Regresi Data Runtut Waktu

(Uji Asumsi Klasik)

Teknik Proyeksi Bisnis - Pertemuan 13
Catatan Sebelum Latihan

 Setiap sudah melakukan pengujian, tutup SPSS-nya sebelum melakukan pengujian

selanjutnya, kemudian buka lagi SPSS-nya, agar tidak bingung dalam membaca output
(Saat menutup SPSS, file “Data” jangan di save, kalau output boleh di save untuk
arsip).
 Misalnya kita sudah melakukan uji normalitas dan ingin melakukan uji multikolinearitas.
Sebelum melakukan uji multikolinearitas, tutup SPSS-nya dulu kemudian buka lagi SPSS-
nya, jadi output tidak numpuk dan tidak bingung membaca output-nya.
 Lakukan hal yang sama jika ingin melakukan pengujian selanjutnya.
Uji Normalitas Residual

 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Save > Pada bagian RESIDUALS, checklist “Unstandardized”
 Klik Continue > Klik OK (Abaikan output yang muncul)
 Kembali ke data, akan ada kolom data baru bernama “RES_1”
 Analyze > Nonparametric Test > Legacy Dialog > 1-Sample K-S
 Masukkan “Unstandardized Residual (RES_1)” ke kolom “Test Variable List”
 Pada bagian TEST DISTRIBUTION, checklist “Normal” > Klik OK

 Metode pengambilan keputusan:

 Jika signifikansi (Asymp. Sig.) >0,05 maka data residual berdistribusi normal.
 Jika signifikansi (Asymp. Sig.) <0,05 maka data residual tidak berdistribusi normal.
Uji Normalitas Residual

Berdasarkan hasil output dari file “Data”:

 Tuliskan tabel output.
 Berapa nilai Asymp. Sig. dari Unstandardized Residual?
 Data residual berdistribusi normal atau tidak?
Uji Normalitas Data dengan metode Normal
Probability Plot
 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Plots > Pada bagian STANDARDIZED RESIDUAL PLOTS, checklist “Normal Probability Plot”
 Klik Continue > Klik OK > Output yang dilihat adalah grafik “Normal P-P Plot”.

 Metode pengambilan keputusan:

 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka data residual
berdistribusi normal.
 Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah diagonal, maka data residual
tidak berdistribusi normal.
Uji Normalitas Data dengan metode Normal
Probability Plot
Berdasarkan hasil output dari file “Data”:
 Gambarkan grafik output.
 Apakah data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal?
 Data residual berdistribusi normal atau tidak?
Uji Multikolinearitas

 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Statistics > Checklist “Collinearity Diagnostics”
 Klik Continue > Klik OK > Output yang dilihat adalah tabel “Coefficients”

 Metode pengambilan keputusan:

 Jika Tolerance >0,1 dan VIF <10, maka tidak terjadi multikolinearitas pada model regresi.
 Jika Tolerance <0,1 dan VIF >10, maka terjadi multikolinearitas pada model regresi.
Uji Multikolinearitas

Berdasarkan hasil output dari file “Data”:

 Tuliskan tabel output.
 Berapa nilai Tolerance dan VIF?
 Terjadi multikolinearitas pada model regresi atau tidak?
Uji Heteroskedastisitas dengan metode
Spearman’s rho
 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Save > Pada bagian RESIDUALS, checklist “Unstandardized”
 Klik Continue > Klik OK (Abaikan output yang muncul)
 Kembali ke data, akan ada kolom data baru bernama “RES_1”
 Transform > Compute Variable
 Ketikkan ABS_RES pada kolom “Target Variable”
 Ketikkan ABS(RES_1) pada kolom “Numeric Expression”
 Klik OK > Kembali ke data, akan ada kolom data baru bernama “ABS_RES”
 Analyze > Correlate > Bivariate
 Masukkan semua variabel X dan ABS_RES ke kolom Variables
 Pada bagian CORRELATION COEFFICIENTS, checklist “Spearman” dan hilangkan checklist “Pearson” > Klik OK

 Metode pengambilan keputusan:

 Jika signifikansi antara setiap variabel X dengan ABS_RES >0,05 maka tidak terjadi heteroskedastisitas pada model regresi.
 Jika signifikansi antara setiap variabel X dengan ABS_RES <0,05 maka terjadi heteroskedastisitas pada model regresi.
Uji Heteroskedastisitas dengan metode
Spearman’s rho
Berdasarkan hasil output dari file “Data”:
 Tuliskan tabel output.
 Berapa nilai signifikasi:
 X1↔ABS_RES
 X2↔ABS_RES
 X3↔ABS_RES
 Terjadi heteroskedastisitas pada model regresi atau tidak?
Uji Heteroskedastisitas dengan melihat
Scatterplot
 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Plots > Masukkan SRESID ke kolom Y dan ZPRED ke kolom X
 Klik Continue > Klik OK > Output yang dilihat adalah grafik “Scatterplot”

 Metode pengambilan keputusan:

 Jika titik-titik menyebar dan tidak berpola dibagian atas dan bawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas pada model regresi.
 Jika titik-titik tidak menyebar dan berpola, maka terjadi heteroskedastisitas pada model regresi.
Uji Heteroskedastisitas dengan melihat
Scatterplot
Berdasarkan hasil output dari file “Data”:
 Gambarkan grafik output.
 Apakah titik-titik menyebar dan tidak berpola?
 Terjadi heteroskedastisitas pada model regresi atau tidak?
Uji Autokorelasi

 Langkah-langkah:
 Analyze > Regression > Linear
 Masukkan semua variabel X ke kolom Independent & Y ke kolom Dependent
 Klik Statistics > Pada bagian RESIDUALS, Checklist “Durbin-Watson”
 Klik Continue > Klik OK > Output yang dilihat adalah tabel “Model Summary”

 Metode pengambilan keputusan:

 Jika dU<DW<4-dU, maka tidak terjadi autokorelasi
 Jika DW<dL atau DW>4-dL, maka terjadi autokorelasi
 Jika dL<DW<dU atau 4-dU<DW<4-dL, maka tidak dapat disimpulkan
Uji Autokorelasi
Uji Autokorelasi

 Langkah mencari nilai dL dan dU:

 Buka file “Tabel Durbin-Watson”
 Cari nilai dL dan dU berdasarkan file “Data”:
 Jumlah data (Sampel) = n = 24
 Jumlah variabel X (Independen) = k = 3
Uji Autokorelasi

Berdasarkan hasil output dari file “Data”:

 Tuliskan tabel output.
 Berapa nilai Durbin-Watson?
 Berapa nilai dL dan dU?
 Terjadi autokorelasi pada model regresi atau tidak?