Tutorial Uji Asumsi Klasik dengan Eview

Tutorial Uji Asumsi Klasik dengan Eviews

Uji asumsi klasik merupakan syarat yang harus dilakukan pada setiap uji regresi
linear ordinary least square (OLS). Di dalam analisis regresi menggunakan
aplikasi eviews, kita dapat melakukan berbagai jenis uji asumsi klasik yang
menjadi syarat-syarat tersebut. Oleh karena itu, dalam kesempatan ini kami
akan menjelaskan tutorial cara uji asumsi klasik dengan eviews.

Jenis Asumsi Klasik Regresi OLS

Sedikit review kembali sebelum kita masuk pada bahasan pokok artikel kali ini,
yaitu tentang jenis asumsi klasik yang harus dilakukan oleh para peneliti pada
saat analisis regresi OLS. Asumsi klasik yang harus diperhatikan antara lain:
asumsi linearitas regresi, normalitas residual, non multikolinearitas, non
heteroskedastisitas, non outlier dan non autokorelasi.

Pada kesempatan ini, kami akan jelaskan semua tutorial untuk melakukan uji
asumsi klasik tersebut di atas. baiklah, kita mulai dari yang pertama yaitu
asumsi autokorelasi. Namun sebaiknya anda baca terlebih dahulu artikel kami
sebelumnya yaitu: Tutorial Uji Regresi Linear dengan Eviews dan Interprestasi
Regresi Linear dengan Eviews. Maksudnya adalah agar terdapat kesinambungan
pemahaman dengan apa yang kan kita bahas saat ini. Kemudian silahkan buka
kembali file kerja aplikasi eviews pada pembahasan sebelumnya tersebut.
 Uji Asumsi Klasik dengan Eviews

Uji Autokorelasi dengan Eviews

Ada dua macam autokorelasi yang akan kita uji, yaitu autokorelasi first order
dan autokorelasi serial correlation. Silahkan anda pilih mana yang cocok untuk
model regresi anda. Apabila tidak ada variabel Lag, silahkan gunakan uji
autokorelasi durbin watson. Namun jika ada variabel Lag, silahkan gunakan uji
autokorelasi serial correlation.

Uji Autokorelasi Durbin Watson

Langkah yang harus anda lakukan adalah buka kembali file kerja anda dan
pastikan file yang digunakan benar. Kemudian perhatikan output dari hasil
regresi linear dengan eviews yang tampilannya adalah sebagai berikut:
 Output Autokorelasi Durbin Watson
dengan Eviews
Perhatikan nilai Durbin-Watson Stat, yaitu sebesar 1,767489. Nilai tersebut
adalah nilai Durbin Watson (DW) Hitung yang bisa anda bandngkan dengan nilai
DU dan DL pada tabel Durbin Watson. Agar anda paham dan memiliki Tabel
durbin Watson, silahkan baca artikel kami tentang Tabel Durbin Watson.

Kesimpulannya: Jika nilai DW > DU dan nilai (4-DW) > DU, maka dinyatakan
tidak ada masalah autokorelasi, baik autokorelasi positif maupun negatif. Lebih
detail tentang cara baca tabel durbin watson dan cara mengambil kesimpulan
pada uji autokorelasi, baca artikel kami yang berjudul: Pengertian dan
Penjelasan Uji Autokorelasi Durbin Watson.

Uji Autokorelasi Serial Korelasi

Uji autokorelasi yang lain adalah serial korelasi. Banyak metode uji ini yang
bisa dilakukan, namun dengan eviews kita menggunakan uji Breusch-Godfrey
Serial Correlation LM Test. Caranya yaitu pada menu tekan tombol View ->
Residual Diagnostics -> Serrial Correlation LM Test.

Jika langkah anda benar, maka hasilnya adalah seperti gambar di bawah ini:
 Uji Autokorelasi dengan Eviews
Perhatikan nilai Prob Chi Square(2) yang merupakan nilai p value uji Breusch-
Godfrey Serial Correlation LM, yaitu sebesar 0,2815 dimana > 0,05 sehingga
terima H0 atau yang berarti tidak ada masalah autokorelasi serial.

Uji Normalitas residual dengan Eviews

Perli diingat kembali bahwa asumsi normalitas pada regresi linear OLS
adalah pada residual bukan variabelnya. Cara uji normalitas dengan eviews
adalah: silahkan tekan tombol View -> Histogram-Normality Test. Hasilnya
sebagai berikut:
 Uji Normalitas Residual
dengan Eviews
Uji Normalitas banyak sekali macamnya, antara lain: lilliefors, kolmogorov
smirnov, shapiro wilk dan shapiro francia, skewness kurtosis, jarque bera, dan
lain-lain. Pada aplikasi eviews ini, uji normalitas yang bisa kita lakukan adalah
menggunakan metode jarque bera. Silahkan baca artikel kami tentang
Pengertian dan Penjelasan Jarque Bera.

Hasil uji normalitas residual di atas adalah: nilai jarque bera sebesar 118,8955
dengan p value sebesar 0,0000 dimana < 0,05 sehingga terima H1 atau yang
berarti residual berdistribusi tidak normal.

Uji Multikolinearitas dengan Eviews

Uji multikolinearitas menilai adakah korelasi atau interkorelasi antar variabel

bebas dalam model regresi. Cara uji multikolinearitas dengan eviews adalah:
tekan tombol View -> Coefficient Diagnostics -> Variance Inflation Factors.
Hasilnya sebagai berikut ini:
 Uji Multikolinearitas dengan Eviews
Di atas menunjukkan bahwa nilai Centered VIF baik X1 dan X2 adalah 2,398399
dimana nilai tersebut kurang dari 10, maka dapat dinyatakan bahwa tidak
terdapat masalah multikolinearitas dalam model prediksi.

Uji Heteroskedastisitas dengan Eviews

Uji heteroskedastisitas dengan eviews caranya sangatlah mudah, yaitu silahkan

anda tekan tombol View -> Residual Diagnostics -> Heteroscedasticity Test.
Maka akan muncul jendela piliha jenis uji heterokedastisitas yang akan
digunakan, yaitu antara lain: Uji Breusch Pagan Godfrey, Harvey, Glejser, ARCH
dan White Test.

Uji Homoskedastisitas dengan Eviews

Misalkan kita memilih menggunakan uji Breusch Pagan Godfrey. Setelah anda
tekan tombol OK, maka akan muncul output sebagai berikut:
 Output Uji Homoskedastisitas dengan Eviews
Silahkan baca output tersebut di atas, dimana nilai p value yang ditunjukkan
dengan nilai Prob. chi square(2) pada Obs*R-Squared yaitu sebesar 0,0611.
Oleh karena nilai p value 0,0611 > 0,05 maka terima H0 atau ang berarti model
regresi bersifat homoskedastisitas atau dengan kata lain tidak ada masalah
asumsi non heteroskedastisitas.

Uji Outlier dengan Eviews

Sebuah model regresi dinyatakan bebas dari data pencilan atau outlier, dapat
dideteksi dengan melihat nilai studentized residual. Menggunakan eviews,
caranya adalah terlebih dahulu anda menyimpan persamaan atau equation yang
digunakan, dimana dalam tutorial ini, persamaan regresinya adalah: y c x1 x2.
Cara menyimpan persamaan adalah tekan tombol “Name”, kemudian beri nama
misalnya: “eq01”. Ingat eq01 ini adalah sebagai nama persamaan.

Selanjutnya kita melakukan upaya untuk membuat variabel studentized

residual. Caranya adalah pada kotak “Command”, silahkan ketikkan perintah
sebagai berikut: “eq01.infstats(t, rows=100, sort=rs) rstudent” tanpa tanda
kutip. Perhatikan bahwa eq01 adalah nama persamaan yang disimpan dan akan
dilihat nilai studentized residualnya. Sedangkan angka 100 adalah jumlah
sampel yang telah digunakan.
 Command Studentized Residual
Selanjutnya tekan enter dan anda lihat bahwa akan uncul variabe baru yaitu
variabel studentized residual. Contohnya adalah di bawah ini:

Studentized Residual dengan Eviews

Perhatikan di atas, dikatakan sebuah observasi atau sampel menjadi outlier,
jika nilai studentized residualnya adalah lebih dari 3 atau kurang dari -3. Di
dalam tampilan di atas, observasi dengan nilai studentized residual > 2,5 atau
< -2,5 berwarna merah.

Berdasarkan contoh di atas, ternyata masih ada observasi dengan nilai

studentized residual > 3 atau < – 3. Sehingga masih ada masalah outlier. Agar
anda mengerti cara mengatasi outlier, silahkan buka dan pelajari artikel kami
tentang: Cara Mengatasi Outlier dengan SPSS dan Cara Mengatasi Outlier
dengan Excel.

Uji Linearitas dengan Eviews

Uji linearitas ini belum tentu dilakukan oleh peneliti, sebab tujuan uji ini
tergantung pada tujuan dilakukannya uji regresi linear. Jika tujuannya adalah
untuk membentuk sebuah model yang baru dan bersifat BLUE (Best Linear
Unbiased Estimation), maka uji ini haruslah dilakukan. Caranya adalah dengan
tekan tombol View -> Stability Diagnostics -> Ramsey reset Test. Kemudian
akan muncul jendela Reset Specification, silahkan anda masukkan angka 1 dan
selanjutnya tekan tombol OK. Maka akan muncul output seperti di bawah ini:

Uji Linearitas dengan Eviews

Uji Linearitas dengan Eviews di atas adalah menggunakan uji Ramsey Reset
Test, dimana hasilnya bisa anda lihat pada nilai p value yang ditunjukkan pada
kolom probability baris F-statistics. Hasilnya dalam tutorial ini adalah sebesar
0,8871 dimana > 0,05 sehingga dapat disimpulkan bahwa variabel bebas linear
dengan variabel terikat.

Kesimpulan Uji Asumsi Klasik dengan Eviews

Setelah anda melakukan berbagai macam uji asumsi klasik dengan eviews,
maka akan ada beberapa hasil, dimana mungkin tidak semuanya sesuai dengan
keinginan anda. Yaitu agar semua asumsi klasik bisa terpenuhi. Maka
merupakan tugas anda selanjutnya jika memang ada masalah asumsi. Tidak
mudah memang cara mengatasi asumsi klasik. Namun dalam berbagai artikel di
statistikian ini, kami sudah coba jelaskan cara mengatasinya. Misalnya pada
artikel kami tentang cara mengatasi outlier. Silahkan anda berselancar di
website kami ini dan jangan kemana-mana.

Demikian di atas telah kami jelaskan satu persatu dan secara terperinci
bagaimana caranya melakukan uji asumsi klasik dengan eviews. Semoga
bermanfaat dan terima kasih.