample pada 2 variabel yaitu X dan Y. Data tersebut seperti contoh di bawah ini:
 Pada menu, klik Analyze, Compare Means, Means. Isikan Y ke kotak Dependent
List dan Isikan X ke kotak Independen List.

Klik Tombol Options dan centang Test of Linearity.

Lihat Output.
 Output

Linearitas Regresi SPSS

Interprestasinya adalah: lihat kolom Sig. pada baris Linearity di Table Anova, jika
nilainya < 0,05 maka bersifat linear sehingga dapat disimpulkan memenuhi syarat linearitas.
Bagaimana melakukannya dengan fungsi “Scatter Plot”? Caranya mudah, yaitu pada menu,
pilih Chart Builder, pada Tab Gallery pilih Scatter/Dot, Masukkan X ke Axis X dan
Masukkan Y ke Axis Y, kemudian tekan OK.Lihat pada output: Jika plot-plot yang ada
mengikuti garis fit line, maka terdapat hubungan linear.

Cara pengujian dengan metode grafik seperti ini memberikan interprestasi dan tentunya
kesimpulan yang sangat bervariatif antar orang yang melakukan interprestasi, sehingga sangat
subjektif. Oleh karenanya pengujian ini tidak dianjurkan.
3. Hitungan menggunakan aplikasi spss
 HASIL PENGUJIAN:
Uji T
1. Jika nilai sig<0,05 atau t terhitung> t tabel maka terdapat pengaruh variable X terhadap
variable Y
2. Jika nilai sig>0,05 atau t hitung < t tabel maka tidak terhadap pengaruh variable X
terhadap Y
t tabel = t(α/2 : n-k-1)= t(0,025 : 9)=2,262
UJI F
Diketahui Nilai Sig. Uji F 0,144>0,05 Maka Hipotesis Ho Di Diterima, Artinya Menolak
Hipotesis Ha, Yaitu Secara simultan ( bersama-sama) variable independen tidak berpengaruh
terhadap variable dependen
UJI T
Pengujian secara parsial:
1. Pengujian terhadap pengaruh makan ikan terhadap berat ikan
Diketahui nilai sig. 0,402>0,05 maka hipotesis Ho diterima, artinya secara parsial
variable makan ikan(x1) tidak berpengaruh terhadap variable berat ikan (Y)
 2. Pengujian terhadap pengaruh panjang ikan terhadap berat ukan
Diketahui nilai sig. 0,439>0,05 maka hipotesis Ho diterima artinya menerima hipotesis
Ha, yaitu secara parsial variable panjang ikan (x2) berpengaruh signifikasi terhadap variabel
berat ikan (Y).

4) Contoh:
Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem
Simultan
Persamaan Simultan Model Pendapatan Nasional
Pada penelitian ini mnggunakan empat persamaan struktural dan dua persamaan identitas.

Tabel 2.
Identifikasi Order dan Rank Condition

Persamaan m k K Ra Identifik
nk asi
Konsumsi over
Rumah 2 3 13 5 identif
Tangga ied
over
Investasi 2 4 13 5
identifie
d
over
Ekspor 2 3 13 5
identifie
d
Impor 2 4 13 5 over
identif
ied

Berdasarkan Tabel 2 menunjukkan bahwa keempat model struktural merupakan persamaan

yang overidentified sehingga dapat dilanjutkan dengan mengestimasi menggunakan persamaan
simultan.
Nilai R-square system sebesar 98,16%. Hal ini menunjukkan bahwa variabel eksogen mampu
menjelaskan variabel endogen dalam sistem sebesar 98,16%. Persamaan yang dibentuk
menunjukkan sistem yang dalam membentuk pendapatan nasional dari sisi pengeluaran. Hasil
penaksiran diperoleh sebagai berikut.

Tabel 3.
Hasil Estimasi Parameter Persamaan Konsumsi Rumah Tangga

ParameterElastisitasElastisit
Varia D Estimate jangka as P-
ble F pendek jangka value
panjang
Interc 1 - 0,008
ept 265,29 9
 5
YD 1 0,3119 0,367 5,920 0,006
69 4*
CRTt- 1 0,9380 <0,00
1 20 01*
*nyata di taraf 0,5%
Hasil dari estimasi untuk persamaan diketahui bahwa konsumsi rumah tangga dipengaruhi
oleh pendapatan disposabel dan konsumsi rumah tangga sebelumnya. Variabel pendapatan
disposibel dan konsumsi rumah tangga sebelumnya signifikan pada taraf 5%. Persamaan model
estimasi antara konsumsi rumah tangga dengan variabel eksogennya adalah.
𝐶𝐶𝐶 = −265,295 + 0,312𝐶𝐶 + 0,938𝐶𝐶𝐶𝐶−1 (17)
Elastisitas jangka pendek pendapatan disposibel terhadap konsumsi rumah tangga sebesar
0,3 atau inelastis. Elastisitas jangka panjang pendapatan disposibel sbesar 5,92 atau cukup
elastis.
Tabel 4.
H il ameter Persam
as Estimasi
Pa
Paramet Elastisit Elastisit
Variab DF er as as P-
le jangka jangka value
Estimat pendek panjan
e g
Interce 1 65,99 0,291
pt
426 4
Y 1 0,059 0,230 1,00 0,420
620 3 2
SB 1 - -0,137 - 0,0361
4,096 0,59 *
09 8
It-1 1 0,770 0,0025
655 *

Hasil dari estimasi untuk persamaan investasi diketahui bahwa investasi dipengaruhi oleh
pendapatan nasional, suku bunga, dan investasi sebelumnya. Variabel suku bunga dan investasi
sebelumnya signifikan pada taraf 5%, sedangkan variabel pendapatan nasional tidak signifikan.
Persamaan model estimasi antara investasi dengan variabel eksogennya adalah.
𝐶 = 65,994 + 0,060𝐶 − 4,096𝐶𝐶 + 0,771𝐶𝐶−1 (18)
Pendapatan nasional berpengaruh positif terhadap investasi, jika pendapatan nasional naik
sebesar Rp 1 triliun maka investasi akan naik sebesar Rp 0,06 triliun. Suku bunga berpengaruh
negatif terhadap investasi, jika suku bunga naik 1% maka investasi akan turun sebesar Rp
4.1 triliun. Elastisitas jangka pendek dan jangka panjang untuk variabel suku bunga terhadap
investasi yaitu sebesar
-0,137 dan -0,598.
Berdasarkan Tabel 5 diketahui bahwa ekspor dipengaruhi oleh kurs dan investasi. Semua
variabel prediktor signifikan pada taraf 5% dengan ekspor.

Tabel 5.
 Hasil Penaksiran Parameter Persamaan Ekspor

Paramet ElastisitasElastisit
Varia DF er jangka as P-
ble Estima pendek jangka value
te panjang
Interc 1 - 0,000
ept 237,1 3*
75
I 1 1,812 0,9 - <0,00
152 82 01*
e 1 0,031 0,3 - <0,00
809 54 01*
*nyata di taraf 0,5%

Ekspor dipengaruhi oleh investasi dan nilai tukar rupiah terhadap dollar. Variabel investasi
dan nilai tukar rupiah terhadap dollar signifikan pada taraf 5%, Persamaan ekspor terhadap
variabel eksogennya adalah.
𝐶= −237,175 + 1,812𝐶 + 0,032𝐶 (19)
Investasi mempunyai pengaruh yang besar terhadap ekspor, semakin tinggi nilai investasi
maka semakin tinggi juga nilai ekspor. Setiap nilai investasi naik Rp 1 triliun maka nilai ekspor
naik sebesar Rp 1,812 triliun. Nilai tukar rupiah berpengaruh positif terhadap ekspor Indonesia.
Setiap nilai tukar rupiah naik Rp 1 maka ekspor naik sebesar Rp 0,032 triliun. Nilai ekspor
sebelumnya tidak dimasukkan karena tidak signifikan terhadap ekspor atau dengan kata lain
tidak ada pengaruh nilai ekspor sebelumnya terhadap nilai ekspor sekarang.
Tabel 6.
Hasil Penaksiran Parameter Persamaan Impor
pende panjan
k g
Interce 1 - 0,1692
pt 95,331
4
Y 1 0,33099 0,853 1,314 0,0004
8 *
e 1 - -0,010 -0,016 0,9046
0,00073
Mt-1 1 0,35137 0,0294
6 *
*nyata di taraf 0,5%

Berdasarkan Tabel 6 impor dipengaruhi oleh pendapatan nasional, nilai tukar, dan impor
sebelumnya. Variabel pendapatan nasional dan impor sebelumnya
 signifikan pada taraf 5%, sedangkan variabel nilai tukar tidak signifikan. Persamaan model
impor sebagai berikut.
𝑀 = −95,331 + 0,331𝑀 − 0,001𝑀 + 0,351𝑀𝑀−1 (20)
Pada persamaan impor menunjukkan bahwa pendapatan nasional mempunyai pengaruh
positif terhadap nilai impor. Setiap kenaikan pendapatan nasional sebesar Rp 1 triliun maka
impor akan naik sebesar Rp 0,331 triliun. Elastisitas jangka pendek pendapatan nasional
terhadap impor sebesar 0,853 artinya setiap kenaikan pendapatan nasional sebesar 10 persen
maka impor akan naik 8,53 persen. Dalam jangka panjang apabila kenaikan pendapatan nasional
sebesar 10 persen maka impor akan naik sebesar 13,14 persen.