STATISTIK INFERENSIAL
Disusun Oleh:
i
DAFTAR ISI
Halaman
Cover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Daftar Isi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
Pertemuan 7 – Uji Multikolinieritas
A. Tujuan Pembelajaran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
B. Uraian Materi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
C. Tutorial SPSS/eViews . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
D. Soal Latihan dan Pembahasan . . . . . . . . . . . . . . . . . . . . . . . . . . 9
E. Penilaian diri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
F. Daftar Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Pertemuan 8 – Uji Heteroskedastisitas
A. Tujuan Pembelajaran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
B. Uraian materi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
C. Tutorial SPSS/eViews . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
D. Soal Latihan dan Pembahasan . . . . . . . . . . . . . . . . . . . . . . . . . . 22
E. Penilaian diri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
F. Daftar Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Pertemuan 9 – Uji Autokorelasi
A. Tujuan Pembelajaran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
B. Uraian materi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
C. Tutorial SPSS/eViews . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
D. Soal Latihan dan Pembahasan . . . . . . . . . . . . . . . . . . . . . . . . . . 27
E. Penilaian Diri. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
F. Daftar Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
ii
PERTEMUAN 7:
UJI MULTIKOLINIERITAS
A. TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini, diharapkan mampu:
1. Menjelaskan pengertian dan tujuan uji multikolinieritas
2. Mengetahui penyebab dan cara mendeteksinya
3. Mengetahui dampak dan cara mengatasinya
B. URAIAN MATERI
Tujuan Pembelajaran 1.1:
Pengertian dan tujuan uji multikolinieritas
iii
Variabel Tolerance VIF Kesimpulan
iv
dipastikan, terdapat kolinearitas antara X1 dan X1*X2 serta kolinearitas
antara X2 dengan X1*X2.
4. Melihat nilai Condition Index dan eigenvalue. Jika nilai condition index
> 30 dan nilai eigenvalue < 0,001 dapat diindikasikan adanya
multikolinearitas.
5. Melihat nilai Tolerance dan Variance Inflating Factor (VIF). Jika nilai
Tolerance < 0,1 dan VIF > 10 dapat diindikasikan adanya
multikolinearitas. Sebagian pakar menggunakan batasan Tolerance <
0,2 dan VIF > 5 dalam menentukan adanya multikolinearitas. Para
pakar juga lebih banyak menggunakan nilai Tolerance dan VIF dalam
menentukan adanya Multikolinearitas di dalam model regresi linear
berganda dibandingkan menggunakan parameter-parameter yang
lainnya. Hal ini juga dalam prakteknya menggunakan SPSS, kita
sudah disuguhkan dengan hasil yang instant, dimana kita bias
langsung lihat nilai keduanya di dalam output SPSS.
v
Tujuan Pembelajaran 1.3:
Dampak dan Cara Mengatasi Multikolinieritas
vi
standarisasi tersebut yang dimasukkan kedalam model bersama-
sama dengan variabel yang sudah distandarisasi.
C. TUTORIAL SPSS/EVIEWS
2. Lakukan langkah sebagai berikut: pada menu, klik analyze -> regression
-> linear ->selanjutnya masukkan variable predictor ke kolom
Independent (s), variabel response kekolom Dependent. Metode yang
dipilih terserah anda, apakah metode enter atau metode stepwise, itu
vii
tergantung pada model regresi yang akan anda lakukan terkait dengan
pertanyaan-pertanyaan penelitian di dalam metode penelitian anda.
viii
karena itu, anda harus mempelajari juga tentang asumsi klasik regresi
linear, antara lain: autokorelasi, heteroskedastisitas, outlier, linearitas
regresi dan normalitas residual pada regresi linear.
Berikut kami jelaskan cara baca uji multikolinearitas dengan SPSS atau yang
lebih tepatnya kita beriistilah interprestasi. Silahkan buka output anda!
ix
Standar Error Uji Multikolinearitas
Dalam tabel coefficient dapat anda perhatikan bahwa nilai standar error
kurang dari satu, yaitu X1 = 0,121 dan X2 = 0,118 dimana keduanya kurang
dari satu. Serta nilai koefisien beta juga kurang dari satu dimana X1 = 0,624
dan X2 = 0,407. Maka dapat dikatakan bahwa nilai standar error rendah dan
multikolinearitas tidak terdeteksi. Selanjutnya pastikan lagi dengan nilai
rentang upper dan lowerbound confidence interval, apakah lebar atau
sempit. Berikut hasilnya:
Pada tabel yang sama di atas sebagai hasil uji regresi linear, perhatikan nilai
VIF dan Tolerance. Kedua ini adalah indikasi kuat yang sering dipakai oleh
para peneliti untuk menyimpulkan fenomena terjadinya interkorelasi variable
bebas. Jika nilai VIF kurang dari 10 dan atau nilai Tolerance lebih dari 0,01
maka dapat disimpulkan dengan tegas bahwa tidak terdapat masalah
x
multikolinearitas. Dan sebaliknya maka dapat disimpulkan dengan tegas pula
bahwa multikolinearitas telah terjadi dalam model. Selanjutnya yang terakhir
di dalam output proses yang sudahkitalakukan, kitaperhatikannilaidari
collinearity diagnostics seperti di bawahini :
Pada tabel collinearity diagnostics di atas sebagai hasil uji regresi linear, kita
perhatikan juga nilai eigenvalue dan condition index. Jika Eigenvalue lebih
dari 0,01 dan atau Condition Index kurang dari 30, maka berdasarkan
eigenvalue dan condition index, dapat disimpulkan bahwa gejala
multikolinearitas terjadi di dalam model regresi. Dalam tutorial SPSS ini, nilai
eigenvalue 0,002 < 0,01 dan collinearity diagnostics 40,458 dimana lebih dari
30.
xi
Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu
1) Dengan melihat nilai inflation factor (VIF) pada model regresi,
2) Dengan membandingkan nilai koefisiendeterminasi individual (r2)
dengan nilai determinasi secara serentak (R2), dan
3) Dengan melihat nilai eigen value dan condition index.
xii
komputer dibandingkan metode –metode yang lainnya dan juga
mencegah kita memasukkan lebih banyak peubah x dari pada yang
diperlukan sambil memperbaiki persamaannya pada setiap tahap.
E. PENILAIAN DIRI
Jawablah pertanyaan-pertanyaan berikut dengan jujur dan
bertanggungjawab dengan melakukan ceklis!
Jawaban
No Pertanyaan
Ya Tidak
F. DAFTAR PUSTAKA
xiii
PERTEMUAN 8:
UJI HETEROSKEDASTISITAS
A. TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini, diharapkan mampu:
1. Menjelaskan pengertian dan tujuan uji heteroskeastisitas
2. Mengetahui penyebabnya
3. Mengetahui cara mendeteksinya
B. URAIAN MATERI
Tujuan Pembelajaran 1.1:
Pengertian Uji Heteroskeastisitas
Heteroskedastisitas adalah kebalikan dari homoskedastisitas, yaitu
keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua
pengamatan setiap variabel bebas pada model regresi. Sebaliknya,
pengertian homoskedastisitas adalah keadaan dimana adanya kesamaan
varian dari error untuk semua pengamatan setiap variabel bebas pada
model regresi.
Uji Heteroskedastisitas adalah uji yang menilai apakah ada
ketidaksamaan varian dari residual untuk semua pengamatan pada model
regresi linear. Uji ini merupakan salah satu dari uji asumsi klasik yang harus
dilakukan pada regresi linear. Apabila asumsi heteroskedastisitas tidak
terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat
peramalan.
xiv
Tujuan Pembelajaran 1.3:
Metode Deteksi Uji Heteroskeastisitas
b. Uji Park,
Prinsip yang digunakan dalam uji Park sebenarnya tidak jauh
berbeda dengan metode grafik yang telah dijelaskan diatas. Bedanya,
uji Park memanfaatkan bentuk regresi untuk melihat adanya
heteroskedastisitas.
c. Uji Glejser,
Pengujian dilakukan dengan Uji Glejser yaitu uji hipotesis untuk
mengetahui apakah sebuah model regresi memiliki indikasi
heterokedastisitas dengan cara meregres absolud residual. Dasar
pengambilan keputusan menggunakan uji glejser adalah:
a. Jika nilai signifikansi > 0.05 maka data tidak terjadi
heteroskedastisitas.
b. Jika nilai signifikansi < 0.05 maka data terjadi heteroskedastisitas.
c. Uji Spearman’s Rank Correlation,
Uji Spearman dilakukan dengan cara mengkorelasikan nilai absolut
residual dengan masing-masing variabel independen (x1, x2 dan x3).
Kriteria pengujian :
1. Ho: Tidak ada gejala heteroskedastisitas
xv
2. Ha: Ada gejala heteroskedastisitas
C. TUTORIAL SPSS/EVIEWS
1. Menguji Heteroskedastisitas dengan Grafik Scatterplot SPSS
Untuk melakukan uji heteroskedastisitas SPSS Scatterplot, data-data
harus dirapikan terlebih dahulu melalui “Data View” dengan memasukkan
data penelitian sesuai variabelnya. Proses input data ini bisa dilakukan
manual (langsung di lembar kerja SPSS) atau copy-paste dari file excel.
Kalau sudah, ikuti langkah-langkah berikut:
1. Langkah Analisis Pertama.
Klik menu “Analyze”, lalu klik “Regression”, dan pilih “Linear”. Setelah itu
akan keluar jendela “Linear Regression”, kemudian masukkan variabel-
variabel berdasarkan kategorinya, yakni dependent atau independent.
2. Melakukan PLOTS.
Sebelum meng-klik tombol “Plots”, pastikan tulisan pada kotak “Method”
adalah “Enter”. Saat tombol “Plots” di-klik, maka akan muncul jendela
“Linear Regression: Plots”. Di sana ada tulisan *SRESID untuk ditaruh ke
kotak Y dan tulisan *ZPRED taruh di kotak X. Sisanya abaikan saja dan
bisa langsung klik “Continue”.
3. Tutup Untuk Melihat Hasil.
xvi
Semuanya sudah ter-setting dengan baik dan kini saatnya melihat hasil.
Klik “OK” untuk menutup jendela dan melihat output dari pengujian yang
dilakukan. Hasil yang disuguhkan berupa grafik dengan titik-titik, ada
yang menyebar dan ada juga yang berkumpul di sisi tertentu.
xvii
xviii
g. pada "target variable" isi dengan "ABSResid"
xix
2. Langkah berikutnya adalah membuat persamaan regresi dari
variabel penelitian dan memunculkan variabel baru yakni
variabel Unstandardized residual atau RES_1.
Caranya adalah, masuk Data View, dari menu SPSS
pilih Analyze → Regression → Linier…
xx
5. Selanjutnya klik Ok (abaikan output SPSS yang muncul), buka Data
View maka pada Data View akan bertambah variabel baru dengan
nama RES_1
xxi
7. Selanjutnya pada kotak dialog “Compute Variable” yang muncul,
pada kotak “Target Variable” tuliskan Abs_RES lalu pada
kotak “Numeric Expression” ketikan ABS(RES_1)
xxii
9. Berikutnya adalah melakukan uji Glejser untuk persamaan
regresi Indek Harga (X1) dan GNP (X2) terhadap variabel Absolute
residual atau Abs_RES. Caranya dari menu utama SPSS
pilih Analyze → Regression →Linier…
xxiii
11. Langkah terakhir adalah klik Ok. Pada Output SPSS akan ada hasil
yang akan diinterpretasikan.
Buka SPSS kemudian pilih “File” lalu “Open” kemudian pilih “Data”
xxiv
D. SOAL LATIHAN DAN PEMBAHASAN
1. Mengapa dilakukan deteksi heteroskedastisitas?
Jawab :
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain
2. Bagaimana cara mendeteksi masalah heteroskedastisitas?
Jawab :
Secara umum ada dua cara mendeteksi masalah
heteroskedastisitas. Cara pertama adalah dengan menggunakan grafik
walaupun kesimpulannya bersifat subjektif. Cara lain adalah dengan
menggunakan uji statistik seperti uji Park, uji Goldfeld-Quandt, uji
Glejser, uji korelasi rank dari Spearman.
3. Apa akibat jika ada masalah heteroskedastisitas?
Jawab :
Konsekuensi dari terjadi heteroskedastisitas dapat mengakibatkan
penduga OLS yang diperoleh tetap memenuhi persyaratan tak bias,
tetapi varian yang diperoleh menjadi tidak efisien, artinya varian
cenderung membesar sehingga tidak lagi merupakan varian yang kecil.
4. kapan tidak terjadi heteroskedastisitas jelaskan?
Jawab :
Apabila tidak terdapat pola tertentu dan tidak menyebar diatas maupun
dibawah angka nol pada sumbu y, maka dapat disimpulkan tidak terjadi
heteroskedastisitas
5. Langkah Uji heteroskedastisitas dengan Scatterplot?
Jawab :
1. Langkah Analisis Pertama. Klik menu “Analyze”, lalu klik
“Regression”, dan pilih “Linear”. Setelah itu akan keluar jendela
“Linear Regression”, kemudian masukkan variabel-variabel
berdasarkan kategorinya, yakni dependent atau independent.
2. Melakukan PLOTS. Sebelum meng-klik tombol “Plots”, pastikan
tulisan pada kotak “Method” adalah “Enter”. Saat tombol “Plots” di-
xxv
klik, maka akan muncul jendela “Linear Regression: Plots”. Di sana
ada tulisan *SRESID untuk ditaruh ke kotak Y dan tulisan *ZPRED
taruh di kotak X. Sisanya abaikan saja dan bisa langsung klik
“Continue”.
3. Tutup Untuk Melihat Hasil. Semuanya sudah ter-setting dengan
baik dan kini saatnya melihat hasil. Klik “OK” untuk menutup jendela
dan melihat output dari pengujian yang dilakukan. Hasil yang
disuguhkan berupa grafik dengan titik-titik, ada yang menyebar dan
ada juga yang berkumpul di sisi tertentu.
E. PENILAIAN DIRI
Jawaban
No Pertanyaan
Ya Tidak
1 Apakah Anda dapat menyebutkan dan menjelaskan
tentang jenis-jenis pengujian uji heteroskedastisitas?
2 Apakah Anda dapat melakukan penghitungan uji
heteroskedastisitas dengan berbagai uji penektesian?
3 Apakah Anda dapat melakukan pengujian
heteroskedastisita ?
F. DAFTAR PUSTAKA
http://fe.unisma.ac.id/MATERI%20AJAR
%20DOSEN/EKOMETRIK/AriRiz/MA%20Uji%20Heterokedastisitas.pdf
http://repository.upiyai.ac.id/680/1/Cover%2C%20Lembar%20Pengesahan
%2C%20Bab%201%2C2%2C3%2C4%2C5.pd
.
https://www.statistikian.com/2013/01/uji-heteroskedastisitas.html
https://gamastatistika.com/2020/09/03/langkah-langkah-uji-
heteroskedastisitas-spss-scatterplot-dan-cara-baca-hasilnya/
https://maglearning.id/2021/01/25/korelasi-data-ordinal-rank-spearman-
menggunakan-spss/
xxvi
PERTEMUAN 9:
UJI AUTOKORELASI
A. TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini, diharapkan mampu:
1. Menjelaskan pengertian dan tujuan uji autokorelasi
2. Mengetahui sebab akibatnya
3. Mengetahui cara mendeteksinya
B. URAIAN MATERI
Tujuan Pembelajaran 1.1:
Pengertian Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu
model regresi linier terdapat korelasi antara pengganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya) (Ghozali, 2013).
Autokorelasi muncul akibat observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas
dari satu observasi ke observasi lainnya. Untuk data time series
autokorelasi sering terjadi. Tapi untuk data sampelnya crossection jarang
terjadi karena variabel pengganggu satu berbeda dengan yang lain. Cara
mendeteksi Autokorelasi dapat dilakukan dengan 2 cara yakni Uji Durbin-
Watson dan Run test.
xxvii
Menurut Box & Jenkins (1976), uji autokorelasi dapat digunakan untuk dua tujuan
tertentu, yakni mendeteksi data yang tidak tersebar secara acak dan mengidentifikasi
model deret waktu yang sesuai.
xxviii
Autokorelasi first order adalah korelasi antara sampel ke i – 1
Dasar Pengambilan Keputusan Metode pengujian Durbin-Watson (uji
DW) dengan ketentuan sebagai berikut:
1) Jika nilai durbin-watson lebih kecil dari dL atau lebih besar dari (4- dL)
maka terdapat autokorelasi.
2) Jika nilai durbin-watson terletak antara dU dan (4-dU), maka tidak ada
autokorelasi.
3) Jika nilai durbin-watson terletak antara dL dan dU atau diantara (4-
dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.
2. Uji Run test Analisis Run Test
Uji Run test Analisis Run Test termasuk dalam statistik
nonparametrik. Uji ini digunakan untuk menguji pada kasus satu sampel.
Sampel yang diambil dari populasi, apakah sampel yang diambil berasal
dari sampel acak atau bukan. Pengujian ini untuk kasus satu sampel.
Prosedur pengujian dilakukan dengan mengurutkan data sampel dan
mencari letak nilai mediannya. Jika dalam pengolahan data dan
mengujikan uji autokorelasi menggunakan uji DW tidak lolos uji, maka
alternatifnya bisa menggunakan uji run test ini. Dasar keputusan dalam
Uji run test yakni:
a. Jika nilai Asymp. Sig (2-tailed) < 0,05 maka terdapat gejala
Autokorelasi
b. Jika nilai Asymp. Sig (2-tailed) > 0,05 maka tidak terdapat gejala
Autokorelasi
C. TUTORIAL SPSS/EVIEWS
1. Uji Durbin Watson
Langkah-langkan uji DW pada SPSS adalah sebagai berikut, silahkan
siapkan data anda pada excel kemudian copy ke aplikasi SPSS, atau
langsung siapkan data yang siap di olah pada SPSS, kemudian ikuti
langkahnya dengan :
1. Analyze > Regression > Linear
2. Input variabel independent (X) pada kolom independent dan variabel
dependent (Y) pada kolom dependent (Y), kemudian klik Statistics
xxix
3. Pada kotak Linear Regression : Statistics beri tanda centang (V)
pada Durbin-Watson) > Continue > OK
4. Hasil Output SPSS
2. Uji Run Test Untuk uji run test
Uji Run Test Untuk uji run test, silahkan siapkan data anda, kemudian
ikuti langkah-langkah berikut dengan :
xxx
3. Apakah kita tetap menerapkan OLS dalam autokorelasi?
Jawab:
E. PENILAIAN DIRI
Jawaban
No Pertanyaan
Ya Tidak
1 Apakah Anda dapat mengetahui apa itu uji
autokorelasi?
2 Apakah Anda dapat mengetahui penyebab dari
autokorelasi?
3 Apakah Anda dapat melakukan pengujian
autokorelasi?
F. DAFTAR PUSTAKA
Gujarati, Damodar (1995). Basic Econometrics. (3rd edition ed.).
xxxi
New York: Mc-Graw Hill, Inc. Kuncoro, Mudrajad (2000),
xxxii