Uji Residual

(pada regresi Linier)

Ada beberapa syarat yang terkait

dengan residual atau error ( i ) yang
harus diperhatikan dalam regresi linier
Error :

i yi yi
 Uji Residual
(pada regresi Linier)

Syarat 1 :

Residual atau Error adalah variabel

random yang berdistribusi Normal
dengan means 0 dan varians
tertentu N(0,2)
Contoh Hasil Analisis :
Distribusi Residual
Contoh Hasil Analisis :
Distribusi Residual
Contoh Hasil Analisis :
Uji Normalitas Residual
 Uji Residual
(pada regresi Linier)

Syarat 2 :

adanya homoscedasticity, yang artinya

varians Y sama untuk beberapa nilai X

dapat dilihat melalui plot antara error ( i )

dengan nilai ( yi )

Jik plot tersebut tidak berpola, berarti

syarat ini terpenuhi
 Contoh Hasil Analisis :
Plot Antara Nilai Prediksi & Residual
 Uji Residual
(pada regresi Linier)

Syarat 3 :
Tidak ada otokorelasi antar
residual

Digunakan uji Durbin-Watson untuk

melihat kondisi otokorelasi
 Uji Durbin-Watson

Fungsi :
Melihat ada tidaknya otokorelasi

Hipotesis :
H0 : tidak ada otokorelasi ( = 0 )
H1 : ada otokorelasi ( 0 )
 Uji Durbin-Watson

Uji Statistika :

e eu 1
2
u
d u 2
n

e
u 1
2
u
Contoh Hasil Analisis :
Nilai Durbin-Watson
 Uji Durbin-Watson

Pengambilan Keputusan :
Untuk mengambil kesimpulan digunakan tabel D-W

H0 ditolak pada taraf 2, jika:

d<dL atau 4-d<dL
H0 diterima pada taraf 2, jika:
d>dU dan 4-d>dU
Jika tidak keduanya, tidak dapat disimpulkan
 Uji Residual
(pada regresi Linier)

Syarat 4 (untuk regresi Linier Ganda) :

Tidak ada multicollinearity atau

hubungan linier yang sempurna
antar variabel independent

Digunakan uji korelasi untuk melihat

kondisi multicollinearity
 Collinearity Statistics

Cara lain adalah dengan menggunakan nilai

Variance Inflation Factor (VIF)
Nilai VIF = 1 / Tolerance
Jika nilai Tolerance < 0.1 atau nilai VIF > 10
maka artinya terdapat korelasi pada variabel
independen
Contoh Hasil Analisis :
Nilai Collinearity Statistics
 Koefisien Determinan
(pada regresi Linier)

Koefisien determinan dinotasikan

dengan R2
Menerangkan berapa besar
kontribusi variabel independent
dapat menerangkan variabel
dependent
 Koefisien Determinan
(pada regresi Linier)

Perhitungan R2 :

JKR
R
2

JKT

(n 1) R k
2
R2

n k 1
adjusted
Contoh Hasil Analisis :
Nilai Koefisien Determinan