P
1
Model regresi linier berganda (multiple
regression) dapat disebut sebagai model
yang baik jika model tersebut
memenuhi beberapa asumsi yang
disebut dengan “asumsi klasik”.
2
Ada empat uji asumsi yang harus
dilakukan terhadap suatu model
regresi yaitu :
1.Normalitas
2.Multikolinieritas
3.Autokorelasi
4.Heteroskedastisitas
3
1. Normalitas (Variabel ui
berdistribusi normal)
4
Uji normalitas bertujuan untuk
mengetahui apakah variabel
pengganggu atau residual memiliki
distribusi normal.
6
Kolmogorov-Smirnov
Membandingkan fungsi
distribusi kumulatif dari
pengamatan dengan fungsi
distribusi kumulatif teoritis.
7
Hipotesis yang diajukan adalah :
12
Uji autokorelasi bertujuan menguji apakah
model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada
periode sebelumnya (t-1).
14
Kriteria pengujian;
Bila d < dL → tolak H0
Berarti ada autokorelasi yang positif atau kecenderungannya
ρ=1
Bila dL ≤ d ≤ dU → kita tidak dapat mengambil kesimpulan
apa-apa
Bila dU ≤ d ≤ 4 - dU → terima H0
Artinya tidak ada autokorelasi positif maupun negatif
Bila 4 - dU ≤ d ≤ 4 – dL → kita tidak dapat mengambil
kesimpulan apa-apa
Bila d > 4 - dL → tolak H0
Berarti ada autokorelasi yang negatif atau kecenderungannya
ρ = -1
15
4. Heteroskedastisitas (Variasi ui
konstan)
16
Uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain.
17
Ada beberapa cara untuk mendeteksi
ada tidaknya heteroskedastisitas yaitu
melihat scatter plot (nilai prediksi
dependen ZPRED dengan residual
SRESID), uji Gletjer, uji Park, dan uji
White.
18
Scatter plot jika terjadi
heteroskedastisitas
19
20