UJI ASUMSI KLASIK

1
UJI ASUMSI KLASIK

• Oleh
• Dr. Suliyanto, SE,MM
• http//management-unsoed.ac.id
• Uji Asumsi Klasik
• Download

2
Materi

• Uji Asumsi Klasik
• Normalitas
• Multikolinieritas
• Uji Asumsi Klasik
• Heteroskedastisitas
• Linieritas
• Outokorelasi

3
UJI ASUMSI KLASIK

1. Uji Normalitas
2. Uji Non-Multikolinieritas
3. Uji Non-Heteroskedastisitas
4. Uji Linieritas
5. Uji Non-Otokorelasi (time series)

4
Yang Dimaksud dengan Kurva Normal

• Distribusi normal merupakan suatu kurve berbentuk
  lonceng.
• Penyebab data tidak normal, karena terdapat nilai
  ekstrim dalam data seri yang diambil.
• Nilai ektrim adalah nilai yang terlalu rendah
  atau terlalu tinggi.

5
Penyebab Munculnya Nilai Ekstrim

• Kesalahan dalam pengambilan unit sampel.
• Cara mengatasi Mengganti unit sampel.
• Kesalahan dalam menginput data.
• Cara mengatasi Memperbaiki input data yang
  salah.
• Data memang aneh dibanding lainnya.
• Cara mengatasi Tambah ukuran sampel atau dengan
  membuang data yang aneh tersebut.

6
Kapan Data Dikatakan Normal
Pada ?0,01
Pada ?0,05
7
Berikut ini manakah data yang Ekstrim
8
UJI NORMALITAS

• PENGERTIAN UJI NORMALITAS
• Uji normalitas di maksudkan untuk mengetahui
  apakah residual terstandarisasi yang diteliti
  berdistribusi normal atau tidak.
• PENYEBAB TIDAK NORMAL
• Disebabkan karena terdapat nilai ektrim dalam
  data yang kita ambil.

9
Uji Normalitas

• CARA MENDITEKSI
• 1. Dengan gambar
• Jika kurva regression residual terstandarisasi
  membentuk gambar lonceng.
• 2. Dengan angka
• Uji Liliefors
• Chi Kuadrat (X2)
• Uji dengan kertas peluang normal
• Uji dengan Kolmogornov Smirnov

10
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.

11
Contoh Kasus

• Berikut ini adalah data time series,
• Berdasarkan data tersebut ujilah apakah data
  tersebut Normal secara Multivariate.

12
Manual Liliefors

• Buat persamaan regresinya
• Mencari nilai Prediksinya
• Cari nilai residualnya
• Stadarisasi nilai residualnya
• Urutkan nilai residual terstandarisasi dari yang
  terkecil sampai yang terbesar.
• Mencari nila Zr relatif komulatif.
• Mencari nila Zt teoritis berdasarkan tabel Z
• Mengihitung selisih nilai Zr dengan Zt atau
  (Zr-Zt-1) dan diberi simbol Li hitung
• Bandingkan nilai Li hitung dengan tabel
  Liliefors.
• Jika Lihitung gt L tabel maka data berdistribusi
  normal demikian juga sebaliknya.

13
Pengujian Manual
Y 2,553-1,092X11,961X2 Ypred 2,553-1,092(2)
1,961(3) 6,252 Resid 5-6,252 Zresid
(-1,2520,002)/1,042 -1,200 Zr (1/10) 0,1,
(2/10) 0,2, dts Tabel Z cum 1,20 ditabel Z
0,885 Luas Z Karena lt 0,5 maka Luas Z
1-0,858 0,142 Li Zt-Zr(t-1)
0,142-0,100,042
14
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
• (bertujuan untuk membuat variabel / kolom baru
  pada data yaitu Zre_1 )
• Abaikan pilihan yang lain ? OK
• Uji Kolmogornov Smirnov
• Buka file Data Regresi_1
• Analyze ? Non Parametrics Test ? 1 Sample
  K-S...
• Masukan variabel Standardized Residual pada kotak
  Test Variable List
• Abaikan pilihan yang lain (biarkan pada posisi
  defaultnya) ? OK

15
Memunculkan Nilai Residual Terstandarisasi
Uji Komogornov Smirnov
16
Output Kolmogornov Smirnov

• Karena Nilai Sig. gt 0,05 maka tidak signifikan.
• Tidak siginifikan berarti data relatif sama
  dengan rata-rata sehingga disebut normal.

17
Cara Mengatasi Data yang Tidak Normal

• Menambah jumlah data.
• Melakukan transformasi data menjadi Log atau LN
  atu bentuk lainnya.
• Menghilangkan data yang dianggap sebagai penyebab
  data tidak normal.
• Dibiarkan saja tetapi kita harus menggunakan alat
  analisis yang lain.

18
UJI MULTIKOLINIERITAS

• PENGERTIAN
• Uji multikolinieritas berarti terjadi korelasi
  yang kuat (hampir sempurna) antar variabel bebas.
• Tepatnya multikolinieritas berkenaan dengan
  terdapatnya lebih dari satu hubungan linier
  pasti, dan istilah kolinieritas berkenaan dengan
  terdapatnya satu hubungan linier.

19
Uji Multikolinieritas

• PENYEBAB
• Karena sifat-sifat yang terkandung dalam
  kebanyakan variabel ekonomi berubah bersama-sama
  sepanjang waktu.
• Besaran-besaran ekonomi dipengaruhi oleh
  faktor-faktor yang sama.

20
Uji Non-Multikolinieritas

• Cara menditeksi
• 1. Dengan melihat koefesien korelasi antar
  variabel bebas
• Jika koefesien 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.

21
Contoh KasusMultikolinieritas

• Berikut ini adalah data time series,
• Berdasarkan data tersebut ujilah apakah data
  tersebut terjadi gejala Multikolikolinier ?.

22
Pengujian Manual VIF

• Hitung nilai korelasi antar varibel bebas (r)
• Kuadratkan nilai korelasi antar variabel bebas
  (r2).
• Hitung nilai tolenrance (Tol) dengan rumus
  (1-r2).
• Hitung nilai VIF dengan rumus 1/TOL
• Jika VIF lt 10, maka tidak terjadi multikolinier.

23
Pengujian Manual VIF
24
Pengujian Multikolinier Dengan SPSS

• Buka file Data_Regresi_1
• Analyze ? Regression ? Linear...
• Masukan variabel Y ? pada kotak
  Dependent
• X1, X2, ? pada kotak
  Independent
• Statistics ? klik Colinier Diagnosis? Continue

25
Output
Karena nilai VIF lt 10 maka tidak terjadi
otokorelasi
26
CARA MENGATASI MULTIKOLINIER

• Memperbesar ukuran sampel
• Memasukan persamaan tambahan ke dalam model.
• Menghubungkan data cross section dan data time
  series.
• Mengeluarkan suatu variabel dan bias spesifikasi.
• Transformasi variabel.

27
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.

28
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 Rank-spearman.

29
Contoh Kasus Heteroskedastisitas

• Berikut ini adalah data time series,
• Berdasarkan data tersebut ujilah apakah data
  tersebut apakah terjadi gejala Heteroskedastisitas
  ?

30
Langkah-Langkah Metode Glejser

• Regresikan variabel bebas (X) terhadap variabel
  tergantung (Y).
• Hitung nilai prediksinya
• Hitung nilai residualnya
• Multakan nilai residualnya
• Regresikan variabel bebas terhadap nilai mutlak
  residualnya.
• Jika signifikan berarti terjadi gejala
  heteroskedastisitas dan sebaliknya jika tidak
  signifikan berarti tidak terjadi gejala
  heteroskedastisitas.

31
(No Transcript)
32
Hasil Nilai Regresi Variabel Bebas terhadap Nilai
Mutlak Residualnya

• X1 tidak signifikan karena p-value gt 0,05
  sehingga X1 tidak terjadi gejala
  heteroskedastisitas.
• X2 signifikan karena p-value lt 0,05 sehingga X2
  terjadi gejala heteroskedastisitas.

33
Pengujian Heteroskedastisitas Dengan SPSS

• Memunculkan Nilai Residual
• Buka file Data_Regresi_1
• Analyze ? Regression ? Linear...
• Masukan variabel Y ? pada kotak
  Dependent
• X1, X2, ? pada kotak
  Independent
• Save ? pada kotak Residual klik
  unstandardized ? Continue
• (bertujuan untuk membuat variabel / kolom baru
  pada data yaitu res_1 )
• Abaikan pilihan yang lain ? OK
• Mutlakan Nilai Residualnya
• Buka file Data Regresi_1
• Tranform ? Compute
• Pada Target Variabel diisi dengan ABRES
• Pada Numeric Expresion diisi dengan ABS(RES_1)
• Abaikan pilihan yang lain ? OK
• Meregresikan variabel bebas terhadap Nilai Mutlak
  Residual
• Buka file Data_Regresi_1
• Analyze ? Regression ? Linear...
• Masukan variabel ABRES ? pada kotak
  Dependent
• X1, X2, ? pada kotak
  Independent

34
Prose Memunculkan Nilai Residual dan Memutlakannya
Memunculkan Nilai Residual
Memutlakan Nilai Residual
35
Meregresikan variabel bebas terhadap Nilai
Mutlak Residual

• X1 tidak signifikan karena p-value gt 0,05
  sehingga X1 tidak terjadi gejala
  heteroskedastisitas.
• X2 signifikan karena p-value lt 0,05 sehingga X2
  terjadi gejala heteroskedastisitas.

36
Cara Mengatasi Heteroskedastisitas

• Tambah jumlah pengamatan.
• Tranformasikan data ke bentuk LN atau Log atau
  bentuk laiannya.

37
UJI NON-AUTOKORELASI

• PENGERTIAN
• Uji ini dilakukan untuk mengetahui apakah ada
  korelasi antara anggota serangkaian data
  observasi yang diuraikan menurut waktu (time
  series) atau ruang (cross section).

38
Uji Otokorelasi

• PENYEBAB
• Adanya kelembaman waktu
• Adanya bias spesifikasi model
• Manipulasi data

39
Uji Otokorelasi

• Uji Durbin Watson
• Uji Lagrange Multiplier
• Uji Breusch-Godfrey

40
Contoh Kasus Otokorelasi

• Berikut ini adalah data time series,
• Berdasarkan data tersebut ujilah apakah data
  tersebut apakah terjadi gejala otokorelasi ?

41
Langkah-Langkah Uji Durbin-Watson

• Regresikan variabel bebas (X) terhadap variabel
  tergantung (Y).
• Hitung nilai prediksinya.
• Hitung nilai residualnya.
• Kuadratkan nilai residualnya.
• Lag-kan satu nilai residualnya.
• Kurangkan nilai residual dengan Lag-kan satu
  nilai residualnya.
• Masuk hasil perhitungan diatas masukan kedalam
  rumus Durbin-Watson

42
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 (e-et-1)2 2,131 4,541
43
Kriteria Pengujian

• Tabel Durbin Watson dk k,n
• K2 dan n10
• dL 0,697
• dU 1,641
• 4-dU 2,359
• 4-dL 3,303

• 1,641

0,697
3,303
1,641
2,359
3,386
44
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

45
Proses Analisi Surbin Watson dengan SPSS
46
Output Uji Durbin Watson
47

• Jika diketahui Junmlah Variabel bebas 3,
  pengamatan 20, dan diperoleh nilai durbin watson
  sebesar 2,354.
• Ujilah apakah terjadi gejala outokorelasi ?
• Gunakan gambar untuk menguji !

48
UJI LINIERITAS

• Uji ini dilakukan untuk mengetahui model yang
  digunakan apakah menggunakan model linier atau
  tidak.
• Cara menditeksi
• 1. Dengan kurva
• Model dikatakan linier jika plot antara nilai
  residual terstandarisasi dengan nilai prediksi
  terstandarisasi tidak membentuk pola tertentu
  (acak).
• 2. Dengan uji MWD
• Cara mengetahui linieritas dengan menggunakan
  gambar dianggap masing kurang obyektif sehingga
  masih dibutuhkan alat analisis Mac Kinnon White
  Davidson (MWD)

49
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 sigifikan maka tidak linier.
• Tentukan Z2 (antilogPred2-YPred1)
• Regresikan variabel bebas dan Z2 terhadap Y, jika
  Z2 sigifikan maka linier.

50
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

51
Proses Uji Linieritas dengan SPSS
Karena plot regresi standardiz residual dengan
regresi standardiz prediksi membentuk pola yang
acak maka menggunakan persamaan regresi Linier.
52
Bagiamana Kalau tidak Linier ?

• Jika hasil tidak linier tinggal ganti dengan
  persamaan non linier.