UJI ASUMSI KLASIK

ASUMSI REGRESI LINEAR KLASIK

1. ASUMSI NORMALITAS DATA
2. TIDAK TERDAPAT MULTIKOLINEARITAS
3. UJI AUTOKORELASI
Bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1. Model regresi yang baik harus bebas dari asumsi autokorelasi.
 Cara untuk mendeteksi ada atau tidaknya autokorelasi:
a. Uji Durbin-Watson test
Hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan
adanya intercept (konstanta) dalam model regresi dan tidak ada
variabel lag diantara variabel independen.
Langkah analisis:
1. Lakukan regresi linier
2. Tekan statistics: aktifkan Durbin Watson.
Ketentuan uji Durbin-Watson

Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka
hopotesis nol ditolak, yang berarti terdapat autokorelasi.
Jika d terletak antara dU dan (4-dU), maka hipotesis nol
diterima, yang berarti tidak ada autokorelasi.
Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-
dL), maka tidak menghasilkan kesimpulan yang pasti.
 Tabel. Tabulasi Data (Data Fiktif)
Tahun Harga Saham (Rp) PER (%) ROI (%)
1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38
Langkah-langkah program SPSS

Klik Analyze - Regression - Linear

Klik variabel Harga Saham dan masukkan ke kotak Dependent,
kemudian klik variabel PER dan ROI dan masukkan ke kotak
Independent(s).
Klik Statistics, pada Residuals klik Durbin Watson, kemudian klik
Continue.
Klik OK, hasil output pada Model Summary sebagai berikut:
Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .879a .772 .742 870.80063 1.387

a. Predictors: (Constant), ROI, PER

b. Dependent Variable: Harga Saham

Dari hasil output di atas didapat nilai DW yang dihasilkan dari model
regresi adalah 1,387. Sedangkan dari tabel DW dengan signifikansi
0,05 dan jumlah data (n) = 18, seta k = 2 (k adalah jumlah variabel
independen) diperoleh nilai dL sebesar 1,046 dan dU sebesar 1,535
(lihat table DW). Karena nilai DW (1,387) berada pada daerah
antara dL dan dU, maka tidak menghasilkan kesimpulan yang pasti
(berada di daerah keragu-raguan)
4. 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 lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Cara mendeteksi:
a. Metode Grafik
Langkah analisis:
1. Lakukan regresi linier
2. Tekan plots: masukkan SRESID pada Y
dan ZPRED pada X, Continue, OK.
Cara deteksi:
a. Jika titik-titik yang ada membentuk pola tertentu yang
teratur (bergelombang, melebar kemudian menyempit),
maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas.
Gunakan data pada latihan pengaruh biaya produksi, distribusi, dan
promosi pada tingkat penjualan
Untuk analisis data, klik menu Analyze >> Regression >> Linear
Pada kotak dialog Linear Regression, masukkan variabel Tingkat
penjualan ke kotak Dependent, kemudian masukkan variabel Biaya
produksi, Biaya distribusi, dan Biaya promosi ke kotak Independent(s).
Klik tombol Plots, maka akan terbuka kotak dialog ‘Linear Regression:
Plots’.
Klik *SRESID (Studentized Residual) lalu masukkan ke kotak Y dengan
klik tanda penunjuk. Kemudian klik *ZPRED (Standardized Predicted
Value) lalu masukkan ke kotak X. Jika sudah klik tombol Continue. Akan
terbuka kotak dialog sebelumnya, klik tombol OK
b. Uji Glejser
Caranya adalah dengan meregresi nilai absolut residual
terhadap variabel independen (Gujarati, 2003).
Deteksi ada atau tidaknya heteroskedastisitas adalah: jika
variabel independen signifikan secara statistik mempengaruhi
variabel dependen, maka ada indikasi terjadi heteroskedastisitas.
Uji Glejser dilakukan dengan cara meregresikan antara variabel
independen dengan nilai absolut residualnya. Jika nilai
signifikansi antara variabel independen dengan absolut residual
lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas
Contoh kasus:
Akan dilakukan analisis regresi linier berganda untuk mengetahui
pengaruh biaya produksi, distribusi, dan promosi terhadap
tingkat penjualan. Dengan ini sebelumnya akan dilakukan uji
asumsi klasik heteroskedastisitas dengan metode uji Glejser.
Pada kotak dialog Linear Regression, masukkan variabel Tingkat
penjualan ke kotak Dependent, kemudian masukkan variabel Biaya
produksi, Biaya distribusi, dan Biaya promosi ke kotak Independent(s).
Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear
Regression: Save’
Pada Residuals, beri tanda centang pada ‘Unstandardized’. Kemudian
klik tombol Continue.Akan kembali ke kotak dialog sebelumnya, klik
tombol OK. Hiraukan hasil output SPSS, Anda buka input data, disini
akan bertambah satu variabel yaitu residual (RES_1).
Langkah selanjutnya mencari nilai absolute residual dari nilai residual di
atas, caranya klikmenu Transform >> Compute Variable.
Pada kotak Target Variable, merupakan nama variabel baru yang
akan tercipta. Ketikkan ABS_RES (absolute residual). Kemudian klik
pada kotak Numeric Expression, lalu ketikkan ABS( lalu masukkan
variabel Unstandardized Residual (RES_1) ke kotak Numeric Expression
dengan klik tanda penunjuk, kemudian ketik tanda tutup kurung. Maka
lengkapnya akan tertulis ABS(RES_1), perintah ini untuk menghitung nilai
absolute dari residual. Jika sudah klik tombol OK.
Langkah selanjutnya meregresikan nilai variabel independen dengan
absolute residual. Caranya klik Analyze >> Regression >> Linear.
Masukkan variabel ABS_RES ke kotak Dependent, kemudian masukkan
varibel Biaya produksi, Biaya distribusi, dan Biaya promosi ke kotak
Independent(s). Selanjutnya klik tombol OK. Maka hasil pada output
Coefficient seperti berikut:
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -1.528E7 1.587E7 -.963 .356

Biaya Produksi .382 .516 .479 .740 .475

Biaya Distribusi .044 .637 .034 .069 .946

Biaya Promosi .182 .525 .193 .346 .736

a. Dependent Variable: ABS_RES

Dari output di atas dapat diketahui bahwa nilai signifikansi ketiga

variabel independen lebih dari 0,05. Dengan demikian dapat
disimpulkan bahwa tidak terjadi masalah heteroskedastisitas
pada model regresi.
Uji Spearman Rho
Metode uji heteroskedastisitas dengan korelasi Spearman’s
rho yaitu mengkorelasikan variabel independen dengan nilai
unstandardized residual. Pengujian menggunakan tingkat
signifikansi 0,05 dengan uji 2 sisi. Jika korelasi antara variabel
independen dengan residual di dapat signifikansi lebih dari 0,05
maka dapat dikatakan bahwa tidak terjadi masalah
heteroskedastisitas pada model regresi
Inputkan data di SPSS
Langkah pertama yaitu mencari nilai unstandardized residual,
caranya klik Analyze >> Regression >> Linear
Pada kotak dialog Linear Regression, masukkan variabel Tingkat
penjualan ke kotak Dependent, kemudian masukkan variabel
Biaya produksi, Biaya distribusi, dan Biaya promosi ke kotak
Independent(s).
Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear
Regression: Save’
Pada Residuals, beri tanda centang pada ‘Unstandardized’. Kemudian
klik tombol Continue. Akan kembali ke kotak dialog sebelumnya, klik
tombol OK. Hiraukan hasil output SPSS, Anda buka input data, disini
akan bertambah satu variabel yaitu residual (RES_1).
Langkah selanjutnya melakukan analisis Spearman’s rho dengan cara
klik Analyze >> Correlate >> Bivariate, selanjutnya akan terbuka
kotak dialog Bivariate Correlations.
Masukkan variabel Biaya produksi, Biaya distribusi, Biaya promosi dan
Unstandardized Residual ke kotak Variables. Kemudian hilangkan
tanda centang pada Pearson dan beri tanda centang pada Spearman
Dari output di atas dapat diketahui bahwa nilai korelasi ketiga variabel
independen dengan Unstandardized Residual memiliki nilai signifikansi
lebih dari 0,05. Karena signifikansi lebih dari 0,05 maka dapat disimpulkan
bahwa tidak terjadi masalah heteroskedastisitas pada model regresi
CARA MENGATASI JIKA ADA PELANGGARAN
ASUMSI KLASIK
1. Lakukan transformasi variabel.
2. Lakukan deteksi data outlier dengan Z score atau dengan casewise diagnostics
dalam regresi.