Download to read offline
UTS STATISTIK.ppt
- 1. 1 PENGUJIAN ASUMSI KLASIK Oleh: FATIHAH ANGGREANIKAUTSAR 200901602007 KELAS A AKUNTANSI TERAPAN
- 2. 2 Materi Uji AsumsiKlasik –Normalitas –Multikolinieritas Uji Asumsi Klasik –Heteroskedastisitas –Linieritas –Outokorelasi
- 3. 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. 4 Yang Dimaksud denganKurva 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. 5 Penyebab Munculnya Nilai Ekstrim 1.Kesalahan dalam pengambilan unit sampel. Cara mengatasi: Mengganti unit sampel. 2. Kesalahan dalam menginput data. Cara mengatasi: Memperbaiki input data yang salah. 3. Data memang aneh dibanding lainnya. Cara mengatasi: Tambah ukuran sampel atau dengan membuang data yang aneh tersebut.
- 6. 6 Kapan Data DikatakanNormal Ekstrim Rendah Ektrim Tinggi -2,58 2,58 0 Ekstrim Rendah Ektrim Tinggi -1,96 1,96 0 Pada =0,01 Pada =0,05
- 7. 7 Berikut ini manakahdata yang Ekstrim Ekstrim Rendah Ektrim Tinggi -2,58 2,58 0 0439 734 . 31 333 . 63 000 . 50 x x Z i
- 8. 8 UJI NORMALITAS PENGERTIAN UJINORMALITAS 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. 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. 10 Uji Normalitas Ujinormalitas 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. 11 Contoh Kasus Berikutini adalah data time series, Berdasarkan data tersebut ujilah apakah data tersebut Normal secara Multivariate.
- 12. 12 Manual Liliefors Buatpersamaan 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 > L tabel maka data berdistribusi normal demikian juga sebaliknya.
- 13. 13 Y =2,553-1,092X1+1,961X2 Ypred =2,553-1,092(2)+1,961(3) = 6,252 Resid = 5-6,252 Zresid = (-1,252—0,002)/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 < 0,5 maka Luas Z = 1-0,858 =0,142 Li = Zt-Zr(t-1) = 0,142-0,10=0,042 Pengujian Manual
- 14. 14 Pengujian Normalitas DenganSPSS 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. 15 Memunculkan Nilai Residual Terstandarisasi UjiKomogornov Smirnov
- 16. 16 Output Kolmogornov Smirnov KarenaNilai Sig. > 0,05 maka tidak signifikan. Tidak siginifikan berarti data relatif sama dengan rata- rata sehingga disebut normal. One-Sample Kolmogorov-Smirnov Test 10 5.960465E-09 .8819171 .297 .257 -.297 .940 .340 N Mean Std. Deviation Normal Parametersa,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Standardized Residual Test distribution is Normal. a. Calculated from data. b.
- 17. 17 Cara Mengatasi Datayang 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. 18 UJI MULTIKOLINIERITAS PENGERTIAN Ujimultikolinieritas 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. 19 Uji Multikolinieritas PENYEBAB Karenasifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-sama sepanjang waktu. Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.
- 20. 20 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. Uji Non-Multikolinieritas
- 21. 21 Contoh KasusMultikolinieritas Berikutini adalah data time series, Berdasarkan data tersebut ujilah apakah data tersebut terjadi gejala Multikolikolinier ?.
- 22. 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 < 10, maka tidak terjadi multikolinier.
- 23.
- 24. 24 Pengujian Multikolinier DenganSPSS 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. 25 Output: Karena nilai VIF< 10 maka tidak terjadi otokorelasi
- 26. 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. 27 UJI NON-HETEROSKEDASTISITAS PENGERTIAN Ujiheteroskedastisitas 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. 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. 29 Contoh Kasus Heteroskedastisitas Berikut ini adalah data time series, Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala Heteroskedastisitas ?
- 30. 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.
- 32. 32 Hasil Nilai RegresiVariabel Bebas terhadap Nilai Mutlak Residualnya •X1 tidak signifikan karena p-value > 0,05 sehingga X1 tidak terjadi gejala heteroskedastisitas. •X2 signifikan karena p-value < 0,05 sehingga X2 terjadi gejala heteroskedastisitas.
- 33. 33 Pengujian Heteroskedastisitas Dengan SPSS MemunculkanNilai 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 Abaikan pilihan yang lain OK
- 34. 34 Prose Memunculkan NilaiResidual dan Memutlakannya Memutlakan Nilai Residual Memunculkan Nilai Residual
- 35. 35 Meregresikan variabel bebasterhadap Nilai Mutlak Residual •X1 tidak signifikan karena p-value > 0,05 sehingga X1 tidak terjadi gejala heteroskedastisitas. •X2 signifikan karena p-value < 0,05 sehingga X2 terjadi gejala heteroskedastisitas.
- 36. 36 Cara Mengatasi Heteroskedastisitas Tambah jumlah pengamatan. Tranformasikan data ke bentuk LN atau Log atau bentuk laiannya.
- 37. 37 UJI NON-AUTOKORELASI PENGERTIAN Ujiini dilakukan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time series) atau ruang (cross section).
- 38. 38 Uji Otokorelasi PENYEBAB: Adanyakelembaman waktu Adanya bias spesifikasi model Manipulasi data
- 39. 39 Uji Otokorelasi UjiDurbin Watson Uji Lagrange Multiplier Uji Breusch-Godfrey
- 40. 40 Contoh Kasus Otokorelasi Berikut ini adalah data time series, Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala otokorelasi ?
- 41. 41 Langkah-Langkah Uji Durbin-Watson 1.Regresikan variabel bebas (X) terhadap variabel tergantung (Y). 2. Hitung nilai prediksinya. 3. Hitung nilai residualnya. 4. Kuadratkan nilai residualnya. 5. Lag-kan satu nilai residualnya. 6. Kurangkan nilai residual dengan Lag-kan satu nilai residualnya. 7. Masuk hasil perhitungan diatas masukan kedalam rumus Durbin-Watson
- 42. 42 Perhitungan Manual DurbinMatson 386 , 3 777 , 9 104 , 33 ) ( 2 2 1 t t e e e DW 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. 43 Kriteria Pengujian Tabel DurbinWatson dk =k,n K=2 dan n=10 dL = 0,697 dU = 1,641 4-dU = 2,359 4-dL = 3,303 Tidak ada Otokorelas i Tanpa Kesimpulan Tanpa Kesimpulan Otokorelas i + Otokorelas i – dL dU 4 – dU 4 – dL 2 0,697 3,303 1,641 1,641 2,359 3,386
- 44. 44 Pengujian Otokorleasi DenganSPSS 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. 45 Proses Analisi SurbinWatson dengan SPSS
- 46. 46 Output Uji DurbinWatson
- 47. Jika diketahuiJunmlah Variabel bebas 3, pengamatan 20, dan diperoleh nilai durbin watson sebesar 2,354. Ujilah apakah terjadi gejala outokorelasi ? Gunakan gambar untuk menguji ! 47
- 48. 48 UJI LINIERITAS Ujiini 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. 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. 50 Pengujian Linieritas DenganSPSS 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. 51 Proses Uji Linieritasdengan SPSS Scatterplot Dependent Variable: Y Regression Standardized Predicted Value 2 1 0 -1 -2 -3 Regression Standardized Residual 1,0 ,5 0,0 -,5 -1,0 -1,5 Karena plot regresi standardiz residual dengan regresi standardiz prediksi membentuk pola yang acak maka menggunakan persamaan regresi Linier.
- 52. 52 Bagiamana Kalau tidakLinier ? Jika hasil tidak linier tinggal ganti dengan persamaan non linier.