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
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
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:
• 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:
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 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 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.....