multikolinieritas 2. autokorelasi 3.heteroskedastisitas 4. normalitas 5. linearitas
DESCRIPTION
Uji Asumsi Klasik. MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS 5. LINEARITAS. Model Regresi yang baik. 1.Tidak terjadi Multikolinieritas 2. Tidak terjadi Autokorelasi 3. Tidak terjadi Heteroskedastisitas 4. Normal 5.Linear. UJI MULTIKOLINIERITAS. - PowerPoint PPT PresentationTRANSCRIPT
Tujuan:Untuk menguji apakah model regresi ditemukan adanya korelasi antarvariabel independent.
Mendeteksi ada tidaknya Multikolinearitas
1.Nilai R2 yang dihasilkan sangat tinggi (lebih dari 95%),dan secara individu variabel variabel independen banyak yang tidak signifikan memengaruhi variabel dependen.
2. Jika antar variabel independen mempunyai korelasi yang sangat kuat.
3. Tolerance and variance inflation factor (VIF) Tolerance untuk mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. VIF =1/Tolerance.Jika nilai Tolerance <0,1 atau VIF >10 maka di simpulkan adanya multikolonieritas
4
Y = keperluan konsumsiX1 = harga X2 = pendapatan
X1 2 3 5 4 6 2 3 4 5 6
X2 3 4 6 5 7 6 4 5 4 3
Y 5 8 8 9 9 13 6 9 4 3
Buatlah uji multikolinieritas dari di atas
Contoh:
Output SPSSOutput SPSS
Coefficientsa
2.553 1.626 1.570 .160
-1.092 .271 -.552 -4.029 .005 .950 1.052
1.961 .302 .889 6.490 .000 .950 1.052
(Constant)
harga
pendapatan
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: keperluan konsumsia.
maka di simpulkan tidak ada multikolonieritas antar variabel independent.
VIF <10
Tolerance >0,1
Coefficient Correlationsa
1.000 -.223
-.223 1.000
.091 -.018
-.018 .073
pendapatan
harga
pendapatan
harga
Correlations
Covariances
Model1
pendapatan harga
Dependent Variable: keperluan konsumsia.
Tujuan:
menguji apakah model regresi linier ada korelasi antarakesalahan pengganggu pada periode t dengan kesalahanpengganggu pada periode sebelumnya (t-1).
Mendeteksi ada tidaknya AUTOKORELASI1.Uji Durbin Watson (DW test),2.Uji Langrage Multiplier (LM test), > 100
observasi3.Uji statistik Q4.Run Test.
7
Y = keperluan konsumsiX1 = harga X2 = pendapatan
Buatlah uji Autokorelasi dari di atas
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 53 4 85 6 84 5 96 7 92 6 133 4 64 5 95 4 46 3 3
.9608,10921,15529,2 21
^
XXY
^
Y^
Y
Mendeteksi ada tidaknya Multikolinearitas
Uji Durbin Watson (DW test),
Model Summaryb
.936a .875 .840 1.18179 3.386Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), pendapatan, hargaa.
Dependent Variable: keperluan konsumsib.
Syarat:“Adanya intercept dalam model regresi.”
Outpu SPSS:
Rumus:
Hipotesis Ho Keputusan JikaTidak ada autokorelasi positif
Tolak 0< d <dl
Tidak ada autokorelasi positif
No decision*
dl≤ d ≤ du
Tidak ada autokorelasi negatif
Tolak 4-dl< d <4
Tidak ada autokorelasi negatif
No decision*
4-du ≤d ≤ 4-dl
Tidak ada autokorelasi, positif atau negatif
Terima du< d <4-du
Pengambilan keputusan ada atau tidaknya autokorelasi:
* Diperlukan observasi lebih lanjut agar ada keputusan.
Model Summaryb
.936a .875 .840 1.18179 3.386Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), pendapatan, hargaa.
Dependent Variable: keperluan konsumsib.
d= 3.386dl = 0,697du = 1,604
Keputusan:Karna 4-dl< d <4, maka di simpulkan bahwa Ho yang mengatakan bahwa tidak ada autokorelasi negatif ditolak. “Terdapat autokorelasi negatif”
Tujuan:
menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Mendeteksi ada tidaknya HETEROSKEDASITAS
1.Scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID),
2.Uji Gletjer,3.Uji Park4.Uji White.
Mendeteksi ada tidaknya HETEROSKEDASTISITAS
1. Scatter plot
Dasar Analisis:
1.Jika ada pola tertentu,seperti titik-titik yang ada membentuk pola tertentu yang teratur
(bergelombang,melebar kemudian menyempit) maka di indikasi terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas,serta titik-titik menyeber di atas dan di bawah angka 0 pada sumbu Y,maka tidak terjadi heteroskedastisitas.
Langkah-langkah analisis dengan spss
1.Buka file2.Tekan tombol Plot3.Masukkan variabel SRESID pada kotak
pilihan Y4.Masukkan variabel ZPRED pada kotak
pilihan X5.Tekan continue6.Ok
14
Y = keperluan konsumsiX1 = harga X2 = pendapatan
Buatlah uji heteroskedastisitas dari di atas
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 53 4 85 6 84 5 96 7 92 6 133 4 64 5 95 4 46 3 3
.9608,10921,15529,2 21
^
XXY
di indikasikan terjadi Heteroskedastisitas, karena titik-titik yang ada membentuk pola tertentu.
Langkah-langkah analisis dengan spss
1.Buka file2.Buat variabel residual (Ut) dengan cara
memilih tombol save dan aktifkan Unstandardized residual.
3.Absolutkan nilai residual (AbsUt) pada menu transform.
4.Regresikan variabel AbsUt sebagai var.dependent dan variabel harga dan pendapatan sebagai variabel independent.
2. Uji Gletjer
Persamaan menjadi:AbsUt=a+b1 harga+b2 pendapatan
Coefficientsa
1.489 .127 11.762 .000
-.019 .021 -.185 -.917 .389
-.092 .024 -.793 -3.928 .006
(Constant)
harga
pendapatan
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: absUta.
Coefficientsa
1.489 .127 11.762 .000
-.019 .021 -.185 -.917 .389
-.092 .024 -.793 -3.928 .006
(Constant)
harga
pendapatan
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: absUta.
OUTPUT SPSS
ANALISIS
Jika variabel independent signifikan mempengaruhi variabel dependent,maka di indikasikan terjadi Heteroskedastisitas.Dari output terdapat variabel pendapatan mempengaruhi variabel Dependent, maka di simpulkan model regresi terjadi Heteroskedastisitas.
Tujuan:
mengetahui apakah variabel pengganggu atau residual memiliki distribusi normal. .
Mendeteksi ada tidaknya NORMALITAS
1. Analisis grafik (normal P-P plot)2. Analisis statistik (analisis Z skor
skewness dan kurtosis) one sample Kolmogorov-Smirnov Test.
Hipotesis:
H0: data residual berdistribusi normalH1: Data residual tidak berdistribusi normal. .
1. Analisis Grafik
1.Buka file2.Tekan tombol Plot3.Aktifkan standardized residual plot
pada Histogram dan Normal Probability Plot.
4.Tekan tombol Continue dan abaikan lainnya,lalu tekan Ok.
20
Y = keperluan konsumsiX1 = harga X2 = pendapatan
Buatlah uji normalitas dari data di atas.
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 53 4 85 6 84 5 96 7 92 6 133 4 64 5 95 4 46 3 3
.9608,10921,15529,2 21
^
XXY
Analisis.Model Regresi memenuhi asumsi normalitas,karna:1.Grafik Histogram memberikan pola distribusi normal.2. Grafik normal plot terlihat data menyebar di sekitar garis diagonal dan tidak menjauh dari garis diagonal.
2. Analisis Statistik
1.Buka file2.Pilih menu Analyze3.Pilih Non-parametric test4.Pilihsub menu 1-sample k-S5.Pada kotak test variabel list,isikan
unstandardized residual(RES_1),caranya lht pada Uji Gletjer.
6.Aktifkan test distribution pada kotak Normal.
Output SPSSOutput SPSS
ANALISISKarena Sig >0.05,maka H0 diterima,maka disimpulkan data residual berdistribusiNormal.
Tujuan:
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan yaitu studi empiris linier, kuadrat, atau kubik. Cara analisis sama dengan materi regresi berganda,pada
pertemuan sebelumnya. Yaitu dengan uji F.
Cara lain Mendeteksi Terjadinya linearitas1. Uji Durbin Watson,2. Uji Ramsey3. Uji Langrange Multiplier.