multikolinieritas 2. autokorelasi 3.heteroskedastisitas 4. normalitas 5. linearitas

26

Upload: bliss

Post on 27-Jan-2016

160 views

Category:

Documents


17 download

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 Presentation

TRANSCRIPT

Page 1: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS
Page 2: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS
Page 3: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 4: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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:

Page 5: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 6: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 7: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 8: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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:

Page 9: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 10: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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”

Page 11: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 12: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 13: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 14: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 15: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

di indikasikan terjadi Heteroskedastisitas, karena titik-titik yang ada membentuk pola tertentu.

Page 16: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 17: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 18: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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. .

Page 19: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 20: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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

Page 21: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 22: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 23: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

Output SPSSOutput SPSS

ANALISISKarena Sig >0.05,maka H0 diterima,maka disimpulkan data residual berdistribusiNormal.

Page 24: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

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.

Page 25: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS

Cara lain Mendeteksi Terjadinya linearitas1. Uji Durbin Watson,2. Uji Ramsey3. Uji Langrange Multiplier.

Page 26: MULTIKOLINIERITAS 2. AUTOKORELASI 3.HETEROSKEDASTISITAS 4. NORMALITAS  5. LINEARITAS