Asumsi Klasik
Asumsi Klasik
(SPSS Based)
Multikolinieritas
Heteroskedastisitas
Autokorelasi
Uji Multikolinieritas
0011 0010 1010 1101 0001 0100 1011
2
Tujuan utk menguji apakah persamaan
1
regresi yg dibentuk ditemukan adanya
4
korelasi antar variabel bebas
CARA MENDETEKSI
MULTIKOLINIERITAS
0011 0010 1010 1101 0001 0100 1011
1. Matriks korelasi antar variabel bebas
Periksa apakah terdapat nilai korelasi yg tinggi (sempurna)
antar variabel bebas
1
2
2. Kestabilan koefisien regresi parsial (perubahan nilai
koefisien regresi pada saat suatu variabel ditambahkan
4
atau dikurangkan; atau saat suatu observasi dihilangkan
atau dipertukarkan
3. Kesesuaian tanda koefisien regresi menurut suatu teori
4. Variance Inflation Factor (VIF)
Petunjuk terjadinya kolinieritas jika VIF > 10 atau
Tolerance < 10%
5. R2 tinggi, tapi tidak ada/hanya sedikit variabel bebas yg
signifikan secara statistik
3
Alternatif Solusi Mengatasi
Multikolinieritas
0011 0010 1010 1101 0001 0100 1011
1. Informasi apriori
Contoh:
2
Pada model Yi = β0+β1Xi1+β2Xi2+εi
1
Misal Y = Konsumsi, X1 = Pendapatan, X2 = Tabungan
4
Informasi apriori, misalkan β2 = 0,10β1 sehingga
Yi = β0+β1Xi1+0,10β1Xi2+εi = β0+β1Xi+εi
dimana Xi = Xi1+0,10Xi2
Informasi apriori bisa berdasarkan suatu teori atau hasil
penelitian sebelumnya
4
Alternatif Solusi Mengatasi
Multikolinieritas
0011 0010 1010 1101 0001 0100 1011
2. Menghubungkan data cross-sectional dan data time series
(panel data)
2
3. Mengeluarkan satu atau beberapa variabel bebas, atau
1
mengelompokkan variabel bebas
Beberapa metode yg dapat digunakan:
4
Principle Component Analysis
Factor Analysis
Stepwise Regression
Ridge Regression (mentransformasi variabel)
dan sebagainya.
5
Alternatif Solusi Mengatasi
Multikolinieritas
0011 0010 1010 1101 0001 0100 1011
4. Transformasi variabel (melalui first differencing)
Untuk data time series, jika hubungan
2
Yt = β0+β1Xt1+β2Xt2+εt
1
berlaku pd saat t, maka berlaku pula untuk t-1, shg ada
4
Yt-1 = β0+β1X(t-1)1+β2X(t-1)2+εt-1
Jika kedua persamaan di atas dikurangkan, maka diperoleh
Yt – Yt-1 = β1(Xt1 – X(t-1)1) + β2(Xt2 – X(t-1)2) + vt
dimana vt = εt – εt-1
5. Penambahan data baru
6
Hasil eksekusi (software) statistik
Uji multikol
Coefficient a
Unstandardized StandardizeC
Coefficients oefficients Collinnerity Statistics
INCOME = 3,848 – 0,302 SIZE + 0,840 EARNS + 0,059 WEALTH + 0,009 SAVING
Hasil eksekusi (software) statistik
Coefficient Correlation a
INCOME = 3,848 – 0,302 SIZE + 0,840 EARNS + 0,059 WEALTH + 0,009 SAVING
Uji Heteroskedastisitas
Jika DWhitung:
DW < dL: menolak Ho, artinya terjadi autokorelasi
DW > 4 – dL : menolak Ho, artinya terjadi
autokorelasi
dU < DW < 4 – dU : Ho diterima, tidak terjadi
autokorelasi
dL ≤ DW ≤ dU, atau 4 – dU ≤ DW ≤ 4 – dL : tidak
ada keputusan
28/02/24
Hasil eksekusi (software) statistik
Model Summary b
Adjusted R Std Error of Durbin –
Model R R Square Square the Estimate Watson
INCOME = 3,848 – 0,302 SIZE + 0,840 EARNS + 0,059 WEALTH + 0,009 SAVING
Mengatasi adanya Autokorelasi