uji asumsi klasik

3. Tujuan:
Untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel 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. 4
Y = keperluan konsumsi
X1 = 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:

5. Output 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
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: keperluan konsumsi
a.
maka di simpulkan tidak ada multikolonieritas
antar variabel independent.
VIF <10
Tolerance >0,1
Coefficient Correlations
a
1.000 -.223
-.223 1.000
.091 -.018
-.018 .073
pendapatan
harga
pendapatan
harga
Correlations
Covariances
Model
1
pendapatan harga
Dependent Variable: keperluan konsumsi
a.

6. Tujuan:
menguji apakah model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya (t-1).
Mendeteksi ada tidaknya AUTOKORELASI
1.Uji DurbinWatson (DW test),
2.Uji Langrage Multiplier (LM test), > 100 observasi
3.Uji statistik Q
4.Run Test.

7. 7
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
Buatlah ujiAutokorelasi dari di atas
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 5
3 4 8
5 6 8
4 5 9
6 7 9
2 6 13
3 4 6
4 5 9
5 4 4
6 3 3
.
9608
,
1
0921
,
1
5529
,
2 2
1
^
X
X
Y +
−
=
e=Y- et-et-1
6.2511 -1.2511
7.1198 0.8802 2.1313
8.8572 -0.8572 -1.7374
7.9885 1.0115 1.8687
9.7259 -0.7259 -1.7374
12.1335 0.8665 1.5924
7.1198 -1.1198 -1.9863
7.9885 1.0115 2.1313
4.9356 -0.9356 -1.9471
1.8827 1.1173 2.0529
^
Y
^
Y

8. Mendeteksi ada tidaknya Multikolinearitas
Uji Durbin Watson (DW test),
Model Summaryb
.936a .875 .840 1.18179 3.386
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), pendapatan, harga
a.
Dependent Variable: keperluan konsumsi
b.
Syarat:
“Adanya intercept dalam model regresi.”
Outpu SPSS:
Rumus:

9. Hipotesis Ho Keputusan Jika
Tidak 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.

10. Model Summaryb
.936a .875 .840 1.18179 3.386
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), pendapatan, harga
a.
Dependent Variable: keperluan konsumsi
b.
d= 3.386
dl = 0,697
du = 1,604
Keputusan:
Karna 4-dl< d <4, maka di simpulkan bahwa Ho
yang mengatakan bahwa tidak ada autokorelasi
negatif ditolak.
“Terdapat autokorelasinegatif”

11. Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 .979a .959 .941 2758.308 1.339
a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia
b. Dependent Variable: Income
Nilai DW sebesar 1.339, nilai ini akan dibandingkan
dengan nilai tabel dengan menggunakan signifikansi 5%,
jumlah sampel 11 (n) dan jumlah variabel bebas 3 (k=3),
maka di tabel Durbin Watson akan didapatkan nilai sbb:

13. Gambar Daerah Uji DurbinWatson
1.928 2.072 3.405
0.595
1.339
Karena nilai DW 1.339 lebih kecil dari du dan lebih besar dari
dl, maka tidak menghasilkan kesimpulan yang pasti

14. 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 Park
4.UjiWhite.

15. 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.

16. Langkah-langkah analisis dengan
spss
1. Buka file
2. Tekan tombol Plot
3. Masukkan variabel SRESID pada kotak pilihan Y
4. Masukkan variabel ZPRED pada kotak pilihan X
5. Tekan continue
6. Ok

17. 17
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
Buatlah uji heteroskedastisitas dari di atas
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 5
3 4 8
5 6 8
4 5 9
6 7 9
2 6 13
3 4 6
4 5 9
5 4 4
6 3 3
.
9608
,
1
0921
,
1
5529
,
2 2
1
^
X
X
Y +
−
=

18. -2 -1 0 1 2
Regression Standardized Predicted Value
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
Regression
Studentized
Residual
Dependent Variable: keperluan konsumsi
Scatterplot
di indikasikan terjadi Heteroskedastisitas, karena titik-titik yang ada
membentuk pola tertentu.

19. Langkah-langkah analisis dengan spss
1. Buka file
2. 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

20. Coefficients
a
1.489 .127 11.762 .000
-.019 .021 -.185 -.917 .389
-.092 .024 -.793 -3.928 .006
(Constant)
harga
pendapatan
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: absUt
a.
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.

21. 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 normal
H1: Data residual tidak berdistribusi normal..

22. 1.Analisis Grafik
1. Buka file
2. Tekan tombol Plot
3. Aktifkan standardized residual plot pada
Histogram dan Normal Probability Plot.
4. Tekan tombol Continue dan abaikan lainnya,lalu
tekan Ok.

23. 23
Y = keperluan konsumsi
X1 = harga
X2 = pendapatan
Buatlah uji normalitas dari data di atas.
Dari contoh sebelumnya di dapat
X1 X2 Y
2 3 5
3 4 8
5 6 8
4 5 9
6 7 9
2 6 13
3 4 6
4 5 9
5 4 4
6 3 3
.
9608
,
1
0921
,
1
5529
,
2 2
1
^
X
X
Y +
−
=

24. 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.

25. 2.Analisis Statistik
1. Buka file
2. Pilih menu Analyze
3. Pilih Non-parametric test
4. Pilihsub menu 1-sample k-S
5. Pada kotak test variabel list,isikan unstandardized
residual(RES_1),caranya lht pada Uji Gletjer.
6. Aktifkan test distribution pada kotak Normal.

26. Output SPSS
One-Sample Kolmogorov-SmirnovTest
10
.0000000
1.04224494
.297
.257
-.297
.940
.340
N
Mean
Std. Deviation
Normal Parametersa,b
Absolute
Positive
Negative
Most Extreme
Differences
Kolmogorov-SmirnovZ
Asymp. Sig. (2-tailed)
Unstandardiz
ed Residual
Test distribution is Normal.
a.
Calculated from data.
b.
ANALISIS
Karena Sig >0.05,maka H0 diterima,maka disimpulkan data residual berdistribusi
Normal.

27. 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.

28. Cara lain Mendeteksi Terjadinya linearitas
1. Uji Durbin Watson,
2. Uji Ramsey
3. Uji Langrange Multiplier.