statistik spss

1. UJI ASUMSI KLASIK

2. I.
MULTIKOLINEARITAS
Untuk menguji apakah suatu model regresi terjadi
korelasi yang tinggi atau tidak antar variabel
independen.
Acuan
penentuan
terjadi
atau
tidaknya
Multikolinearitas :
A. Tidak terjadi Multikolinearitas Jika Tol > 0,1 dan
VIF<10
B. Terjadi Multikolinearitas jika Tol < 0,1 dan VIF
>10

3. Tolerance > 0,1
VIF < 10
Kesimpulan :Tidak terjadi
multikolinearitas sehingga
data
baik
digunakan
dalam model regresi.

4. II. Heteroskedastisitas
Untuk menguji apakah dalam suatu model
regresi terdapat kesamaan atau ketidaksamaan
varians antara pengamatan yang satu dengan
yang lainnya.
Uji heteroskedastisitas dapat dilakukan dengan
•Metoda grafik
•Metoda Non grafik (Uji Glejser)

5. Heteroskedastisitas
Metoda grafik
•Jika data menyebar dan tidak membentuk pola
: tidak terjadi heteroskedastisitas
=
homoskedastisitas.
•Jika data mengumpul membentuk pola : terjadi
heteroskedastisitas

6. Titik – titik menyebar dan tidak membentuk pola
tertentu (homoskedastisitas) ,
Kesimpulan : tidak terjadi heteroskedastisitas
sehingga data baik digunakan dalam model regresi

7. Heteroskedastisitas
Metoda non grafik
Ho : tidak terjadi heteroskedastisitas
Ha : terjadi heteroskedastisitas
*Bandingkan Sig dengan Alpha α
sig> α = Ho tidak dapat ditolak
Sig< α = Ha tidak dapat ditolak

8. • IHSG
Ho : tidak terjadi Heteroskedastisitas
Ha : terjadi Heteroskedastisitas
Sig : 0,012 ; Alpha : 0,05
Kesimpulan : Ha tidak dapat ditolak
Artinya : terjadi heteroskedastisitas. Sehingga tidak baik digunakan dalam model regresi
• KURS
Ho : tidak terjadi Heteroskedastisitas
Ha : terjadi Heteroskedastisitas
Sig : 0,064; Alpha : 0,05
Kesimpulan : Ho tidak dapat ditolak
Artinya : tidak terjadi heteroskedastisitas. Sehingga data baik digunakan dalam model regresi
• Interest rate
Ho : tidak terjadi Heteroskedastisitas
Ha : terjadi Heteroskedastisitas
Sig : 0,198 ; Alpha : 0,05
Kesimpulan : Ho tidak dapat ditolak
Artinya : Tidak terjadi heteroskedastisitas, Sehingga data baik digunakan dalam model regresi.

9. III. AUTOKORELASI
Untuk melihat sebuah model regresi ada
korelasi antara kesalahan penganggu pada
periode t dan kesalahan penganggu pada
periode t-1.
UJI AUTOKORELASI dapat menggunakan :
A. Uji Durbin watson
B. Uji Bruesch-Godfrey

10. AUTOKORELASI
Durbin watson

11. Lihat tabel :
Alpha = 0,05 , K = 30
dl 1.21 ; du 1.65
Kesimpulan : terdapat autokorelasi positif
sehingga data tidak baik digunakan dalam
model regresi

12. AUTOKORELASI
Bruesch-Godfrey
Ho : Tidak terjadi autokorelasi
Ha : Terjadi Autokorelasi
Bandingkan Sig dengan α
Sig < α : Ha tidak dapat ditolak
Sig > α : Ho tidak dapat ditolak
Untuk Lihat hubungan positif / negatif, lihat di
understandardized residual (B), lihat di Res2.

13. Ho : Tidak terjadi autokorelasi
Ha : Terjadi autokorelasi
Sig : 0,000 ; α : 0,05 ; B = 0,789
Kesimpulan = Ha tidak dapat ditolak
Artinya , terjadi autokorelasi sehingga data tidak baik digunakan dalam model regresi.

14. Normalitas
• Grafik
– Jika titik-titik menyebar disekitar garis diagonal = Data terdistribusi
normalitas
– Jika titik-titik menyebar tidak disekitar garis diagonal = data tidak
terdistribusi normalitas
• Non Grafik – One sample k-s
Ho : data terdistribusi normal
Ha : data tidak terdistribusi normal
Bandingkan Asymp Sig (2tailed ) dengan α
Jika :
A. Asymp Sig (2tailed )> α : ho tidak dapat ditolak , data terdistribusi
normal.
B. Asymp Sig (2tailed )< α : ha tidak dapat ditolak, data tidak
terdistribusi normal.

15. Normalitas – grafik
Kesimpulan : titik –
titik data menyebar
disekitar
garis
diagonal.
Artinya
:
data
terdistribusi
normal, sehingga
data baik digunakan
dalam
model
penelitian regresi.

16. Normalitas – Non grafik
Ho : data terdistribusi normal
Ha : data tidak terdistribusi normal
Asymp Sig (2tailed ) = 0,808
α = 0,05
Asymp Sig (2tailed )> α
Kesimpulan : Ho tidak dapat ditolak ( data terdistribusi normal)
Artinya : data terdistribusi normal, sehingga data baik digunakan dalam
model penelitian regresi.