Materi 4:
Uji Asumsi Klasik dengan SPSS
(@Hak Cipta STIE YKPN Yogyakarta)
ASUMSI MODEL OLS (KLASIK)
Persamaan regresi estimasi yang dihasilkan
dari metode ordinary least square (OLS) akan
menghasilkan BLUE (Best Linear Unbias
Estimator) jika memenuhi asumsi (asumsi
klasik) - Gauss-Markov Theorem, di antaranya:
1. Non Multikolinearitas
2. Homoskedastisitas
3. Non Otokorelasi
Persyaratan lain: Residual berdistribusi normal
(Parametrik)
@Hak Cipta STIE YKPN
Uji Multikolinearitas
Tujuan: menguji korelasi linear yang tinggi
antaravariabel independen
Penyebab:
Menentukan variabel independen dalam model
Uji Glejser
Uji White
Cara mengobati:
Menggunakan metode General Least Square (GLS)
Breusch-Godfrey Test
Run Test
Cara mengatasi:
Masukkan variabel penting ke dalam model
variabel independen)
Transformasi Rho (Misalnya transformasi
Cochrane Orcutt)
Y Y
X2
X1 X1 X2
Ketentuan:
Model regresi bebas masalah multikolinearitas apabila
TOL lebih dari 0,1 dan VIF kurang dari 10.
Kesimpulan:
Model regresi terdapat masalah multikolinearitas, karena TOL = 0,079
kurang dari 0,1 dan VIF = 12,696 lebih dari 10.
Kesimpulan:
Besarnya koefisien korelasi antara EXA dan INF adalah 0,96 lebih
dari 0,8. Dengan demikian pada model regresi estimasi terdapat
masalah multikolinearitas
Kesimpulan:
Besarnya R2 aux = 0,921 lebih besar daripada R2 model = 0,852. Dengan demikian
pada model regresi estimasi terdapat pasalah multikolinearitas
Tidak terjadi
Terdapat Tdk ada Otokorelasi Tdk ada Terdapat
Otokorelasi Keputusan Keputusan Otokorelasi
0 dL dU 4-dU 4 - dL 4
Kesimpulan:
Model regresi memiliki D-W Test = 0,252 berada pada otokorelasi
positif. Dengan demikian model regresi estimasi mengandung masalah
otokorelasi.
9. Klik OK akan diperoleh variabel baru seperti pada tampilan berikut ini:
13. Lakukan langkah yang sama untuk variabel EXA dan CPI sehingga
diperoleh variabel baru seperti berikut ini
Nilai D-W Test meningkat menjadi 1,419. Apakah masih mengandung masalah
otokorelasi? Coba lakukan pengujian dengan Run Test
Jika masing mengandung masalah otokorelasi, lakukan lagi dengan cara yang
sama sampai tidak terdapat masalah otokorelasi.
Run Test:
H0: Non Autocorrelation
HA: Autocorrelation
Kesimpulan:
Nilai Sig semua variabel EXA = 0,992 dan Sig variabel CPI = 0,252. Nilai
Sig semua variabel independen lebih besar daripada (misalnya) =
0,05. Keputusan pengujian adalah tidak menolak H0. Artinya model
regresi estimasi tidak mengandung masalah hetero.
Dengan SPSS, jika Sig. < keputusan menolak H0. Artinya data tidak
berdistribusi normal
Kesimpulan:
Nilai Sig. = 0,365. Nilai Sig. lebih besar daripada (misalnya) = 0,05.
Keputusan pengujian adalah tidak menolak H0. Artinya residual model
regresi estimasi berdistribusi normal.
= C3-C2 = E3-E2
= D3-D2
Kesimpulan:
Model regresi terdapat masalah multikolinearitas, karena
TOL = 0,984 lebih dari 0,1 dan VIF = 1,016 kurang dari 10.
Hasil pengujian menunjukkan bahwa model regresi estimasi
tidak mengandung masalah multikolinearitas.
Kesimpulan:
Besarnya koefisien korelasi antara dEXA dan dCPI adalah
0,126 kurang dari 0,8. Dengan demikian pada model regresi
estimasi tidak terdapat masalah multikolinearitas.
Kesimpulan:
Besarnya R2 aux = 0,016 lebih kecil daripada R2 model = 0,852. Dengan demikian
pada model regresi estimasi tidak terdapat pasalah multikolinearitas
@Hak Cipta STIE YKPN
MASALAH OTOKORELASI
Kesimpulan:
Model regresi memiliki D-W Test = 1,595 berada pada daerah tidak
terdapat masalah otokorelasi. Dengan demikian model regresi estimasi
mengandung masalah otokorelasi.
Kesimpulan:
Nilai Sig semua variabel dEXA = 0,476 dan Sig variabel dCPI = 0,500.
Nilai Sig semua variabel independen lebih besar daripada (misalnya)
= 0,05. Keputusan pengujian adalah tidak menolak H0. Artinya model
regresi estimasi tidak mengandung masalah heteroskedastisitas.
Kesimpulan:
Nilai Sig uji K-S = 0,894 lebih besar daripada (misalnya) = 0,05.
Keputusan pengujian adalah tidak menolak H0. Artinya model regresi
estimasi berdistribusi normal.
152
Misalnya data penelitian di bawah ini akan dideteksi data outlier:
Data Sampel:
SAHAM A B C D E F G H I J K L
DIV 80 66 74 100 68 34 25 50 75 125 85 45
ROI 0,25 0,08 0,12 0,35 0,20 0,14 0,13 0,10 0,26 0,43 0,16 0,18
ROA 0,09 0,07 0,04 0,15 0,08 0,02 0,06 0,04 0,12 0,19 0,11 0,02
P 125 70 85 210 73 50 45 80 110 300 140 90
153
Langkah-langkahnya:
1. Input data seperti berikut ini: sehingga muncul spt berikut ini:
154
4. Klik OK akan muncul pada jendela data sebagai berikut:
Data nomor 10 merupakan data outlier, karena memiliki nilai Z di luar interval 2.