Scribd Logo
Unggah

Selamat datang di Scribd!

  • Potongan Buku Ghozali

    Diunggah oleh

    felicia indrawati
    8K tayangan19 halaman

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    PDF atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Laporkan Dokumen Ini

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    8K tayangan19 halaman

    Potongan Buku Ghozali

    Diunggah oleh

    felicia indrawati

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    dari 19
    ee Badan Penerbit Universitas Diponegoro Dipindal dengan CamScanner YOR CRE VOTE as TTT ye) fre TU IBM SPSS 25 Prof.H.Imam Ghozali, M.Com, Ph.D, CA, Akt Fakultas Ekonomika dan Bisnis Universitas Diponegoro Semarang ISBN: 979-704-015-1 Badan Penerbit Universitas Diponegoro Dipindai dengan CamScanner ay Prof.H.imam Ghozali, M.Com, Ph.D, CA APLIKASI ANALISIS MULTIVARIATE Dengan Program IBM SPSS 25 Edisig ISBN: 979.704.015.1 @ 2018 Badan Ponerbit - Undip 1x, 490 hal, 168 X 240 mm Lay-out/ Setting : Abadi Tejokusumo Desain Cover : Abadi Tejokusumo Hak Cipta dillndung! oleh Undang-Undang _ Ditarang mengutip, memperbanyak, dan mengedarkan sebagian atau Seluruh isi buku ini tapa zn tertuis dari penerbit. Cetakan! Juli 2001 Cetakan ll: Agustus 2002 Cetakan Il: Januari 2005 Cetakan IV. : Oktober 2006 April 2007 ‘April 2009 CetakanV : April 2011 Cetakan Vi_: September 2012 Cetakan Vil : Juli2013. 9 SSS Cetakan Vil ganar 2016 > Gehan ik Febuan oid TB Sani ndang-Undang-Hak Cipta (Undang-Undang No. 19 Tahun 2002) 1. Barang siapa dengan sengaja dan tanpa hak melakukan perbuatan sebagaimana dimaksud dalam Pasal 2 ayat (1) dipidana penjara masing-masing paling singkat 1 (satu) bulan darvatau denda paling sedikt Rp. 1.000.000,00 (satu juta rupiah), atau pidana penjara paling lama 7 (tujuh) tahun dan /atau denda paling banyak Rp. 5.000.000.000,00 (lima miliar rupiah). 2. Barang siapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual kepada umum suatu ciptaan atau barang hasil pelanggaran Hak Cipta atau Hak Terkait sebagaimana dimaksud pada ayat (1) dipidana dengan pidana penjara paling lama 5 (lima) tahun darvata ‘denda paling banyak Rp. 500,000.000,00 (ima ratus juta rupiah), i eee a EKONOMETRIKA Teori, Konsep dan Aplikas! dengan IBM SPSS 24 Dipindai dengan CamScanner ——— KATA PENGANTAR EDISI9 buku Aplikasi Analisis Multivariate dengan Program IBM SPSS ini telah i rekor penjualan yang sangat signifikan. Bahkan buku ini telah re eiidi Perguruan Tinggi Negeri maupun Perguruan Tinggi Swasta di se- dina donesia, Sebagai dampaknya muncul buku tidak orisinal berupa foto ae yang dijual di laman Tokopedia dan Bukalapak. “Untuk menghindari pembajakan berupa foto copy, maka perlu adanya revisi dalam buku ini, Saat ini program spss yang dipakai adalah versi 25 {lan beberapa halaman secara acak diberi warna yang tidak dapat difoto copy, Bab 20 yang membahas Partial Least Square Regression dihilangkan karena kesulitan menggunakan program spss yang harus dilengkapai dengan model Regressi Partial Least Square. Bab 20 diganti dengan bab baru yan memba- has loglinear yang lebih relevan dengan multivariate statistik yaitu membahas hubungan antar variabel yang bersifat nominal atau kategorikal. CD suplemen tidak berisi program IBM SPSS 25 karena copywrite se- hingga pembaca diminta untuk menginstall sendiri. CD berisi data dalam ben- tuk excel maupun SPSS say yang digunakan dalam analisis dengan harapan pembaca dapat mengikuti sendiri sambil membaca buku ini, Disamping itu juga berisi Script dan syntax yang diperlukan, Buku ini masih jauh dari sempuma sehingga diperlukan masukan dari sidang pembaca dan akhirul kalam selamat membaca. Semarang, Maret 2018 Prof. H. Imam Ghozali, M.Com, Ph.D, C.A, Akt Email: ghozali_imam@vahoo.com imam_ghozali@undip.ac.id hozalimm4@gmial.con Mailing-list: yahoogroups.com/group/Multivartiate_ SEM yahoogroups.com/group/Statistik-Indonesia Website: www.imamghozali.com "Fe DAFTARISI Dipindai dengan CamScanner : The age of head in years. : The labor market experience of the head in years. EXP :AGE-ED- MONTHS — : The numbers of months during which the head worked. RACE : The race of the head, coded | for whites and 2 for blacks. The region of residence. coded | for Northeast, 2 for Northcentral, 3 for South, and 4 for West. EARNS —; The wage and salary earnin thousand of Dollai INCOME — : The total income of the family members expr thousand of dollars. WEALTH; The wealth of the thousand of dollars. s of the head expressed in din nily on December 31, 1962. in SAVING — : The saving (flow) of the family, in thousand of dollars. ID : The observation number, repeated as a variable for convenience. Jenis data kedua yang akan digunakan dalam buku ini adalah data runtut waktu permintaan uang dari tahun 1984 sampai tahun 1997 secara kuartalan (Firmansyah, 2000) tersimpan pada file timeseri.xls dengan variabel pengamatan sebagai berikut: MSC Jumlah Uang GDPR + Pendapaan ni R + Tingkat suku bunga dalam negeri. RF + Tingkat suku bunga luar nege 2.2.1 Statistik Deskiptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi). Untuk memberikan gambaran analisis statistik deskiptif, berikut in akan kita analisis variabel gaji kepala keluarga (EARNS). Langkah Analisis: a. Buka file CROSSECL.als det b. Dari menu utama SP he menu Analyze kemudian pilih sub-menu Deseriptive Statistic ,talu pilih Descriptives. aampak di layar tampilan windows Deseriptives in perintah File/Open/Data. PENGENALAN PROGRAM SPSS, APLIKASI STATISTIK DESKRIPTIF DAN CROSSTABS 19 ~ Dipindai dengan CamScanner es 3.3 Data Outlier 3 saith melakukan transformasi untuk mendapatkan normalitas data langkah screening berikutnya yang harus dilakukan adalah mendetcksi adanya data outlicr. Outlier adalah kasus atau data yang penile karakteristik unik yang terlihat sangat berbeda Jauh dari ol eras observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi. Ada empat penyebab timbulnya data outlier: (1) kesalahan dalam meng-entri data, (2) gagal menspesifikasi adanya missing value dalam program komputer, @) outlier bukan merupakan anggota populasi yang kita ambil sebagai sampel, dan (4) outlier berasal dari populasi yang kita ambil sebagai sampel, tetapi distribusi dari variabel dalam populasi tersebut memiliki nilai ekstrim dan tidak terdistribusi secara normal. Deteksi terhadap univariate outlier dapat dilakukan dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier yaitu dengan cara mengkonversi nilai data kedalam skor standardized atau yang biasa disebut z-score, yang memiliki nilai means (rata-rata) sama dengan no! dan standar deviasi sama dengan satu. Menurut Hair (1998) untuk kasus sampel kecil (kurang dari 80), maka standar skor dengan nilai 2 2.5 dinyatakan outlier. Untuk sampel besar standar skor dinyatakan outlier jika nilainya pada kisaran 3 sampai 4. Jika standar skor tidak digunakan, maka kita dapat menentukan data outlier jika data tersebut nilainya lebih beasr dari 2.5 standar deviasi atau antara 3 sampai 4 standar deviasi tergantung dari besarnya sampel. Data yang akan kita deteksi outliemya adalah data yang sudah kita screening normalitasnya, , jadi dalam hal ini adalah variabel SQREARNS dan SQRWEALT. Berikut ini cara mendeteksi outlier. : Analisis: 4. Dari menu utama SPSS pilih Analyze, | dan kemudian Deseriptive. b. Tampak dilayar tampil alu Descriptive Statistic jan windows Descriptive a ee 40 APLIKAS! ANALISIS MULTIVARIATE Dengan Program IBM SPSS 25 Eds19 Dipindai dengan CamScanner 61 Pendahuluan Istilah “regresim g e Galton ia agai regresi menuju rzediokrtas (Maddala, 1992) Interpretasi modern mengenai regresi agak berlainan dengan regresi versi Galton. Secara umum » analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai Tata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati, 2003), Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan, Koefisien regres Gihitung dengan dua tujuan sekaligus: pertama, meminimumkan \yimpangan antara nilai aktual dan nilai estimasi variabel dependen menyebutnya seb; near antara dua variabel. Korelasi tidak menunjukkan 95 Dipindai dengan CamScanner a a ngsional atau dengan kata lain analisis ‘korelasi tidak dengan variabel independen. ukur kekuatan hubungan antara hubungan _fungsional d membedakan antara variabel dependen © Dalam analisis regresi, selain mengu dua variabel atau lebih, juga menunjukkan a Ee ints variabel dependen dengan variabel independen. nana em ik, y: ti. mempt diasumsikan randonvstokastik, yang berar distribusi probabilistik. Variabel independen/bebas diasursian memiliki_ nilaj i berulang). tetap (dalam pengambilan sampel yang. . _. | Teknik estimasi variabel dependen yang melandasi ais ers disebut Ordinary Least Squares (pangkat kuadrat terkecil biasa). Metode OLS diperkenalkan pertama kali oleh Carl Friedrich Gauss, Seorang ahli matematika dari Jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. 6.3 Asumsi Ordinary Least Squares Menurut Gujarati (2003) asumsi utama yang mendasari model regresi linear klasik dengan menggunakan model OLS adalah; a, Model regresi linear, artinya linear dalam parameter seperti dalam persamaan di bawal ini Yi= bl +b2.Xi+ ui . Nilhi X diasumsikan non-stokastik, artinya nilai X dionggap tetap dalam sampel yang berulang, ¢. Nilai rata-rata kesalahan adalah nol, atau E(ui/Xi) = 0. d. Homoskedastisitas, artinya variance kesalahan sama. untuk scliap periode (Homo = sama, Skedastisitas = sebaran) dan dinyatakan dalam bentuk matematis Var (ui/Xi) = ¢. Tidak ada autokorelasi antar kesalahan (antara ada korelasi) atau secara matematis Coy (uiuj/) {Antara ui dan i saling beb: chingga Cov (ui/Xi) = 0. & Jumlah observ: isn, harus lebih besar daripada jumlah parameter yang diestimasi (jumah variabel bebas). i pian Variabilitas dalam nilai X, artinya nilai X harus berbeda. » Model regresi telah dispesifikasi seeara benar, Dengan kata lain tidak ada bias: (kesalahan) spesifikasi dalam model yang Gigunakan datam analisis emp J. Tidak ada muttikolinearit & as yang sempurna antar variabel bebas. a. naan Pee nt pag ase is! ipindal den dis! 9 A igan CamScanner 6.4 Menilai Goodness of Fit Suatu Model Ketepatan fungsi reeresi sq slo Gace ois cay beg diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik 1, Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (dacrah dimana Ho ditolak), Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima, (4,) Koefisien Determinasi Koefisien determi asi (R*) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan vari koefisien determinasi adalah antar berarti Kemampuan vai variabel dependen. Nilai nol dan satu. Nilai R? yang kecil iabel-variabel independen dalam menjelaskan variasi_variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi_ variabel dependen, Sceara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi. Satu hal yang perlu dicatat adalah masalah regresi_ lancung (spurious regression). Insukindro (1998) menekankan bahwa koefisien determinasihanyalah salah satu dan bukan satu-satunya_krite memilih model yang baik. Alasannya bila suatu estimasi regresi linear menghasilkan kocfisien determinasi yang tinggi, tetapi tidak konsisten dengan teori ekonomika yang dipilih oleh peneliti, atau tidak lolos dari Uuji asumsi klasik, maka model tersebut bukanlah model penaksir yang baik dan scharusnya tidak dipilih menjadi model empirik. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R? pasti meningkat tidak perduli apakah variabel tersebut berpengaruh seeara nifikan terhadap variabel dependen, Oleh karena itu banyak” Peneliti menganjurkan untuk menggunakan nilai Adjusted R? pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R’ nil Adjusted R? dapat naik atau turun apabila satu variabel inden ditambahkan kedalam model Dalam kenyataan nilai adjusted R? dapat _bernilai next! yang dikehendaki harus bernilai positif. Menurut Gui*Ul ANIALISIS REGRES! Dipindai dengan CamScanner di lam uji MPIns didapat nif a1 iy adjusted R M1 nol A sianesap beritah nol peat maka vila ads eCan matey s a e Mijusted R= R= | sedangban gt i ila "4 an sika milai RE = Oo maka Kvn k). Jika k 1. maka adjusted R ak + May adjusted R an bemilai neyatg b. pi Sixnitikansi Keseturahan da Re ) Vida regresi se ™Ple Ui Stig Seperti uji t yang me Aji si individu deny: nifikansi koetis N uji hipotesis terpisah bahwa « esi sama dengan nol. Uji F D1. b2 dan b3 secara bers, HEN Darsial iA Setign menguji joint hipotesia buh ama-sama sama dengan nol, atau koefiensn Ujihipotesis seperti ini dinamak terhadap garis re berhubnyan line: ‘an ujisignifikansi secera kescluruhay si yang diobservasi maupun estimasi, apakah y terhadap X1. X2 dan X3. Apak: diuji dengan signifikansi b1 , b2 tidak ah joint hipotesis dapat jan b3 seeara individu. Jawabannya Masannya dalam uji signifikansi individu terhadap. paral Koeticisn regresi diasumsikan bahwa setiap uji signifkansi bendecrten Sample (independen ) yang berbedaJadi mengujisignifikansi b2 dengan hipotesis b2=0 diasumsikan pengujian ini berdasarkan sample yang berbeda ketika kita akan menguji_ 3 dengan hipotesis 63-0 Sementara itu ketika kita menguji joint hipotesis dengan sample yang sama akan menyalahi asumsi prosedu pengujian, Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan s @ Quic vk: bila stipatiee 4 aval 1 ipat ditolak pad Dengan ana Menerima hipotesis alternat 1 enyatakan baby mua variabel independen seeara serentak dan sienitikan mempengaruht variabel dependen ' ce © Meinb kan nilat F hasil perhitungan dengan il menurut abel Bila nilar F hitung lebih besar darpada nil naka Ho dutolak dan menerima HA vil ji Statistik t) ec. Uji Si nifikan Parameter Individual (Uji Statistil ru istik t pada dasarnya menunjukkan seberapa su at be ribet njelas/independen seeara individual dalam menerane satu variabel pense! = a8 yam (BM SPSS 25 AS) ANALISIS MULTIVARIATE Dengan Program 8 aru Dipindai dengan ee yariasi variabel dependen, Hipotesis nol (Ho) yang hendak diuji adalah apakah sualu parameter (bi) sama dengan nol, atau: apakah suatu variabel independen buk; an terhadap variabel dependen, (HA) parameter suatu variabel tidak IN merupakan penjelas Hipotesis alternatifnya uma dengan nol, atau Artinya, variabel tersebut merupakan penjelas variabel dependen. Cara melakukan uji t adalah sebagai berikut: @ Quick look : bila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan sebesar 5%, maka Ho yang menyatakan bi = 0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut), Dengan kata lain kita menerima hipotesis alternatif, yang men: yang signifikan terhadap akan bahwa suatu variabel independen sccara individual mempengaruhi variabel dependen, © Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibadingkan nitai ttabel, kita menerima hipotesis alternatit yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen. Untuk menjelaskan aplikasi dari teori regresi di atas marilah kita analisis file CROSSESC 1. n program SPSS: Kasus yang ingin dianalisis adalah apa h total income anggota keluarga (INCOME) dipengaruhi oleh jumlah anggota keluarga (SIZE # diperolch kepala keluarga (EARNS), Besamya kekayaan keluarg (WEALTH), dan tabungan keluarga (SAVING) atau seeara matematis dapat dituliskan sebagai berikut: Is deng: COMI ISIZE © b2 EARNS © 63 WEALTIL © bd SAVING & ¢ Cava g2 Langhans \natisis Huka tile Crossee v1 }. Dacrniene aiannt SPSS, pill menus taadyze hemudian submenn Regression lu pilih Linear ap ANAUSIS OO PEGRES! 7s Dipindai dengan CamScanner UJI ASUMSI KLASIK (ui ji Multikolonieritas Uji_multikolonieritas_bertujuan_untuk menguji apakah model regresi_ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik scharusnya tidak terjadi korelasi di antara variabel indépenden. Jika variabel independen saling berkorelasi, maka - variabel-variabel ini tidak oriogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolo dalam model regresi adalah sebagai berikut: a. Nilai R? yang dihasitkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel_independen. Jika antar variabel_independen ada korelasi_yang cukup tinggi (umumnya di atas 0.90), maka hal ini merupakan_indikasi adanya multikolonieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolonicritas. Multikolonieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. c. Multikolonieritas dapat juga dilihat dari (1) nilai tolerance dan Jawannya (2) variance inflation factor (VIF), Kedua” ukuran~ini ménunjukkan sctiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih_ yang tidak dijelaskan olch variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai cutoff Fa ‘UdIASUMSIKLASIK. Dipindai dengan cartMcanner yang _umum dipakai untuk menunjukkan adanya Mullikolonierig adalah nilai T ms 0 Dau stnadowsn nV ee Peneliti harus menentukan tingkat kolonicritas yang h dap ditolerir. Sebagai misal nilai tolerance = 0.10 sama deng; tinekay kolonicritas 0,95, Walaupun multikolonicritas dapat dideteksi dengan nilai Tolerance dan VIF, tetapi kita masih letap tidak Mengetahys Variabel-variabel independen mana sajakah yang saling berkorelas Berikut ini disajikan cara mendeteksi multikolonieritas der menganalisis matrik korelasi antar variabel Ngan | independen dan Perhitungan nilai Tolerance dan VIF Langkah Analisis a. Buka file Crossee| xls b. Dari menu utama SP: SS, pilih menu Analy regression, lalu pili linear. ©. Tampak di lay ’. Kemudiar ar windows Linear Reg Pada Kotak Dependent isikan variabel Income & Pada kotak Independent isikan WEALTH and SAVING ession, abel SIZE, | Pada kotak method, pili Enter 8 Untuk menampitkan matrik korelasi dan nilai Tol VIF h. Pilih Statistics, dilayar ak Rexression Statistics i, Aktifkan — pitihan Diagnostics emace se an Muncul tampilan windows Line Covariance matrix dan Collinieriny ¥ toe Rzcuares cnange Deserves Ban ana paar conetatons Copnearty aagnoss | V [Estimates Di coptaence intervats ¥ Covanance mata cs Resiaiois Gasemise aagnostcy | Dyrten watson | « | (Gere) (Sc) (ne) Gambar 7.1 Linear Regression; Statistics Eas? -APLIKASI ANALISIS MULTIVARIATE dean eee Tegan CamScanner Jikanilai kantara 100 dan 1000, maka terdapat multikolo! moderat ke kuat. Jika k > 1000, maka terdapat multikolof sangat kuat. Dengan cara lain jika Cl (= k) nilainya antara 10 dan 30 terdapat multikolonicaritas moderat ke kuat, jika nilai Cl > 30 terdapat multikolonicaritas sangat kuat. Cara mengobati Multikolonicaritas a. Menggabungkan data crossection dan time series (pooling data) b. Keluarkan satu atau lebih variabel independen yang korelasi tinggi dari model regresi dan jkan variabel independen lainnya untuk membantu mempunya identifi prediksi ¢.. Transtormasi variabel merupakan salah satu cara mengurangi hubungan linear di antara variabel independen. Transformasi dapat dilakukan dalam bentuk logaritma natural dan bentuk first difference atau delta, Caranya Yt=bl + b2 X2t+b3 X3t-+ ut Yt-l = bl +b2 X2t-l +3 X3t-] + ute Kurangkan persamaan (2) dari (1) didapat first difference Yt—-Ytel = b2(X2t— X2t-1) + b3(X3t-X3t-1) + Vt... d. Gunakan model dengan variabel independen yang mempunyai_ kore! tinggi hanya semata-mata_ untuk prediksi (jangan mencoba untuk menginterpretasikan kocfisien regresinya). e. Gunakan metodeanalisis yang lebih canggih seperti Bayesian regression atau dalam kasus khusus ridge regression. 7.2 Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada Korelasi antara kesalahan penggangegu pada periode t denga kesalahan pengganggu pada periode t- 1 (sebelumnya). Jika_terja kore maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timb sidual (kesalahan penganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering Us| ASUMSI KLASIK ul. ‘SW 2 Dipindai dengan CamScanner ™ { ditemukan pada data runtut waktu (time series) karena "gangguan” | sescorang individu/kelompok cenderung mempengaruhi “Bangg | | pada individw/kelompok yang sama pada periode berikutnya, Pada data crossection (silang waktu), masalah autokorelas; rel Jarang terjadi karena "gangguan” pada observasj yang berbeda ber | dari individu.kelompok yang berbeda, Model regresi yang baik ada | Tegresi yang bebas dari autokorelasi. Ada beberapa cara Yang dep digunakan untuk mendetekasi ada atau tidaknya autokorelasi, (a Ui po Watson (DW test) Uji Durbin Watson hanya digunakan untuk autokore! satu (first order autocorrelation) dan mens: (konstanta) dalam model regresi dan tidak variabel independen. Hipotesis yang akan di lap lasi tingkay syaratkan adanya intercepy ada variabel lag dj antara uji adalah : | HO : tidak ada autokorelasi (r=0) | ada autokorelasi (r #0) | Pengambilan keputusan ada tidaknya autokorelasi: 7 { Hipotesis nol Keputusan Jika | Tdk ada autokorelasi Positif’ Tolak O

    Anda mungkin juga menyukai