ASUMSI ANALISIS REGRESI

ASUMSI ANALISIS REGRESIDR. IR. INDRA, MP1ASUMSI DASAR DALAM ANALISIS REGRESIResidu mengikuti regresi distribusi normalVariasi residu konstan untuk setiap data pengamatan (homoskedastisitas) tidak terjadi heteroskedastisitasTidak terdapat autokorelasi antara residu untuk setiap data pengamatan, danTidak terdapat problem multikolinieritas antar variabel independent

2DISTRIBUSI NORMALDiuji dengan Kolmogorov-Sminov TestJika nilai Kolmogorov-Sminov lebih besar dari 0,05 (convidence level), maka data berdistribusi normal, jika sebaliknya maka tidak normal data harus di adjust kembali periksa data-data outlier (unusual cases)Normality of resedual ini juga dapat dilihat dari P-P Plot. Jika pencaran residual berada di sekitar garis lurus melintang, maka data normal3HETEROSKEDASTISITASUntuk menguji asumsi tidak adanya problem heteroskedastisitas pada residual, maka dapat dilihat dari scatter plot antara data residu yang telah disttandarkan (Sdresid) dengan hasil prediksi variabel dependen yang telah distandarkan (Zpred). Dari hasil scatter plot, jika berbetuk pola maka terjadi heteroskedastisitas. Jika sebaliknya (plot data tidak berpola), maka tidak ada masalah heteroskedastisitas atau homoskedastisitas.Uji heteroskedastisitas juga dapat diuji dengan Park Test, Glejer Test, Whites General Heteroskedasticity Test, dan Spearmans Correlation Test.4AUTOKORELASIDapat dilihat dari nilai statistik Durbin-Watson (DB).Jika nilai DB lebih besar dari DB batas atas, yang diperoleh dari tabel Durbin-Watson dengan n = jumlah sampel dan k = banyak variabel dependen, maka tidak ada problem autokorelasi.5MULTIKOLINIERITASPemeriksaan dapat dilakukan dengan melihat nilai VIF (varian inflate factor).Bila VIF > 10, maka terdapat multikolinieritas. Sebaliknya jika VIF < 10, maka tidak terdapat multikolinieritas.Multikolinieritas juga dapat dideteksi dari ouput regresi. Jika R2 besar, F besar, t sedikit yang beda nyata ciri dari model yang mengalami multikolinieritas.6TERIMA KASIH