Tujuan:

Untuk menguji apakah model regresi ditemukan adanya korelasi antar

variabel independent.

Mendeteksi ada tidaknya Multikolinearitas

1.Nilai R2 yang dihasilkan sangat tinggi (lebih dari 95%),dan

secara individu variabel variabel independen banyak yang tidak
signifikan memengaruhi variabel dependen.
2. Jika antar variabel independen mempunyai korelasi yang sangat
kuat.
3. Tolerance and variance inflation factor (VIF)
Tolerance untuk mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel independen lainnya.
VIF =1/Tolerance.Jika nilai Tolerance <0,1 atau VIF >10 maka
di simpulkan adanya multikolonieritas
 Contoh:

X1 2 3 5 4 6 2 3 4 5 6
X2 3 4 6 5 7 6 4 5 4 3
Y 5 8 8 9 9 13 6 9 4 3

Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
Buatlah uji multikolinieritas dari di atas

4
 Output SPSS

Coefficient Correlationsa

Model pendapatan harga

1 Correlations pendapatan 1.000 -.223
harga -.223 1.000
Covariances pendapatan .091 -.018
harga -.018 .073
a. Dependent Variable: keperluan konsumsi

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 2.553 1.626 1.570 .160
harga -1.092 .271 -.552 -4.029 .005 .950 1.052
pendapatan 1.961 .302 .889 6.490 .000 .950 1.052
a. Dependent Variable: keperluan konsumsi
Tolerance >0,1
VIF <10
maka di simpulkan tidak ada multikolonieritas
antar variabel independent.
Tujuan:
menguji apakah model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya (t-1).

Mendeteksi ada tidaknya AUTOKORELASI

1.Uji Durbin Watson (DW test),
2.Uji Langrage Multiplier (LM test), > 100 observasi
3.Uji statistik Q
4.Run Test.
 ^
Dari contoh sebelumnya di dapat Y = 2,5529 − 1,0921X 1 + 1,9608 X 2 .
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
^ ^
X1 X2 Y Y e=Y- Y et-et-1
2 3 5 6.2511 -1.2511
3 4 8 7.1198 0.8802 2.1313
5 6 8 8.8572 -0.8572 -1.7374
4 5 9 7.9885 1.0115 1.8687
6 7 9 9.7259 -0.7259 -1.7374
2 6 13 12.1335 0.8665 1.5924
3 4 6 7.1198 -1.1198 -1.9863
4 5 9 7.9885 1.0115 2.1313
5 4 4 4.9356 -0.9356 -1.9471
6 3 3 1.8827 1.1173 2.0529
Buatlah uji Autokorelasi dari di atas

7
 Mendeteksi ada tidaknya Multikolinearitas

Uji Durbin Watson (DW test),

Syarat:
“Adanya intercept dalam model regresi.”

Rumus:

Outpu SPSS:

Model Summaryb

Adjusted Std. Error of Durbin-

Model R R Square R Square the Estimate Watson
1 .936a .875 .840 1.18179 3.386
a. Predictors: (Constant), pendapatan, harga
b. Dependent Variable: keperluan konsumsi
Pengambilan keputusan ada atau tidaknya autokorelasi:

Hipotesis Ho Keputusan Jika

Tidak ada autokorelasi Tolak 0< d <dl
positif
Tidak ada autokorelasi No dl≤ d ≤ du
positif decision*

Tidak ada autokorelasi Tolak 4-dl< d <4

negatif

Tidak ada autokorelasi No 4-du ≤d ≤ 4-dl

negatif decision*

Tidak ada autokorelasi, Terima du< d <4-du

positif atau negatif

* Diperlukan observasi lebih lanjut agar ada keputusan.

 Model Summaryb

Adjusted Std. Error of Durbin-

Model R R Square R Square the Estimate Watson
1 .936a .875 .840 1.18179 3.386
a. Predictors: (Constant), pendapatan, harga
b. Dependent Variable: keperluan konsumsi

d= 3.386
dl = 0,697
du = 1,604

Keputusan:
Karna 4-dl< d <4, maka di simpulkan bahwa Ho
yang mengatakan bahwa tidak ada autokorelasi
negatif ditolak.
“Terdapat autokorelasi negatif”
 Model Summaryb

Adjusted R Std. Error of

Model R R Square Square the Estimate Durbin-Watson
1 .979a .959 .941 2758.308 1.339
a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia
b. Dependent Variable: Income

Nilai DW sebesar 1.339, nilai ini akan dibandingkan

dengan nilai tabel dengan menggunakan signifikansi 5%,
jumlah sampel 11 (n) dan jumlah variabel bebas 3 (k=3),
maka di tabel Durbin Watson akan didapatkan nilai sbb:
Gambar Daerah Uji Durbin Watson

0.595 1.928 2.072 3.405

1.339

Karena nilai DW 1.339 lebih kecil dari du dan lebih besar dari
dl, maka tidak menghasilkan kesimpulan yang pasti
Tujuan:
menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain.

Mendeteksi ada tidaknya HETEROSKEDASITAS

1.Scatter plot (nilai prediksi dependen ZPRED
dengan residual SRESID),
2.Uji Gletjer,
3.Uji Park
4.Uji White.
 Mendeteksi ada tidaknya HETEROSKEDASTISITAS

1. Scatter plot

Dasar Analisis:

1.Jika ada pola tertentu,seperti titik-titik yang ada

membentuk pola tertentu yang teratur
(bergelombang,melebar kemudian menyempit)
maka di indikasi terjadi heteroskedastisitas.

2. Jika tidak ada pola yang jelas,serta titik-titik

menyeber di atas dan di bawah angka 0 pada
sumbu Y,maka tidak terjadi heteroskedastisitas.
Langkah-langkah analisis dengan
spss

1. Buka file
2. Tekan tombol Plot
3. Masukkan variabel SRESID pada kotak pilihan Y
4. Masukkan variabel ZPRED pada kotak pilihan X
5. Tekan continue
6. Ok
 ^
Dari contoh sebelumnya di dapat Y = 2,5529 − 1,0921X 1 + 1,9608 X 2 .
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
X1 X2 Y
2 3 5
3 4 8
5 6 8
4 5 9
6 7 9
2 6 13
3 4 6
4 5 9
5 4 4
6 3 3
Buatlah uji heteroskedastisitas dari di atas

17
 Scatterplot

Dependent Variable: keperluan konsumsi

1.5

Regression Studentized Residual 1.0

0.5

0.0

-0.5

-1.0

-1.5

-2 -1 0 1 2
Regression Standardized Predicted Value

di indikasikan terjadi Heteroskedastisitas, karena titik-titik yang ada

membentuk pola tertentu.
2. Uji Gletjer
Langkah-langkah analisis dengan spss

1. Buka file
2. Buat variabel residual (Ut) dengan cara memilih
tombol save dan aktifkan Unstandardized
residual.
3. Absolutkan nilai residual (AbsUt) pada menu
transform.
4. Regresikan variabel AbsUt sebagai var.dependent
dan variabel harga dan pendapatan sebagai
variabel independent.

Persamaan menjadi:
AbsUt=a+b1 harga+b2 pendapatan
 OUTPUT SPSS

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. E rror Beta t Sig.
1 (Const ant) 1.489 .127 11.762 .000
harga -.019 .021 -.185 -.917 .389
pendapatan -.092 .024 -.793 -3. 928 .006
a. Dependent Variable: absUt

ANALISIS
Jika variabel independent signifikan mempengaruhi variabel dependent,maka
di indikasikan terjadi Heteroskedastisitas.
Dari output terdapat variabel pendapatan mempengaruhi variabel
Dependent, maka di simpulkan model regresi terjadi Heteroskedastisitas.
Tujuan:
mengetahui apakah variabel pengganggu atau residual
memiliki distribusi normal. .

Mendeteksi ada tidaknya NORMALITAS

1. Analisis grafik (normal P-P plot)
2. Analisis statistik (analisis Z skor skewness dan
kurtosis) one sample Kolmogorov-Smirnov
Test.
Hipotesis:
H0: data residual berdistribusi normal
H1: Data residual tidak berdistribusi normal. .
 1. Analisis Grafik

1. Buka file
2. Tekan tombol Plot
3. Aktifkan standardized residual plot pada
Histogram dan Normal Probability Plot.
4. Tekan tombol Continue dan abaikan lainnya,lalu
tekan Ok.
 ^
Dari contoh sebelumnya di dapat Y = 2,5529 − 1,0921X 1 + 1,9608 X 2 .
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
X1 X2 Y
2 3 5
3 4 8
5 6 8
4 5 9
6 7 9
2 6 13
3 4 6
4 5 9
5 4 4
6 3 3
Buatlah uji normalitas dari data di atas.

23
Analisis.
Model Regresi memenuhi asumsi normalitas,karna:
1.Grafik Histogram memberikan pola distribusi normal.
2. Grafik normal plot terlihat data menyebar di sekitar garis diagonal dan tidak
menjauh dari garis diagonal.
 2. Analisis Statistik

1. Buka file
2. Pilih menu Analyze
3. Pilih Non-parametric test
4. Pilihsub menu 1-sample k-S
5. Pada kotak test variabel list,isikan unstandardized
residual(RES_1),caranya lht pada Uji Gletjer.
6. Aktifkan test distribution pada kotak Normal.
Output SPSS
One-Sample Kolmogorov-Smirnov Test

Unstandardiz
ed Res idual
N 10
Normal Parameters a,b Mean .0000000
Std. Deviation 1.04224494
Most Extreme Absolute .297
Differences Positive .257
Negative -.297
Kolmogorov-Smirnov Z .940
As ymp. Sig. (2-tailed) .340
a. Test distribution is Normal.
b. Calculated from data.

ANALISIS
Karena Sig >0.05,maka H0 diterima,maka disimpulkan data residual berdistribusi
Normal.
Tujuan:
Uji ini digunakan untuk melihat apakah spesifikasi model
yang digunakan yaitu studi empiris linier, kuadrat, atau kubik.

Cara analisis sama dengan materi regresi berganda,pada

pertemuan sebelumnya. Yaitu dengan uji F.
Cara lain Mendeteksi Terjadinya linearitas
1. Uji Durbin Watson,
2. Uji Ramsey
3. Uji Langrange Multiplier.