Uji Asumsi Klasik
Uji Asumsi Klasik
Kelompok 8:
1. Uji
5. Uji Linieritas
Multikolonieritas
2. Uji 4. Uji
Autokorelasi Normalitas
3. Uji
Heteroskedastisitas
1. Uji Multikolonieritas
Multikolinearitas adalah situasi dimana terdapat dua variabel
independen yang saling berkorelasi (berhubungan).
Uji Multikolinieritas dilakukan untuk melihat apakah ada
keterkaitan antara hubungan yang sempurna antara variabel-
variabel independen.
Jika di dalam pengujian ternyata didapatkan sebuah
kesimpulan bahwa antara variabel independent tersebut saling
terikat, maka pengujian tidak dapat dilakukan ke dalam tahapan
selanjutnya yang disebabkan oleh tidak dapat ditentukannya
koefisien regresi variabel tersebut dan juga nilai standard
errornya menjadi tak terhingga.
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam
model regresi adalah sebagai berikut:
2). Dengan melihat nilai VIF: Jika nilai VIF lebih dari 10, maka kita
akan mendapat kesimpulan bahwa data yang kita uji tersebut
memiliki multikolinieritas. Sedangkan jika nilai VIF dibawah 10,
maka kita akan mendapat kesimpulan bawa data yang kita uji tidak
memiliki kolinieritas.
Cara mengetahui adanya multikolinearitas pada
data dengan menggunakan program SPSS:
1. Menyiapkan Data
Anggaplah seseorang ingin menganalisis pengaruh
Earning per share (EPS), Dividend per share (DPS),
terhadap harga saham per lembar di BEI.
Pengaruh Earning per share (EPS), Dividend per share
(DPS), terhadap harga saham per lembar di BEI.
FOKUS!
6. Menganalisis Output
Berdasarkan output SPSS diatas, dapat disimpulkan
bahwa Tidak terjadi Multikolinearitas antar variabel
independent dalam model regresi karena nilai Tolerance > 0.1
dan nilai VIF < 10.
2. Uji Autokorelasi
Uji autokorelasi adalah sebuah analisis statistik yang dilakukan
untuk mengetahui adakah korelasi variabel yang ada di dalam
model prediksi dengan perubahan waktu.
Uji autokorelasi di dalam model regresi linear harus dilakukan
apabila data merupakan data time series atau runtut waktu, dan
tidak perlu dilakukan pada data cross section seperti pada
kuesioner di mana pengukuran semua variabel dilakukan secara
serempak pada saat yang bersamaan. Sebab yang dimaksud
dengan autokorelasi sebenarnya adalah: Sebuah nilai pada sampel
atau observasi tertentu sangat dipengaruhi oleh nilai observasi
sebelumnya.
Dasar Pengambilan Keputusan:
1.Menyiapkan Data
Seorang manajer PT Maju Mundur ingin
mengetahui pengaruh biaya produksi, distribusi,
dan promosi terhadap tingkat penjualan selama
15 (lima belas) tahun terakhir. Berikut adalah
data yang didapatkan PT Maju Mundur:
2. Masukkan data ke SPSS.
Untuk memasukkan data kedalam SPSS, pada menu SPPS di bagian bawah
akan tersedia pilihan Data View dan Variable View. Pilih menu Variable
View terlebih dahulu untuk pengisian variabel seperti pada langkah pengujian
regresi liner sederhana. Akan muncul tampilan dibawah ini.
Isikan Measure untuk Tingkat Penjualan, Biaya Produksi, Biaya Distribusi dan
Biaya Promosi menggunakan nominal, karena variabel-variabel tersebut menggunakan
data berupa angka. Untuk Tahun, biarkan menggunakan Scale dan Decimals jadikan 0.
3. Input Data
Pilih Data View dan selanjutnya akan muncul tampilan seperti dibawah, lalu
isikan angka (data) nominal secara manual.
4. Uji Asumsi Klasik Autokorelasi dengan SPSS
Pengisian:
Ø Klik tombol Reset untuk menghapus semua input terlebih dahulu
Ø Dependent. Masukkan variabel tingkat penjualan
Ø Independent. Masukkan variabel biaya produksi, biaya distribusi dan
biaya promosi.
Ø Case Labels atau keterangan pada kasus. Pilih variabel Tahun.
Ø Method. Pilih Enter.
5. Pilih Statistics.
Pengisian: Aktifkan pilihan Estimates, Model Fit, Durbin –Watson, Casewise
diagnostics, dan Outliers outside.
6. Hasil Output
Tekan Continue lalu OK untuk proses data. Lalu, akan muncul
output berikut di SPSS anda:
FOKUS
Uji Glejser
Uji Park
Uji Spearman
Melihat Grafik Scatterplots
a). Uji Glejser
I. Jika nilai signifikasi > 0,05 maka tidak terdapat hubungan yang
signifikan antara baris dengan kolom. (Normal)
II. Jika nilai signifikasi < 0,05 maka terdapat hubungan yang signifikan
antara baris dengan kolom.(Tidak Normal)
Contoh Uji Shapiro Walk:
1. Buka program
SPSS, klik Variable
View masukkan data
Motivasi Belajar dan
Hasil Belajar yang
sudah dipersiapkan.
2. Berikutnya, pilih Analyze, lalu klik Regression, dan Curve
Estimation
3. Muncul kotak dengan nama Curve Estimation, masukkan variabel
Motivasi Belajar (X) ke kotak Independet List dan variabel Hasil
Belajar (Y) ke kotak Dependet List.
4. Selanjutnya, klik Ok. Dan akan muncul hasil seperti ini
Berdasarkan dari grafik di atas
menunjukkan bahwa hubungan antar
variabel telah memenuhi asumsi linier
karena Titik-titik Observed dari ujung kiri
bawah mendekati garis Linier hingga ujung
kanan atas.