MAKALAH

KOMPUTER STATISTIK
“ UJI PRASYARAT
(Uji Multikoleniaritas, Uji Heterokedastisitas, & Uji
Autokorelasi) “
Dosen Pembimbing: Azis, S.Pd., M.Pd.

Disusun Oleh:
KELOMPOK 8B

BASRI NAENU (17 221 056)

RISKA AMALIYA HARSI (17 221 038)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS DAYANU IKHSANUDDIN
BAUBAU
2020
 KATA PENGANTAR

Terangkai puja dan segala pujian atas karunia tiada banding, kepada
penguasa tiada tanding, Allah Azza Wa Jalla. Ucapan syukur atas nikmat iman
islam yang mengokohkan taqwa, syukur atas nikmat rasa aman dan persaudaraan,
kesehatan dan kekuatan yang diberikan-Nya, sehingga kami dapat menyelesaikan
makalah yang berjudul “ Uji Prasyarat (Uji Multikoleniaritas, Uji
Heterokedastisitas, & Uji Autokorelasi) ”.
Teriring shalawat, salam, tasbih penuh cinta, kami haturkan kepada sang
juru selamat, nabiullah Muhammad SAW, sebagai sebaik-baik suri tauladan,
contoh, dan panutan bagi seluruh umat manusia.
Sebelumnya kami mengucapkan banyak terima kasih kepada semua
pihak yang telah membantu dalam penyelesaian makalah ini baik berupa ide,
gagasan, buku, maupun sumber-sumber lainnya. Dan tidak lupa pula kami
ucapkan terima kasih kepada Bapak Azis, S.Pd., M.Pd. selaku dosen pembimbing
mata kuliah Komputer Statistik. Harapan kami selaku penulis, semoga makalah
ini dapat bermanfaat khususnya bagi pembaca pada umumnya.

Baubau, 30 April 2020

Kelompok 8B

BauBau, Februari 2019

DAFTAR ISI  

 
iii PENULIS

KELOMPOK D
  

COVER................................................................................................................i
KATA PENGANTAR.......................................................................................ii
DAFTAR ISI.....................................................................................................iii
BAB I PENDAHULUAN..................................................................................1
A. Latar Belakang................................................................................................1
BAB II PEMBAHASAN...................................................................................2
A. Uji Multikoleniaritas....................................................................................2
B. Uji Autokorelasi............................................................................................8
C. Uji Heterokedastisitas................................................................................10
BAB III PENUTUP.........................................................................................21
A. Kesimpulan...................................................................................................21
B. Saran.............................................................................................................21
DAFTAR PUSTAKA......................................................................................22

iv
 BAB I
PENDAHULUAN

A. Latar Belakang
Kata regresi berganda tentunya sudah tidak asing lagi bagi orang yang
berkecimpung distatistik. Dengan melihat hasil computer berupa Uji F dan
Uji T kemudian melihat nilai P value dan menginterpretasikan hasil computer
tersebut dengan menganalisis topik yang sedang diangkat.
Tidak lupa juga peranan R-squared yang mencerminkan model
tersebut sudah menggambarkan secara keseluruhan atau belum dibandingkan
variabel-variabel diluar tersebut (atau disebut dengan error). Namun, sebagian
akademis yang menggunakan alat regresi lupa terhadap prasyarat yang harus
dipenuhi sebelum membaca interpretasi SPSS. Biasanya mereka langsung
melompati tahap input data dan menurun aplikasi dan membacanya tanpa
pernah tahu apakah data yang digunakan sudah layak untuk menggunakan
regresi sebagai alat analisanya.
Berdasarkan berbagai macam sumber, terdapat beberapa asumsi yang
seharusnya dipenuhi untuk regresi berganda. Uji asumsi klasik adalah uji
yang dilakukan sebelum pemrosesan data regresi (baik sederhana atau
berganda) agar persamaan yang dihasilkan memenuhi kaidah Best Linear
Unbias Estimator. Jika uji asumsi klasik tidak dilakukan sebelum pemrosesan
data, persamaan yang dihasilkan diragukan kemampuannya dalam
menghasilkan prediksi yang akurat.
Uji multikoleniaritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antara variable bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variable independen. Jika
variable independen saling berkorelasi, maka variable-variable ini tidak
orthogonal. Uji autokorelasi bertujuan untuk apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka
dinamakan autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lainnya. Uji heterokedastisitas
bertujuan menguji apakah dalam model regresi terjadi ketidak samaan
variance dari residual satu pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengatan lain tetap, maka di sebut
Homoskedastisitas dan jika berbeda di sebut Heterokedastisitas.

1
 BAB II
PEMBAHASAN

A. Uji Multikoleniaritas
Uji multikoleniaritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antara variable bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variable independen. Jika
variable independen saling berkorelasi, maka variable-variable ini tidak
ortogonal. Variable ortogonal adalah variable independen yang nilai korelasi
antar sesama dengan nol. Untuk mendeteksi ada atau tidaknya
multikoloniaritas di dalam model regresi adalah sebagai berikut:
 Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat
tinggi, tetapi secara individu variable-variable independen banyak yang
tidak signivikan mempengaruhi variable dependen.
 Menganalisis matrik korelasi variable-variable independen. Jika antar
variable independen ada korelasi yang cukup tinggi (umumnya diatas
0,09), maka hal ini merupakan indikasi adanya multikoloniaritas. Tidak
ada korelasi yang tingi antar variable independen tidak berarti bebas dari
multikolonialitas. Multikoloniaritas dapat disebabkan karena adanya evek
kombinasi dua atau lebih variable independen.
 Mutikoleniaritas dapat juga dilihat dari (1) nilai toleransi dan lawannya (2)
variance inflation factor (VIF). Kedua ukuran ini menunjukan setiap
variable independen maka yang dijelaskan oleh variable independen
lainnya. Dalam pengertian sederhana setiap variable independen menjadi
variable dependen (terikat) dan diregres terhadap variable independen
lainnya. Toleransi mengukuru variabilitas variable independen yang
terppisah yang tidak dijelaskan oleh variable indepanden lainnya. Jika
ninai toleransi yang rendah VIF tinggi (karena VIF = 1/tolerance). Nilai
cutoff yang umum dipakai untuk menunjukan adanya multikoloniaritas
adalah nilai tolerance ≤ 0,01 atau sama dengan nilai VIF ≥ 10. Setiap
peneliti harus menunjukan tingkat kolonieritas yang masih dapat di tolerir.
Sebagai missal nilai tolerance = 0,10 sama dengan tingkat kolonieritas
0,95. Walaupun multikoloniaritas dapat di deteksi dengan nilai Tolerance
dan VIF, tetap kita masih tetap tidak mengetahui variable-variable
independen manasajakah yang salin berkorelasi.

Ada beberapa metode uji multikolenialitas, yaitu:

1. Dengan Membandingkan Nilai Koefisien Determinasi Individual (r2)
Dengan Nilai Determinan Secara Serentak (R2)

2
 Adapun cara yang ditempuh adalah meregresikan setiap variable
independen dengan variable independen lainnya, dengan tujuan untuk
mengetahui nilai koefisien r2 untuk setiap variable yang diregresikan.
Selanjutnya, nilai r2 tersebut dibandingkan dengan nilai koefisien
determinasi R2. Kriteria mengujiannya sebagai berikut.
 r2 > R2 maka terjadi multikoleniaritas.
 r2 < R2 maka tidak terjadi multikoleniaritas.

Contoh Kasus:
Seoranjg mahasiswa jurusan matematika melakukan penelitian tentang
pengaruh Working capital turnover dan Total asset turnover terhadap
Rentabilitas ekonomi perusahan pada di BEI. Variable Working capital
turnover dan Total asset turnovel sebagai Variable Independent (X1 dan
X2) dan Rentabilitas ekonomi sebagai Variable Dependent (Y). Data-data
yang telah diperoleh sebagai berikut.

No. X1 X2 Y
1 5.60 0.55 0.19
2 2.15 0.49 0.05
3 4.91 0.50 0.13
4 1.15 0.31 0.09
5 3.46 0.37 0.12
6 3.88 0.45 0.18
7 4.20 0.53 0.24
8 2.55 0.26 0.09
9 4.36 0.27 0.16
10 5.97 0.51 0.24
11 3.39 0.39 0.10
12 4.70 0.54 0.17
13 5.23 0.63 0.20
14 4.28 0.52 0.15
15 3.76 0.42 0.09

Langkah-langkah analisis pada SPSS sebagai berikut:

1. Menggunakan input data diatas.
2. Langkah pertama, yaitu mencari Nilai Residual. Caranya klik Analyze >>
Regression >> Linear, selanjutnya kotak dialog Linear Regression akan
terbuka.

3
3. Masukkan Working capital turnover kekotak Dependent, kemudian
Total asset turnover kekotak Independent (s). Seperti gambar berikut.

4. Klik OK. Hasil output Model Summary, seperti gambar berikut.

4
5. Untuk mendapatkan Nilai Koefisien Determinasi (R2), yaitu dengan
meregresikan Working capital turnover dan Total asset turnover
terhadap Rentabilitas ekonomi. Langkah-langkahnya sebagai berikut:

a. Klik Analyze >> Regression >> Linear, selanjutnya kotak dialog

Linear Regression akan terbuka.

b. Masukkan Rentabilitas ekonomi kekotak Dependent, kemudian

Working capital turnover dan Total asset turnover kekotak
Independent (s).

c. Selanjutnya, klik OK. Hasil Output Model Summary, seperti gambar

berikut.

5
 Berikut ini adalah hasil Analisis Multikolenielitas:
Variabel Variabel Nilai r square Nilai R Square
Dependent Independent (s) (r2) (R2)
X1 X2 0,398 -
Y X1 dan X2 - 0,613

Dari table diatas dapat kita tarik kesimpulan bahwa nilai koefisien
r2 yang diperoleh seluruhnya bernilai lebih kecil daripada nilai koefisien
determinasi (R2). Dengan demikian dapat disimpulkan bahwa tidak terjadi
multikolenieritas antar variable independent.

2. Dengan Melihat Nilai Tolerance dan Inflation Factor (VIF) pada

Model Regresi
Cara untuk mengetahui ada atau tidak ada gejala
multikolenieritas antara lain dengan melihat nilai Variance Inflaction
Factor (VIF) dan Tolerance, apabila nilai VIF kurang dari 10 dan
Tolerance lebih dari 0,1; maka dinyatakan tidak multikolenieritas
(Ghozali, 2001).
Langkah-langkah analisis di SPSS sebagai berikut:
 Mengunakan input data seperti pembahasan diatas.
 Langkah pertama, mencari Nilai Residual. Buka kotak dialog
Linear Regression, selanjutnya terbuka kotak dialog seperti pada
gambar berikut.

6
 Masukkan Rentabilitas ekonomi kekotak Dependent, kemudian
Working capital turnover dan Total asset turnover kekotak
Independent (s). Kemudian klik tambol Statistics, seperti gambar
berikut.

 Beri centang pada Callinearity diagnostics, kemudian klik Continue.

Selanjutnya akan kembali kekotak dialog sebelumnya.
 Klik tombol OK. Hasil pada Output Coefficients, seperti pada gambar
berikut.

7
 Dari Output diatas dapat diketahui bahwa nilai Tolerance
kedua variable lebih dari 0,10 dan VIF kurang dari 10, maka dapat
disimpulkan bahwa tidak terjadi multikolinieritas antar variable
independent.

B. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear
ada korelasi antara kesalahan pada periode t dengan kesalahan pengganggu
pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamamakan ada
problem autokorelasi. Autokorelasi muncul karena adanya observasi yang
berurutan sepannjang waktu berkaitan suatu masalah lainnya. Masalah ini
timbul karena residual (kesalahan pengganggu) tidak bebas dari runtut waktu
(time series) karena “gangguan” pada seseorang individu atau kelompok
cenderung mempenaruhi “gangguan” pada individu atau kelompok yang
sama pada periode berikutnya.
Autokorelasi juga merupakan korelasi antar anggota observasi yang
disusun menurut waktu atau tempat. Model regresi yang baik seharusnya
tidak terjadi autokorelasi. Metode pengujian menggunakan uji Durbin-
Watson (DW test). Pengambilan keputusan pada uji Durbin Watson sebagai
berikut:
 DU < DW < 4 - DU maka H0 diterima, artinya tidak terjadi autokorelasi.
 DW < DL atau DW > 4 - DL maka H0 ditolak, artinya terjadi autokorelasi.
 DL < DW < DU atau 4 - DU < DW < 4 - DL, artinya tidak ada kepastian
atau kesimpulan yang pasti.
Nilai DU dan DL dapat diperoleh dari table statistik Durbin Watson.

Langkah-langkah analisis pada SPSS sebagai berikut:

1. Klik Analyze >> Regression >> Linear, selanjutnya kotak dialog Linear
Regression akan terbuka.

8
2. Masukkan Rentabilitas ekonomi kekotak Dependent, kemudian
Working capital turnover dan Total asset turnover kekotak
Independent (s). Kemudian klik tombol Statistics.

3. Beri centang pada Durbin-Watson, kemudian klik Continue, maka akan

kembali kekotak dialog sebelumnya.
4. Klik tombol OK. Hasil pada Output Model Summary, seperti pada
gambar berikut.

9
 Nilai DU dan DL dapat diperoleh dari table statistic Durbin
Watson. Dengan n = 15, dan k = 2 dapat nilai DL = 0,946 dan DU = 1,543.
Jadi nilai 4 - DU = 2,457 dan 4 - DL = 3,054.
Dari output diatas dapat diketahui nilai Durbin-Watson sebesar 1,553.
Karena nilai DW terletak antara DU dan 4 - DU (1,543 < 1,553 < 2,457),
maka H0 diterima, maka tidak ada autokorelasi pada model regresi.

C. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain
tetap, maka disebut Homoskedastisitas dan jika Homoskedastisitas atau tidak
terjadi Heterokedastisitas. Kebanyakan data crossection mengandung situasi
Heterokedastisitas karena data ini menghimpun data yang mewakili bagian
ukuran (kecil, sedang, dan besar). Macam-macam uji heterokorelasi antara
lain adalah dengan Uji Koefisien Korelasi Spearman’s rho, Melihat Pola
Titik-titik pada Grafik Regresi, dan Uji Glejser. Pada materi ini akan dibahas
untuk uji koefisien korelasi Spearman’s rho dan melihat pola titik-titik pada
grafik regresi serta Uji Glejser.

1. Metode Korelasi Spearman’s rho

Pengujian heterokedastisitas menggunakan teknik uji koefisien
korelasi Spearman’s rho, yaitu mengorelasi variable independent dengan
residualnya. Pengujian menggunakan tingkat signifikansi 0,05 dengan uji
dua sisi. Jika korelasi antar variable independent dengan residual didapat
signifikansi lebih dari 0,05 maka dapat dikatakan bahwa tidak terjadi
problem heterokedastisitas.
Langkah-langkah analisis di SPSS sebagai berikut.
Tahap pertama mencari Nilai Residual menggunakan analisis regresi
linear sebagai berikut.
 Klik Analyze >> Regression >> Linear, selanjutnya kotak dialog
Linear Regression akan terbuka.

10
 Masukkan variable Rentabilitas ekonomi kekotak Dependent,
kemudian Working capital turnover dan Total asset turnover
kekotak Independent (s). Lalu klik tombol Save.

 Pada Residuals, beri tanda centang pada Unstandardized kemudian

klik Continue. Maka akan kembali kekotak dialog sebelumnya.
 Klik tombol OK. Hiraukan hasil Output, dan kembali kehalaman
input data. Akan tetapi variable baru dengan nama RES_1

11
 (Unstandardizet residual) akan muncul pada Data View
dipenginputan data, seperti gambar dibawah ini.

Tahap kedua melakukan Analisis Spearman’s rho sebagai berikut.

 Klik Analyze >> Correlate >> Bivariate.

 Selanjutnya kotak dialog Bivariate Correlations akan terbuka.

12
 Masukkan variable Working capital turnover, Total asset turnover,
dan Unstandardizet Residual kekotak Variables. Kemudian beri
tanda centang pada Spearman, dan hilangkan tanda centang pada
Pearson.

 Jika sudah klik tombol OK, maka hasil Output seperti pada gambar
berikut.

13
 Dari hasil Output data diatas dapat dilihat bahwa korelasi
antara Variabel Working capital turnover dan Total asset turnover
dengan Unstandardizet Residual memiliki nilai signifikansi (sig 2
tailed) lebih dari 0,05. Karena signifikansi lebih besar dari 0,05
dapat disimpulkan bahwa tidak terjadi masalah heterokedastisitas.

2. Metode Grafik (Melihat Pola Titik-Titik pada Grafik Regresi)

Dasar kriteria dalam mengambil keputusan, yaitu:
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk suatu
pola tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka terjadi heterokedastisitas.
b. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
Langkah-langkah analisis di SPSS sebagai berikut.
 Klik Analyze >> Regression >> Linear, selanjutnya kotak dialog
Linear Regression akan terbuka.

 Masukkan variable Working caption turnover dan Total asset

turnover kekotak Independent (s), kemudian variable Rentabilitas
ekonomi kekotak Dependent. Jika sudah klik tombol Plots, maka
akan terbuka kotak dialog seperti pada gambar berikut.

14
 Klik *SRESID (Studentizet Ressidual) dan masukkan kekotak Y,
kemudian klik *ZPRED (Standardizet Predictec Value) dan masukkan
kekotak X, kemudian klik tombol Continue, maka akan kembali
kekotak dialog sebelumnya.
 Klik tombol OK, maka hasil pada Output grafik Scatterplot seperti
pada gambar berikut.

Dari Output data diatas diketahui bahwa titik-titik tidak

membentuk pola yang jelas, dan titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y. Jadi dapat disimpulkan bahwa
tidak terjadi masalah heterokedastisitas pada model regresi ini.

15
3. Metode Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variable
independent dengan nilai absolut residualnya. Jika nilai signifikansi antar
variable independent dengan absolut residual lebih dari 0,05 maka tidak
terjadi masalah heterokedastisitas.
Langkah-langkah analisis pada SPSS sebagai berikut:
 Menggunakan input data pada regresi linear berganda.
 Langkah pertama, yaitu mencari nilai Unstandardized residual,
caranya klik Analyze >> Regression >> Linear.

 Pada kotak dialog Regression, masukkan variable Rentabilitas

ekonomi kekotak Dependent, kemudian masukkan variable Working
capital turnover dan Total asset turnover kekotak Independent (s).
Lalu klik tombol Save, maka akan terbuka kotak dialog Linear
Regression: Save.

16
 Pada Residuals, beri tanda centang pada Unstanderdized. Kemudian
klik tombol Continue, maka akan kembali kekotak dialog sebelumnya,
klik tombol OK. Hiraukan hasil Output SPSS, lalu buka kembali Input
data, disini akan bertambah satu variable, yaitu Residual (RES_1).

17
 Langkah selanjutnya mencari Nilai Absolute Residual dari nilai
residual diatas, caranya klik menu Transform >> Compute Variabel.

 Selanjutnya terbuka kotak dialog Compute Variabel, sebagai gambar

berikut.

 Pada data Target Variable, merupakan nama variable baru yang akan
tercipta. Ketikkan ABS_RES (absolute residual). Kemudian klik pada
kotak Numeric Expression, lalu ketikkan ABS (lalu masukkan
variable Unstandardized residual (RES_1) kekotak Numeric
Expression dengan klik tanda penunjuk, kemudian ketik tanda tutup
kurung. Maka lengkapnya akan tertulis ABS (RES_1), perintah ini
untuk menghitung nilai absolut dari residual. Jika sudah klik tombol
OK. Hasil pada Input SPSS seperti pada gambar berikut.

18
 Langkah selanjutnya meregresikan Nilai Variable Independent
dengan Absolut residual. Caranya klik Analyze >> Regression >>
Linear.
 Masukkan variable ABS_RES kekotak Dependent, kemudian
masukkan variable Working capital turnover dan Total asset
turnover kekotak Independent (s).

 Selanjutnya, klik tombol OK. Hasil pada Output Coefficient, seperti

pada gambar berikut.

19
 Dari Output diatas dapat diketahui bahwa nilai signifikansi
kedua variable independent lebih dari 0,05. Dengan demikian dapat
disimpulkan bahwa tidak terjadi masalah heterokedastisitas pada
model regresi ini.

20
 BAB III
PENUTUP

A. Kesimpulan
Uji multikoleniaritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antara variable bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variable independen. Jika
variable independen saling berkorelasi, maka variable-variable ini tidak
ortogonal.
Autokorelasi juga merupakan korelasi antar anggota observasi yang
disusun menurut waktu atau tempat. Model regresi yang baik seharusnya
tidak terjadi autokorelasi. Metode pengujian menggunakan Uji Durbin-
Watson (DW test).
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidak samaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengatan lain tetap,
maka disebut Homoskedastisitas dan jika berbeda disebut Heterokedastisitas.

B. Saran
Demikianlah makalah yang kami buat. Kami menyadari bahwa dalam
penulisan makalah ini masih banyak kesalahan dan kekurangannya. Untuk itu
kritik dan saran yang sifatnya membangun selalu kami harapkan dari
pembaca, agar dalam pembuatan makalah selanjutnya dapat lebih baik.
Semoga makalah ini dapat bermanfaat bagi pembaca.

21
 DAFTAR PUSTAKA

Santoso, Agung Budi. 2018. Tutorial & Solusi Pengolahan Data Regresi.
Surabaya: CV. Garuda Mas Sejahtera.
Ghozali, Imam. 2011. Aplikasi Analisis Multivariate Dengan Program
IBM SPSS. Semarang: Badan Penerbit Universitas Diponegoro.
Priyatno, Duwi. 2014. SPSS 22 Pengolah Data Terpraktis. Yogyakarta:
Andi Yogyakarta.

22