OLEH :
Nama : Bintang Puspitasari
No. Absen : 20
NIM : 2007531219
B. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam residual dari model regresi yang
dibuat berdistribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi
residual yang normal atau mendekati normal. Jika tidak normal, maka prediksi yang dilakukan
dengan model tersebut akan tidak baik, atau dapat memberikan hasil prediksi yang menyimpang
(bias). Seperti telah diketahui, residual yang sering dinotasikan μi untuk populasi atau εi untuk
sampel merupakan selisih antara nilai variabel terikat aktual (Yi) dikurangi dengan nilai prediksi
dari variabel terikat tersebut. dikurangi dengan nilai prediksi dari variabel terikat tersebut. Dari
model regresi :
Yi = α + β1X1i + β2X2i + ……………. βk Xki + εi
Diperoleh residual:
εi = Yi – { α + β1X1i + β2X2i + ……………. βk Xki }
Dalam suatu analisis, untuk menguji apakah model sudah normal atau tidak, pertama
dapat dilakukan dengan melihat normal probability plot dari residual dengan membandingkan
distribusi komulatif dari residual yang dihasilkan dengan distribusi komulatif dari distribusi
normal. Jika titik-titik menyebar mendekati garis diagonal maka data tersebut dianggap
berdistribusi normal. Kedua, dapat dilakukan dengan Uji Komogorov-Sminarnov.
D. Uji Multikolinieritas
Uji multikolienieritas bertujuan untuk menguji apakah pada model regresi ditemukan
adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas atau bebas dari gejala multikolinier. Jika suatu model regresi yang
mengandung gejala multikolinier dipaksakan untuk digunakan, maka akan memberikan hasil
prediksi yang menyimpang. Untuk mendeteksi ada atau tidaknya korelasi antar sesama variabel
bebas dapat dilihat dari nilai tolerance dan nilai variance inflation factor (VIF). Jika nilai
tolerance lebih dari 10 persen atau VIF kurang dari 10, maka dikatakan tidak ada
multikolinieritas. Adanya gejala multikolinier sering diindikasikan oleh R2 yang sangat besar
atau uji F yang signifikant, tetapi variabel bebas sedikit atau mungkin juga tidak ada yang
signifikan.jika diuji melalui uji parsial (t).
E. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi
yang baik adalah yang tidak mengandung gejala heteroskedastisitas atau mempunyai varians
yang homogen. Jika suatu model regresi yang mengandung gejala heteroskedastis akan
memberikan hasil prediksi yang menyimpang. Banyak metode untuk menditeksi adanya gejala
heteroskedastis, tetapi dalam buku ini untuk mendeteksi ada atau tidaknya heteroskedastisitas
dilakukan dengan uji Glejser dan metode Park.
Metode Glejser Metode
ini adalah meregres variabel bebas terhadap absolut residual. Namun untuk
melakukan hal itu harus dihitung residualnya melalui regresi dengan formula:
Yi = α + β1X1 + ……….. βkXk + ei
Setelah residual diperoleh kemudian diabsolutkan dan diregresikan dengan formulasi:
| ei | = α + β1X1 + ……….. βkXk + υi
Jika variabel bebas yang dianalisis tidak mempunyai pengaruh signifikan terhadap
residual absolut | ei |, berarti model regresi yang dianalisis tidak mengandung gejala
heterosskedastis.
Metode Park Metode
ini menganggap bahwa varians (s2 ) merupakan fungsi variabel bebas, yang dapat
dinyatakan dalam persamaan :
σ2 i = α Xi β
Persamaan ini dapat ditransformasikan dalam persamaan logaritma, sehingga menjadi :
Ln σ2 i = α + β1 Ln X1i + .... βk Ln Xki + vi
Selanjutnya σ2 i ditaksir dengan menggunakan residual µ, sehingga persamaan menjadi :
Ln µ 2 i = α + β1 Ln X1i + .... βk Ln Xki + vi