LAPORAN KELAS TUTORIAL II

UJI ASUMSI KLASIK

Nama : Adiba Alfahrozi Kaifa

NIM : 20/463909/SV/18228
Kelas : MPP51
Mata Kuliah : Ekonometrika I

PRODI DIV MANAJEMEN DAN PENILAIAN PROPERTI

DEPARTEMEN EKONOMIKA DAN BISNIS
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
2022
 A. Metode Analisis dan Hasil Analisis
Metode analisis yang saya gunakan pada kelas tutorial pertama ini adalah dengan menggunakan metode
analisis regresi linear univariat. Analisis ini menggunakan hanya satu variabel independen atau satu
variabel bebas yang pada akhirnya hanya akan terdapat variabel X sebagai input dan variabel Y sebagai
output atau keluaran.
Variabel independen adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau
timbulnya variabel dependen (terikat) sedangkan variabel Dependen merupakan variabel yang
dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Variabel dependen juga disebut
variabel output, kriteria, atau konsekuensial sedangkan variabel independen dapat disebut juga dengan
variabel bebas, variabel stimulus, prediktor, pengaruh, perlakuan, atau variabel risiko.
Berdasarkan pada analisis regresi linear univariat menggunakan aplikasi Stata dan EViews di bawah
saya ingin menunjukkan hubungan antara kemiskian yang ada pada setiap provinsi yang ada di
Indonesia dengan tingkat kejahatan yang ada pada setiap provinsi di Indonesia pula. Pada analisis
regresi linear univariat berperan sebagai variabel independen adalah kemiskinan dan yang berperan
sebagai variabel dependen adalah jumlah kejahatan
Provinsi Jumlah Kejahatan (%) Kemiskinan (%) Tabel di samping menunjukkan
Jakarta 11,85 3,42
hubungan antara kemiskinan
Sumatera Utara 11,44 8,39
Jawa Timur 10,02 6,77 (variabel independen) dengan
Sulawesi Selatan 5,94 4,22 jumlah kejahatan (variabel
Jawa Barat 4,88 5,98 dependen).
Sumatera Selatan 4,77 11,94
Sumatera Barat 4,11 4,71
Jawa Tengah 3,83 8,99
Lampung 3,17 8,6
Nusa Tenggara Barat 3,04 14,85
Aceh 2,78 9,47
Sulawesi Utara 2,76 4,95
Papua 2,60 4,53
Jambi 2,54 9,75
DI Yogyakarta 2,47 10,62
Riau 2,44 6
Sulawesi Tengah 2,33 8,9
Nusa Tenggara Timur 2,21 8,34
Kalimantan Selatan 1,99 3,47
Kalimantan Barat 1,75 4,61
Kalimantan Timur 1,64 4,29
Maluku 1,30 6,09
Bengkulu 1,28 14,13
Banten 1,22 4
Kepulauan Riau 1,17 5,26
Bali 1,13 3,04
Papua Barat 1,10 5,47
Kalimantan Tengah 0,91 4,28
Gorontalo 0,88 3,99
Kep. Bangka Belitung 0,72 2,98
Sulawesi Barat 0,69 9,41
Sulawesi Tenggara 0,45 6,81
Kalimantan Utara 0,33 4,86
Maluku Utara 0,27 4,24
Analisis Uji Asumsi Klasik menggunakan Stata:
1. Regresi

Fungsi (kejahatan) = 2,524647 + 0,0622889X1 + e

Konstanta dengan nilai 2,524647 menunjukkan apabila seluruh variabel bebas (X1) atau tingkat
kemiskinan sama dengan nol maka tingkat kejahatan akan meningkat sebesar konstanta yang tertera
pada model.
Koefisien kemiskinan ditunjukkan denan X1 sebesar 0,6022889, artinya variabel kemiskinan
berpengaruh positif terhadap tingkat kejahatan. Ketika terjadi kenaikan kemiskinan sebesar 1% maka
akan meningkatkan tingkat kejahatan sebesar 0,0622889 persen.
2. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel
independen dan variabel dependen ataupun keduanya mempunyai distribusi normal atau tidak
normal.
A. Pnorm
 Menurut interpretasi penganalisis menyatakan berdasarkan command Pnorm memberikan
pernyataan bahwa data-data yang digunakan memiliki distribusi yang normal sebab titik scatter
mendekati garis normal dan tidak terdapat jarak yang terpaut jauh antara titik scatter dengan garis
normal.
b. Swilk

Pada pengujian normalitas data menggunakan command swilk dapat disimpulkan bahwa data yang
digunakan tidak normal sebab nilai probability bernilai kurang dari 0,05 dapat diatasi dengan cara
menambahkan data-data yang digunakan dalam uji normalitas ini.
3. Uji Multikoleniaritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi
yang tinggi atau sempurna antar variabel independen. Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen.
Untuk menemukan terdapat atau tidaknya multikolinearitas pada model regresi dapat diketahui dari
nilai toleransi dan nilai variance inflation factor (VIF). Nilai Tolerance mengukur variabilitas dari
variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance
rendah sama dengan nilai VIF tinggi, dikarenakan VIF = 1/tolerance, dan menunjukkan terdapat
kolinearitas yang tinggi. Nilai cut off yang digunakan adalah untuk nilai tolerance 0,10 atau nilai VIF
diatas angka 10.
a. Vif

Berdasarkan tabel uji multikolinearitas menggunakan command VIF di STATA menunjukkan nilai VIF
yang berada di bawah 10 maka dapat dikatakan bahwa data tersebut lolos uji multikolieniaritas sebab
nilai VIF berada dibawah 10.
4. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk mengetahui apakah terdapat korelasi antara kesalahan pengganggu
pada periode tertentu dengan kesalahan pengganggu pada periode sebelumnya.
Menggunakan command runtest

Pada Uji autokorelasi menggunakan command runtest di atas data tersebut dapat disimpulkan bahwa
tidak lolos uji autokorelasi sebab nilai Prob> |z| berada di bawah 0,05.
5. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan yang lain tetap disebut homoskedastisitas, dan jika berbeda disebut
heteroskedastisitas.
a. Uji Glesjer

Berdasarkan hasil command di atas maka dapat dihasilkan bahwa nilai probabilitinya berada di atas
0,05 yaitu 0,387. Maka dapat dikatakan bahwa uji tersebut terdapat homoskedastisitas dan tidak terdapat
gejala heteroskedastisitas atau dapat dikatakan lolos uji heteroskedastisitas
b. Uji Koenker-Basset
Berdasarkan pada tabel di atas dapat kita lihat bahwa nilai P>|t| untuk yprediksi_kuadrat berada di
bawah 0,05. Maka, dapat kita simpulkan bahwa terdapat heteroskedastisitas dan tidak terdapat
homoskedastisitas (tidak lolos uji).
Analisis Uji Asumsi Klasik menggunakan EViews
1. Regresi

Fungsi (kejahatan) = 2,524647 + 0,0622889X1 + e

Konstanta dengan nilai 2,524647 menunjukkan apabila seluruh variabel bebas (X1) atau tingkat
kemiskinan sama dengan nol maka tingkat kejahatan akan meningkat sebesar konstanta yang tertera
pada model.
Koefisien kemiskinan ditunjukkan denan X1 sebesar 0,6022889, artinya variabel kemiskinan
berpengaruh positif terhadap tingkat kejahatan. Ketika terjadi kenaikan kemiskinan sebesar 1% maka
akan meningkatkan tingkat kejahatan sebesar 0,0622889 persen.
2. Uji Normalitas
Suatu korelasi dikatakan linier apabila hubungan dari semua titik X dan Y dalam suatu scatter diagram
mendekati suatu garis (lurus)
Pada uji normalitas ini data yang digunakan menunjukkan ketidaknormalan sebab nilai probability
berada di bawah 0,05. Keadaan tersebut dapat diatasi dengan cara menambah data input lebih banyak.
3. Uji Linearitas
Suatu korelasi dikatakan linier apabila hubungan dari semua titik X dan Y dalam suatu scatter diagram
mendekati garis (lurus)

Terlihat pada kotak merah di atas atau nilai probability F-statistic memiliki nilai lebih dari 0,05 maka
data-data yang digunakan lolos dari uji linearitas, begitupun sebaliknya.

4. Uji Multikolinearitas
Dilakukan pada kondisi apabila regresi linier menggunakan lebih dari satu variabel independen. Salah
satu ciri adanya gejala multikolinieritas ditunjukkan dengan model yang memiliki nilai koefisien
determinasi (R2) cukup tinggi tetapi hanya sedikit variabel independen yang signifikan mempengaruhi
variabel dependen melalui uji t.
Lihat pada kolom centered VIF dan baris kemiskinan terpampang nilai sebesar satu. Berdasarkan hal
tersebut maka data-data yang digunakan lolos uji multikolinearitas.
5. Uji Autokorelasi
Dilakukan untuk mengetahui apakah terdapat korelasi antara kesalahan pengganggu pada periode
tertentu dengan kesalahan pengganggu pada periode sebelumnya.

Untuk mengetahui apakah data-data tersebut lolos uji autokorelasi maka lihat pada Prob. Chi-Square(2),
Nilai tersebut berada dibawah 0,05 yang menunjukkan terdapat autokorelasi dalam model.
6. Uji Heterokedastisitas
Dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dan residual antara
satu pengamatan ke pengamatan yang lain.
Untuk melihat apakah uji ini lolos atau tidak lihat pada prob. chi square(1) 0,3691. Dinyatakan lolos
apabila nilai berada di atas 0,05 maka pada data di atas data tidak bersifat homoskedastisitas atau tidak
terbebas dari heteroskedastisitas.