Oleh:
Prof. Dr. Suliyanto, SE,MM
http://management-unsoed.ac.id
Uji Asumsi Klasik
Download
1
Pengertian Uji Asumsi
Klasik
Uji Asumsi klasik adalah analisis yang
dilakukan untuk menilai apakah di
dalam sebuah model regresi linear
Ordinary Least Square (OLS) terdapat
masalah-masalah asumsi klasik.
2
Asumsi klasik adalah syarat-syarat
yang harus dipenuhi pada model
regresi linear OLS agar model tersebut
menjadi valid sebagai alat penduga.
3
Tujuan Uji Asumsi
Klasik
Tujuan pengujian asumsi klasik adalah
untuk memberikan kepastian bahwa
persamaan regresi yang didapatkan
memiliki ketepatan dalam estimasi,
tidak bias dan konsisten
4
Regresi linear OLS
Regresi linear OLS adalah sebuah
model regresi linear dengan metode
perhitungan kuadrat terkecil atau yang
di dalam bahasa inggris disebut
dengan istilah ordinary least square.
Di dalam model regresi ini, ada
5
Materi
Uji Asumsi Klasik
– Normalitas
– Non-Multikolinieritas
Uji Asumsi Klasik
– Non-Heteroskedastisitas
– Non-Outokorelasi
– Linieritas
6
Yang Dimaksud dengan Kurva
Normal
Distribusi normal merupakan suatu
kurve berbentuk lonceng.
Penyebab data tidak normal, karena
7
Penyebab Munculnya Nilai
Ekstrim
1. Kesalahan dalam pengambilan unit sampel.
Cara mengatasi: Mengganti unit sampel.
2. Kesalahan dalam menginput data.
Cara mengatasi: Memperbaiki input data yang
salah.
3. Data memang aneh dibanding lainnya.
Cara mengatasi: Tambah ukuran sampel atau
dengan membuang data yang aneh tersebut.
8
Kapan Data Dikatakan Normal
-2,58 0 2,58
Pada =0,01
-1,96 0 1,96
Pada =0,05
9
Berikut ini manakah data yang
Ekstrim
-2,58 0 2,58
xi x 50.000 63.333
Z 0439
31.734
10
UJI NORMALITAS
PENGERTIAN UJI NORMALITAS
Uji normalitas di maksudkan untuk
mengetahui apakah nilai residual
terstandarisasi yang diteliti berdistribusi
normal atau tidak.
11
Uji Normalitas
Uji normalitas dapat dilakukan secara:
– Univariate
Dilakukan dengan menguji normalitas pada
semua variabel yang akan dianalisis.
– Multivariate
Dilakukan dengan menguji normalitas pada nilai
residual yang telah distandarisasi.
12
Uji Normalitas
CARA MENDITEKSI:
1. Dengan grafik:
Jika kurva regression residual
terstandarisasi membentuk gambar
lonceng.
2. Dengan statistik:
– Uji Liliefors
– Chi Kuadrat (X2)
– Uji dengan kertas peluang normal
– Uji dengan Kolmogornov Smirnov
13
Kolmogorov Smirnov vs
Lilliefors
Langkah-langkah penyelesaian dan
penggunaan rumus sama, namun pada
signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov
15
Manual Liliefors
1. Buat persamaan regresinya
2. Mencari nilai Prediksinya
3. Cari nilai residualnya
4. Stadarisasi nilai residualnya
5. Urutkan nilai residual terstandarisasi dari
yang terkecil sampai yang terbesar.
6. Mencari nilai Z teoritis (Ft) berdasarkan tabel
Z
7. Mencari nilai Z relatif komulatif (Fs).
8. Mengihitung selisih absolut nilai Ft dengan Fs
atau I(Ft-Fs)I dan diberi simbol Li hitung
9. Bandingkan nilai Li hitung dengan tabel Liliefors.
10.Jika Lihitung < L tabel maka data berdistribusi
normal demikian juga sebaliknya.
16
Pengujian Manual
Y =2,553-1,092X1+1,961X2
Ypred =2,553-1,092(2) +1,961(3) = 6,252
Resid = 5 - 6,252
Zresid = (-1,252—0,002)/1,042 = -1,200
Zresidurt = Zresid yang diurutkan dari yang terkecil ke yang terbesar
Tabel Z = 1,20 ditabel Z = 0,3849
Ft = Jika Zresidurt negative maka (0,5 - table Z), Jika Zresidurt positif
maka (0,5 + table Z)
Fs = (1/10) = 0,1, (2/10) = 0,2, dts
(Ft-Fs) = 0,1151 – 0,100
|(Ft-Fs)| = abs (0,1151 – 0,100) 17
Pengujian Normalitas Dengan SPSS
Memunculkan Nilai Residual Terstandarisasi
Buka file : Data_Regresi_1
Analyze Regression Linear...
Masukan variabel Y pada kotak Dependent
X1, X2, pada kotak Independent
Save…: pada kotak Residual : klik Standardized Continue
18
Memunculkan Nilai Residual Uji Komogornov Smirnov
Terstandarisasi
19
Output Kolmogornov
Smirnov
One-Sample Kolmogorov-Smirnov Test
Karena Nilai Sig. >
Standardized 0,05 maka tidak
Residual
N 10
signifikan.
Normal Parameters a,b Mean 5.960465E-09 Tidak siginifikan
Std. Deviation .8819171 berarti data relatif
Most Extreme Absolute .297 sama dengan rata-
Differences Positive .257 rata sehingga
Negative -.297
disebut normal.
Kolmogorov-Smirnov Z .940
Asymp. Sig. (2-tailed) .340
a. Test distribution is Normal.
b. Calculated from data.
20
Cara Mengatasi Data yang Tidak
Normal
Menambah jumlah data.
Melakukan transformasi data menjadi
21
UJI NON MULTIKOLINIERITAS
PENGERTIAN
Uji multikolinieritas berarti terjadi korelasi
22
Uji Multikolinieritas
PENYEBAB
Karena sifat-sifat yang terkandung
23
Uji Non-Multikolinieritas
Cara menditeksi:
1. Dengan melihat koefisien korelasi antar
variabel bebas:
Jika koefisien korelasi antar variabel
bebas ≥ 0,7 maka terjadi multikolinier.
2. Dengan melihat nilai VIF (Varian Infloating
Factor):
Jika nilai VIF ≤ 10 maka tidak terjadi
multikolinier.
24
Contoh KasusMultikolinieritas
25
Pengujian VIF (Varian Infloating
Factor)
26
Pengujian Manual VIF
27
Pengujian Multikolinier Dengan SPSS
28
Output:
29
CARA MENGATASI MULTIKOLINIER
Memperbesar ukuran sampel
Memasukan persamaan tambahan ke dalam
model.
Menghubungkan data cross section dan data time
series (panel data).
Mengeluarkan suatu variabel dan bias
spesifikasi.
Transformasi variabel.
30
Tugas
Ujilah asumsi klasik normalitas dan
non multikolinier, dengan ketentuan
sbb:
Jumlah pengamatan 20.
31
Berdasarkan output tersebut ujilah uji asumsi normalitas
dan multikolinieritas !
32
UJI NON-HETEROSKEDASTISITAS
PENGERTIAN
Uji heteroskedastisitas berarti adanya varian dalam
model yang tidak sama (konstan).
PENYEBAB
Variabel yang digunakan untuk memprediksi
memiliki nilai yang sangat beragam, sehingga
menghasilkan nilai residu yang tidak konstan.
33
Uji Heteroskedastisitas
CARA MENDITEKSI:
1. Dengan Uji Park
Yaitu dengan meregresikan variabel bebas terhadap nilai
log-linier kuadrat.
2. Dengan Uji Glejser
Yaitu dengan meregresikan variabel bebas terhadap nilai
residual mutlaknya.
3. Dengan Uji Korelasi Rank Spearman
Mengkorelasikan nilai residual dengan variabel bebas
dengan menggunakan korelasi Rank-spearman.
34
Contoh Kasus Heteroskedastisitas
35
Langkah-Langkah Metode Glejser
39
Prose Memunculkan Nilai Residual dan
Memutlakannya
40
Meregresikan variabel bebas terhadap
Nilai Mutlak Residual
• X1 tidak signifikan karena p-value > 0,05 sehingga X 1 tidak terjadi gejala
heteroskedastisitas.
• X2 signifikan karena p-value < 0,05 sehingga X 2 terjadi gejala
heteroskedastisitas.
41
Cara Mengatasi Heteroskedastisitas
Tambah jumlah pengamatan.
Tranformasikan data ke bentuk LN
42
UJI NON-AUTOKORELASI
PENGERTIAN
Uji ini dilakukan untuk mengetahui apakah ada
43
Uji Otokorelasi
PENYEBAB:
Adanya kelembaman waktu
Manipulasi data
44
Uji Otokorelasi
Uji Durbin Watson
Uji Lagrange Multiplier
Uji Breusch-Godfrey
45
Contoh Kasus Otokorelasi
46
Langkah-Langkah Uji Durbin-Watson
1. Regresikan variabel bebas (X) terhadap
variabel tergantung (Y), untuk mendapatkan
persamaan regresi.
2. Hitung nilai prediksinya.
3. Hitung nilai residualnya.
4. Kuadratkan nilai residualnya.
5. Lag-kan satu nilai residualnya.
6. Kurangkan nilai residual dengan Lag satu
nilai residualnya.
7. Masuk hasil perhitungan di atas masukan ke
dalam rumus Durbin-Watson
47
Perhitungan Manual Durbin Matson
e = Y-Ypred = 5-6,252=-1,252
e2 = = -1,2522= 1,568
et-1 = e mundur 1peiode
e-et-1 = 0,879-(-1,252) = 2,131
DW
(e e t 1 )2
33,104
3,386
e
2
(e-et-1)2 = 2,131 = 4,541 t
9,777
48
Kriteria Pengujian
49
Pengujian Otokorleasi Dengan SPSS
Memunculkan Nilai Residual
Buka file : Data_Regresi_1
Analyze Regression Linear...
Masukan variabel Y pada kotak Dependent
X1, X2, pada kotak Independent
Klik Statistics…:
Pada Residual pilih Durbin Watson
Klik Continue
Abaikan pilihan yang lain OK
50
Proses Analisi Surbin Watson dengan
SPSS
51
Output Uji Durbin Watson
52
Tugas 3
One-Sample Kolmogorov-Smirnov Test
Standardized
Residual
N 20
Normal Parameters a,b Mean -8,94070E-09
Std. Deviation ,9459053
Most Extreme Absolute ,266
Differences Positive ,266
Negative -,223
Kolmogorov-Smirnov Z 1,189
Asymp. Sig. (2-tailed) ,118
a. Test distribution is Normal.
b. Calculated from data.
Model Summaryb
outokorelasi ?
Gunakan gambar untuk menguji !
55
Tugas:
Ujilah asumsi klasik non heteroskeastisitas dan
non outokorelasi
Jumlah pengamatan n=20, var bebas=2.
Data antar mahasiswa harus beda.
Uji dengan excel dan spps, yang disajikan 1)
Data mentah, 2) output, 3) Intresptasinya.
Dukumpulkan lewat google class room, dalam
format pdf.
Batas akhir pengumpulan Rabu 8 Juni 2022
56
UJI LINIERITAS
57
Langkah Analsis MWD
Regresikan variabel bebas terhadap variabel
tergantung dengan regresi linier dan tentukan
Ypred1
Tranformasikan semua variabel ke dalam bentuk
Ln, dan kemudian regresikan Ln variabel bebas
terhadap Ln variabel tergantung dan tentukan
Ypred2.
Tentukan Z1= (Ln Ypred1 - Ypred2.).
Regresikan variabel bebas dan Z1 terhadap Y,
jika Z1 signifikan maka tidak linier.
Tentukan Z2 = (antilogPred2-YPred1)
Regresikan variabel bebas dan Z2 terhadap Y,
jika Z2 sigifikan maka linier.
58
Pengujian Linieritas Dengan SPSS
Memunculkan Nilai Residual
Buka file : Data Regresi_1
Analyze Regression Linear...
Reset..
Masukan variabel Y pada kotak Dependent
X1, X2, pada kotak Independent(s)
Plots… : pada Y : diisi : ZRESID
X : diisi : ZPRED Continue.
OK
59
Proses Uji Linieritas dengan SPSS
Scatterplot
Dependent Variable: Y
1,0
0,0
-,5
-1,0
-1,5
-3 -2 -1 0 1 2
60
Bagiamana Kalau tidak Linier ?
Jika hasil tidak linier tinggal ganti
dengan persamaan non linier.
61
Ujilah gejala
otokorelasi!
N=16 K=2
62
Tugas
Buatlah data hipotetik tiap mahasiswa berbeda, n=12 variabel
bebas 2.
Ujilah asmsi klasik:
– Normalitas
– Multikolinieritas
– Heteroskedastisitas
– Outokorelasit
Kirim ke email: google class room dalam bentuk file
microsoftword.
Format tugas: nama nim, data, output nomalitas +
interprteasi, output multikol+ interprteasi, output hetero+
interprteasi+ output otokorelasi + interprteasi
63