UJI ASUMSI KLASIK:

HETEROKEDASTISITAS,
OTOKORELASI, DAN LINIERITAS
Kelompok 10:
• Eka Nuraini (1817201007)
• Laely Novia Sa’ban (1817201019)
• Ratna Hayu Pangastuti (18172010)
• Refliana Dela (18172010)
 UJI ASUMSI KLASIK
HETEROSKEDASTISITAS
heteroskedastisitas adalah apabila kesalahan atau
residual yang diamati tidak memiliki varian yang
konstan.
Masalah heteroskedastisitas sering terjadi dan ada
penelitan yang menggunakan data cross-section.
Jika teknik pengumpulan data semakin membaik,
nilai varian cenderung mengecil.
 UJI HETEROSKEDASTISITAS

• Uji Analisis Grafik

• Uji Glejser
• Uji Park
• Uji White
• Uji Rank Spearman
• Uji Bresch-Pagan-Godfrey(BPG)
 1. UJI GRAFIK

• Metode analisis grafik dilakukan dengan mengamati scatterplot dimana sumbu

horizontal menggambarkan Redicted Standardized dan sumbu vertikal
menggambarkan Residual Studentized. Jika ada pola tertentu, seperti titik-titik yang
ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, seperti
titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Penyebab terjadi masalah heteroskedastisitas yaitu dengan
mengamati variabel bebas sebagai sumbu horizontal dan nilai residual kuadratnya
sebagai sumbu vertikal. Namun, metode ini dapat bersifat subjektif jika scatterpot
yang sama, antara orang satu dengan orang yang dapat memberikan kesimpulan
yang berbeda mengenai pola scatterpot itu.
 LANGKAH METODE ANALISIS
GRAFIK
• 1. Membuat persamaan regresi.
• 2. mencari nilai prediksinya (Ŷ)
• 3. mencari nilai residualnya (Y- Ŷ)
• 4. menstransformasikan nilai residual ke dalam bentuk studentized
• 5. menstansformasikan nilai ke dalam bentuk standardised
• 6. membuat pola dimana sumbu vertikal residual studentized, sedangkan sumbu
horizontal pred standardized
• 7. menarik kesimpulan uji heteroskedastisitas pada model regresi yang dibentuk, dan
sebaliknya, scatterplot membentuk pola tertentu, misalnya bergelombang, melebar
kemudian menyempit maka hal menunjukan adanya masalah heteroskedastisitas.
 LANGKAH METODE ANALISIS
GRAFIK
• 1. Membuat persamaan regresi.
• 1. Membuat persamaan regresi.
• 2. mencari nilai prediksinya (Ŷ)
• 2. mencari nilai prediksinya (Ŷ)
• 3. mencari
• 3. mencarinilai residualnya
nilai residualnya (Y-(Y-
Ŷ) Ŷ)
• 4. menstransformasikan
• 4. menstransformasikan nilainilai residual
residual ke dalam
ke dalam bentukbentuk studentized
studentized
• 5. menstansformasikan
• 5. menstansformasikan nilainilai
ke ke dalam
dalam bentuk
bentuk standardised
standardised
• • 6.
6. membuat pola
membuat pola dimana
dimanasumbu
sumbu vertikal residual
vertikal studentized,
residual sedangkansedangkan sumbu
studentized,
sumbu horizontal
horizontal pred standardized
pred standardized
• 7. menarik kesimpulan uji heteroskedastisitas pada model regresi yang
• 7. dibentuk,
menarikdankesimpulan
sebaliknya,uji heteroskedastisitas
scatterplot membentuk pola pada model
tertentu, regresi yang dibentuk, dan
misalnya
sebaliknya, scatterplot
bergelombang, membentuk
melebar kemudian pola tertentu,
menyempit maka hal misalnya
menunjukanbergelombang,
adanya melebar
kemudian menyempit maka hal menunjukan adanya masalah heteroskedastisitas.
masalah heteroskedastisitas.
 UJI GLEJSER

Dilakukan dengan cara meregresikan semua variabel bebas termasuk nilai mutlak
residualnya. Jika terdapat pengaruh ariabel bebas yang signifikan terhadaap nilai
mutlak residual maka dalam model terdapat masalah heteroskedastisitas. Oleh karena
itu persamaan yang digunakan untuk Glejser adalah :
|ui| = α+βXi+ ui
Keterangan :
|ui| : Nilai residual mutlak
Xi : Variabel bebas
Jika β signifikan maka terdapat pengaruh variabel bebas terhadap nilai residual mutlak
sehingga dinyatakan bahwa terdapat gejala heteroskedastisitas, demikian pula
sebaliknya.
 LANGKAH-LANGKAH METODE GLEJSER

• 1. membuat persamaan regresi

• 2. mencari nilai prediksinya (Ŷ)
• 3. mencari nilai residunya(Y- Ŷ)
• 4. memutlakan nilai residunya
• 5. meregresikan variabel bebas terhadap nilai mutlak residunya
• 6. menarik kesimpulan uji heteroskedastisitas, dengan kriteria bahwa jika variabel
bebas signifikan terhadap nilai mutlak residualnya maka terjadi masalah
heteroskedastisitas
 UJI HETEROSKEDASTISITAS DENGAN METODE
PARK

Metode ini dilakukan dengan cara meregresikan semua variabel bebas terhadap nilai Ln
residual kuadrat (Ln e²). Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai
Ln residual kuadrat (Ln e²) maka dalam model terdapat maslaah heteroskedastisitas. Oleh
karena itu persamaan yang digunakan adalah:
Rumus=
ln μ² = α+βlnXi+ui
Keterangan:
• (U²i) = Nilai residual kuadrat
• (X1) = Variabel bebas
• Jika (β) signifikan maka terdapat pengaruh variabel bebas terhadap niali ln residual kuadrat
sehingga dinyatakan terdapat gejala heteroskedastisitas. Demikian pula sebaliknya.
 UJI HETEROSKEDASTISITAS MENGGUNAKAN
METODE PARK INI DILAKUKAN DENGAN
LANGKAH-LANGKAH SEBAGAI BERIKUT:

• Membuat persamaan regresi

• Mencari nilai prediksinya (Ŷ)
• Mencari nilai residualnya (Y- Ŷ)
• Mengkuadratkan nilai residualnya
• Mentransformasikan nialai residual kuadrat ke dalam bentuk Ln
• Meregresikan variabel bebas terhadapat nilai Ln residual kuadrat
• Menarik kesimpulan uji heteroskedastisitas dengan kriteria: jika variabel bebas signifikan
terhadap niali Ln residual kuadrat maka terjadi masalah heteroskedastisitas, dan sebaliknya.
 UJI HETEROSKEDASTISITA DENGAN METODE
WHITE

• Metode ini dilakukan dengan cara meregresikan semua variabel bebas, variabel bebas kuadrat dan
perkalian (interaksi) variabel bebas terhadap nilai residual kuadratnya. Jika nilai X² hitung lebih
besar dari X² tabel dengan df=α, jumlah variabel bebas, maka dalam model terdapat maslaah
heteroskedastisitas. Nilai X² hitung dalam metode ini diperoleh dari n x R², dimana n=jumlah
pengamatan, sedangkan R² koefisien determinasi regresi tahap kedua. Jika model regresi yang akan
diuji memiliki dua variabel bebas yaitu X1 dan X2 maka persamaan yang digunakan untuk uji
heteroskedastisitas menggunakan metode White adalah sebagai berikut
• Rumus:
• Ui² = α+β1X1+β2X2+ β3X²1+ β4X²2+ β5X1X2
• Keterangan:
• Ui = Nilai residualnya
• X1= Variabel bebas
 LANGKAH-LANGKAH YANG DIGUNAKAN
DALAM METODE WHITE YAITU:

• Membuat persamaan regresi

• Mencari nilai prediksinya (Ŷ)
• Mencari nilai residualnya (Y-Ŷ)
• Mengkuadratkan nilai residualnya
• Menghitung nilai kuadrat variabel bebas dan nilai perkalian (interaksi) antarvariabel bebas
• Meregresikan variabel bebas, kuadrat variabel bebas, perkalian antar variabel, bebas terhadap
niali mutlak residualnya
• Menarik kesimpulan uji heteroskedastisitas dengan kriteria jika variabel bebas signifikan
terhadap nilai mutlak residualnya maka terjadi masalah heteroskedastisitas, dan sebaliknya.
 UJI HETEROSKEDASTISITA
DENGAN METODE RANK
SPEARMAN
Metode ini dilakukan dengan cara mengkorelasikan semua variabel bebas terhadap nilai mutlak residualnya menggunakan korelasi Rank
Spearman. Jika terdapat korelasi variabel bebas yang signifikan positif dengan nilai mutlak residualnya maka dalam model regresi yang
dibentuk terdapat masalah heteros kedastisitas. Jika model regresi yang akan kita uji memiliki dua variabel bebas yaitu (X1) dan (X2), maka
persamaan yang digunakan untuk uji heteroskedastisitas menggunakan metode Rank Spearman adalah sebagai berikut
Rumus=
• Keterangan: ???
• Pxy= Koefosien korelasi Rank Spearman
• 6 = konstanta
• Σd² = Kuadrat selisih antar rangking dua variabel yang dalam hal ini adalah rangking selisih nilai residual mutlak dan variabel bebas
• N = jumlah pengamatan
Untuk menguji apakah koefisien korelasi Rank Spearman signifikan atau tidak maka digunakan uji t. Untuk menghitung nilai t hitung
digunakan rumus berikut:
• Rumus = ???
• Keterangan:
• Pxy = Koefisien korelasi Rabk Spearman
• N = Jumlah pengamatan
Kriteria yang digunakan adalah jika t hitung > t tabel dengan derajat bebas df=a, n-2, maka persamaan regresi yang terbentuk mengandung
gejala heteroskedastisitas. Demikian sebaliknya.
 UJI RANK SPEARMAN INI DILAKUKAN DENGAN
LANGKAH-LANGKAH SEBAGAI BERIKUT:

• Membuat persamaan regresi

• Mencari nilai prediksinya (Ŷ)
• Mencari nilai residualnya (Y-Ŷ)
• Memutlakkan nilai residualnya
• Mengkorelasikan variabel bebas terhadap nilai mutlak residualnya dengan analisis Rank
Spearman
• Menarik kesimpulan uji heteroskedastisitas dengan kriteria : jika variabel bebas berkorelasi
signifikan terhadap nilai mutlak residualnya maka terjadi masalah heteroskedastisitas, begitu
pula sebaliknya.
 UJI HETEROSKEDASTISITA DENGAN METODE
BRESCH-PAGAN-GODFREY (BPG)

Metode ini dilakukan dengan cara meregresikan semua variabel bebas terhadap nilai ƿi. Nilai ƿi diperoleh
dari (), sedangkan nilai σ² diperoleh dari () , ........ adalah jumlah data. Jika nilai X2 hitung lebih besar dari X2
tabel dengan df=α jumlah variabel bebas, maka dalam model terdapat masalah heteroskedastisitas. Nilai X2
hitung dalam metode ini diperoleh dari () , dimana ESS (Explained Sum of Square) = (R²) x TSS (Total Sum of
Square).
• Langkah-langkah Uji Heteroskedastisita dengan Metode Bresch-Pagan-Godfrey (BPG) sebagai berikut:
• Membuat persamaan regresi
• Mencari nilai prediksinya (Ŷ)
• Mencari nilai residunya
• Mengkuadratkan nilai residual yang diperoleh
• Menghitung nilai σ² dengan rumus ()
• Menghitung nilai ƿi dengan rumus ()
• Meregresikan variabel bebas terhadap nilai ƿi untuk mendapatkan nilai R² dan TSS (Total Sum of Square)
• Menarik kesimpulan uji heteroskedastisitas dengan kriteria X² hitung lebih besar dari X² tabel dengan df= α,
p-l ( p= jumlah variabel bebas tanpa konstanta) maka terjadi masalah heteroskedastisitas, dan sebaliknya.
 UJI ASUMSI KLASIK OTOKOERLASI

Uji otokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota
serangaian data observasi yang diuraikan menurut waktu atau ruang. Penyebab
munculnya maslaah otokorelasi dalam analisis regresi adalah:
• Adanya kelembaman
• Bias spesifikasi model kasus variabel yang tidak dimasukkan
• Adanya fenomena laba-laba
• Manipulasi data
• Adanya kelambaman waktu
 UJI ASUMSI KLASIK OTOKORELASI
• Uji Otokorelasi dengan Metode Durbin Watson
Merupakan uji yang sangat populer untuk menguji ada-tidaknya masalah otokorelasi dari model empiris yang diestimasi.
Terdapat beberapa asumsi penting yang harus dipenuhi dalam penerapan uji ini:
1. Model regresi yang dilakukan harus menggunakan konstanta
2. Variabel bebas adalah non-stokastik, atau relatif teap untuk sampel yang berulang
3. Kesalahan pengganggu atau residual diperoleh dengan otoregresif order pertama
4. Model regresi tidak meliputi nilai kelmbaman (lag) dari variabel tak bebas sebagai variabel penjelas
5. Dalam melakukan regresi, tidak boleh ada data atau observasi yang hilang
Rumus yang digunakan uji Durbin Watson:
DW = Ʃ (e – e t-1)2
Ʃe t 2
Keterangan:
DW = Nilai Durbin Watson Test
e = nilai residual
e t-1 = nilai residual periode sebelumnya
 UJI ASUMSI KLASIK OTOKORELASI

Uji otokorelasi dengan metode Durbin Watson dilakukan dengan menggunakan langkah:
1. Membuat persamaan regresi
2. Hitung nilai prediksinya (Ý )
3. Hitung nilai residualnya (Y - Ý ) atau e
4. Kuadratkan nilai residualnya (Y - Ý )2 atau e2
5. Lag-kan satu nilai residualnya (Y - Ý ) t-1 atau e t-1
6. Kurangkan nilai residualnya dengan nilai residual yang telah di Lag-kan satu e-e t-1
7. Kuadratkan nilai resiual yang telah dikurangi dengan nilai residualnya yang telah di Lagkan satu (e-
e t-1) 2
8. Masukkan hasil perhitungan di atas ke dalam rumus Durbin Watson
 UJI ASUMSI KLASIK OTOKORELASI
• Uji Otokorelasi dengan Metode Lagrange Multiplier
Langkah-langkah dari uji LM ini adalah sebagai berikut:
1. Membuat persamaan regresi
2. Mencari nilai prediksinya dan diberi nama (Ý 1)
3. Hitung nilai residual dengan notasi µᵢ
4. Lakukan regresi dengan µ 1 sebagai variabel tergantung dan masukkan µ 1-1 sebagai
variabel bebas atau:
µ 1 = a = b1 X2 + µ 1-1 + e
5. Menghitung nilai X2 hitung dengan rumus X2 = (n-1) * R2
6. Menarik kesimpulan dengan membandingkan X2 hitung dengan X2 tabel dengan df = ( u,
n-1). Jika nilai X2 hitung >X2 tabel, hal ini menunjukkan adanya masalah otokorelasi.
Sebaliknya, jika X2 hitung ≤ X2 tabel, hal itu menunjukkan tidak terjadi masalah otokorelasi.
 UJI ASUMSI KLASIK OTOKORELASI

• Uji Otokorelasi dengan Metode Breusch-Godfrey (B-G Test)

Adapun langkah-langkah dari uji B-G Test :
1. Membuat persamaan regresi
2. Hitungnilai residual dengan notasi µᵢ
3. Hitung nilai Lag residual dengan notasi µ t-1 sampai dengan µ t-p
4. Lakukan regresi dengan µᵢ sebagai variabel tergantung dan masukkan µᵢ sebagai variabel bebas, atau:
µᵢ = p1 µt-1 + p2 µt-2 + ..... + pp µ t-p + e1
5. Menghitung nilai X2 hitung dengan rumus X2 = (n-p) * R2
6. Menarik kesimpulan dengan membandingkan X2 hitung dengan X2 tabel dengan df = ( u, n-1). Jika nilai
X2 hitung >X2 tabel, hal ini menunjukkan adanya masalah otokorelasi. Sebaliknya, jika X2 hitung ≤ X2 tabel,
hal itu menunjukkan tidak terjadi masalah otokorelasi.
 UJI ASUMSI KLASIK OTOKORELASI
• Uji Otokorelasi dengan Metode Run Test
Langkah untuk melakukan uji otokorelasi dengan Run Test :
1. Membuat persamaan regresi
2. Mencari nilai prediksinya (Ý )
3. Mencari nilai residualnya (Ý- Ý )
4. Mencari nilai residual terstandarisasi
5. Menghitung nilai median dari data residual terstandarisasinya
6. Berilah tanda – (negatif) jika nilai residual terstandarisasi lebih kecil dari median dan
berilah tanda + (positif) jika nilai residual terstandarisasi lebih kecil dari median
7. Menghitung jumlah Run. Jumlah Run merupakan suatu sequence dari tanda-tanda yang
sam jenisnya yang dibatasi oleh tanda-tanda dari jenis lainnya (hanya ada dua tanda,
yaitu – dan +). Misalnya untuk tanda sequence (- + +) diangap 2 Runs, (- + +) dianggap 3
Runs, (- + + - + +) dianggap 4 Runs, dan seterusnya.
 UJI ASUMSI KLASIK LINIERITAS
• Konsep Dasar Uji Linieritas
Pengujian ini perlu dilakukan untuk mengetahui model yang dibuktikan merupakan
model linier atau tidak. Hasilnya adalah informasi apakah model empiris seaiknya linier,
kudrat atu kubik. Untuk mendeteksi, maka digunakan analisis grafik dan metode
statistik.

• Uji Linieritas dengan Metode Analisis Grafik

Metode ini dilakukan dengan mengamati scatterplot dimana sumbu horizontal
menggambarkan nilai pediksi terstandarisasi sedangkan sumu vertikal menggambarkan
menggabarkan nilai residual terstandariasi. Asumsi linieritas terpenuhi jika plot antara
nilai residual terstandarisasi dengan nilai prediksi terstandarisasi tidak membentuk suatu
pola tertentu (acak). Namun metode ini dapat bersifat subyektif.
 UJI ASUMSI KLASIK LINIERITAS

Uji linieritas dengan metode analisis grafik dilakukan dengan langkah sebagai berikut:
1. Membuat persamaan regresi
2. Mencari nilai prediksi (Ý)
3. Mencari nilai residual (Y-Ý)
4. Mentransformasikan nilai prediksi ke dalam bentuk standardized
5. Mentransformasikan nilai residual ke dalam bentuk standardized
6. Membuat pola dimana sumbu vertikal residual standardized, sedangkan sumbu horizontal predicted
standardized
7. Menarik kesimpulan uji linieritas, dengan kriteria jika scatterplot menyebar secara acak menunjukan model
regresi yang dibentuk linier, namun sebaliknya jika scatterplot membentuk pola tetentu maka menunjukan
model regresi tidak linier.
 UJI ASUMSI KLASIK LINIERITAS

•• Uji
  Linieritas dengan Metode Durbin-Watson d Statistik (The Durbin-Watson d Statistic Test
Merupakan metode yang sangat populer untuk pengujian spesifikasi model, terutama untuk mengetahui ada tidaknya
otokorelasi dalam suatu model regresi. Uji linieritas meggunakan uji DW dilakukan dengan langkah sebagai berikut:
1. Membuat persamaan regresi pertama
2. Y= a+b1X1+b2X2+.....bnXn+
3. Hitung nilai DW statistik pada persamaan pertama
4. Membuat persamaan regresi kedua
Y = a + b1X1+b2X2+.....bnXn+ b3X12+ b4X42+....... bnXn2+
4. Hitung nilai DW statistik pada persamaan kedua
5. Menarik kesimpuln uji linieritas, baik pada regresi pertama maupun pada persamaan regresi yang kedua, dengan
kriteria jika DW statistik signifikan atau berada pada daerah otokorelasi positif atau otokorelasi negatif maka spesifikasi
model adalah salah.
 UJI ASUMSI KLASIK LINIERITAS

• Uji Linieritas dengan Metode Uji MWD

Langkah-langkah nya adalah sebagai berikut:
1. Membuat persamaan regresi
2. Mencari nilai prediksinya dan diberi nama (Ý1)
3. Mentransformasikan variabel bebas dan variabel tergantung ke dalam bentuk L n.
4. Membuat persamaan regresi untuk semua variabel yang telah ditransformasikan dalam bentuk L n
5. Mencari nilai prediksi dari persaman regresi untuk semua variabel yang telah ditransformasiakan dalam
bentuk Ln dan diberi nama (Ý2)
6. Mentransformasikan nilai prediksinya (Ý1) ke dalam bentuk Ln dan diberi nama (LnÝ1)
 UJI ASUMSI KLASIK LINIERITAS
7. Mengurangi nilai (LnÝ1) dengan nilai (Ý2) dan diberi nama ZI
8. Meregresikan variabel bebas dan ZI terhadap variabel tergantung, Model dikatakan linier jika
koefisien Z1 tidak signifikan.
9. Mentransformasikan nilai prediksinya (Ý2) ke dalam bentuk AntiLn dan diberi nama (AntL nÝ2)
10. Mengurangi nilai (AntLnÝ2) dengan nilai (Ý2) dan diberi nama Z2.
11. Meregresikan variabel bebas dan Z2 terhadap variabel tergantung. Model dikatakan linier jika
koefesien Z2 signifikan.
12. Menarik kesimpulan uji linieritas dengan kriteria sebagai berikut:
• Jika Z1 linier dan Z2 linier mala model harus linier.
• Jika Z1 tidak linier dan Z2 tidak linier maka model harus non-linier.
• Jika Z1 tidak linier dan Z2 linier maka model boleh non linier dan boleh linier.
• Jika Z1 linier dan Z2 tidak linier maka model boleh linier dan boleh non linier.
 UJI ASUMSI KLASIK LINIERITAS
• Uji
  Linieritas dengan Metode Ramsey
Langkah-langkahnya sebagai berikut:
1.Membuat persamaan regresi
2.Berdasarakn persamaan regresi, dapatkan nilai R2 dan diberi nama R2 old.
3.Dapatkan nilai fitted dari variabel tergantung.
4.Meregresikan variabel bebas dan nilai fitted terhadap variabel tergantung.
5.Y= b0 + b1X1+ b2X2+ b3fitted + e
6. Berdasarkan persamaan regresi kedua, dapatkan nilai R2 diberi nama R2 new.
7.Hitung nilai F hitung dengan persamaan sebagai berikut:
F=
Dimana:
m= Jumlah variabel bebas yang baru masuk
n= Jumlah obsevasi
k= Banyaknya parameter
8. Menarik kesimpulan uji linieritas dengan kriteria jika F hitung < F taber dengan df= ( maka model dinyatakan linier.
Demikian sebaliknya.
 UJI ASUMSI KLASIK LINIERITAS

• Uji
  Linieritas dengan Metode Lagrange Multiplier (LM-Test)
1. Membuat persamaan regresi
2. Mencari nilai prediksinya dan diberi nama (Ý1)
3. Mencari nilai residual (Y-Ý)
4. Mengkuadratkan semua nilai variabel bebas
5. Meregresikan kuadrat variabel bebas terhadap nilai residualnya
U = b0+ b1X12+b2X22+ e
6. Berdasarkan persamaan regresi nilai kuadrat variabel bebas terhadap nilai residu, cari
koefisien determinasi (R2) yang baru
7. Hitung nilai X2 hitung dengan persamaan (n x R2), dimana n adalah jumlah pengamatan.
8. Menarik kesimpulan uji linieritas dengan kriteria jika X2 hitung < X2 tabel dengan df = (n,)
maka model dinyatakan linier.Demikian sebaliknya.
TERIMAKASIHHHHHHHH
....
MATURNUWUN.....