*UJI ASUMSI KLASIK

*MateriUji Asumsi KlasikNormalitasMultikolinieritasUji Asumsi KlasikHeteroskedastisitasLinieritasOutokorelasi

*UJI ASUMSI KLASIKUji NormalitasUji Non-MultikolinieritasUji Non-HeteroskedastisitasUji LinieritasUji Non-Otokorelasi (time series)

*Yang Dimaksud dengan Kurva NormalDistribusi 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.

*Penyebab Munculnya Nilai EkstrimKesalahan 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.

*Kapan Data Dikatakan NormalPada =0,01Pada =0,05

*Berikut ini manakah data yang Ekstrim

*UJI NORMALITASPENGERTIAN UJI NORMALITASUji normalitas di maksudkan untuk mengetahui apakah residual terstandarisasi yang diteliti berdistribusi normal atau tidak.

PENYEBAB TIDAK NORMALDisebabkan karena terdapat nilai ektrim dalam data yang kita ambil.

*Uji NormalitasCARA MENDITEKSI:1. Dengan gambar:Jika kurva regression residual terstandarisasi membentuk gambar lonceng.2. Dengan angka:Uji LilieforsChi Kuadrat (X2)Uji dengan kertas peluang normalUji dengan Kolmogornov Smirnov

*Uji NormalitasUji normalitas dapat dilakukan secara:UnivariateDilakukan dengan menguji normalitas pada semua variabel yang akan dianalisis.MultivariateDilakukan dengan menguji normalitas pada nilai residual yang telah distandarisasi.

*Contoh KasusBerikut ini adalah data time series,

Berdasarkan data tersebut ujilah apakah data tersebut Normal secara Multivariate.

*Manual LilieforsBuat persamaan regresinyaMencari nilai PrediksinyaCari nilai residualnyaStadarisasi nilai residualnyaUrutkan nilai residual terstandarisasi dari yang terkecil sampai yang terbesar.Mencari nila Zr relatif komulatif.Mencari nila Zt teoritis berdasarkan tabel ZMengihitung selisih nilai Zr dengan Zt atau (Zr-Zt-1) dan diberi simbol Li hitungBandingkan nilai Li hitung dengan tabel Liliefors.Jika Lihitung > L tabel maka data berdistribusi normal demikian juga sebaliknya.

*Y=2,553-1,092X1+1,961X2Ypred=2,553-1,092(2) +1,961(3) = 6,252Resid= 5-6,252Zresid= (-1,2520,002)/1,042 = -1,200Zr= (1/10) = 0,1, (2/10) = 0,2, dtsTabel Z cum= 1,20 ditabel Z = 0,885Luas Z= Karena < 0,5 maka Luas Z = 1-0,858 =0,142Li= Zt-Zr(t-1) = 0,142-0,10=0,042

Pengujian Manual

*Pengujian Normalitas Dengan SPSSMemunculkan Nilai Residual TerstandarisasiBuka file : Data_Regresi_1Analyze Regression Linear... Masukan variabel Y pada kotak Dependent X1, X2, pada kotak IndependentSave: pada kotak Residual : klik Standardized Continue(bertujuan untuk membuat variabel / kolom baru pada data yaitu Zre_1 )Abaikan pilihan yang lain OKUji Kolmogornov SmirnovBuka file : Data Regresi_1 Analyze Non Parametrics Test 1 Sample K-S... Masukan variabel Standardized Residual pada kotak Test Variable ListAbaikan pilihan yang lain (biarkan pada posisi defaultnya) OK

*Memunculkan Nilai Residual TerstandarisasiUji Komogornov Smirnov

*Output Kolmogornov SmirnovKarena Nilai Sig. > 0,05 maka tidak signifikan.Tidak siginifikan berarti data relatif sama dengan rata-rata sehingga disebut normal.

*Cara Mengatasi Data yang Tidak NormalMenambah 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.

*UJI MULTIKOLINIERITASPENGERTIANUji 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.

*Uji MultikolinieritasPENYEBABKarena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-sama sepanjang waktu.Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama.

*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

*Contoh KasusMultikolinieritasBerikut ini adalah data time series,

Berdasarkan data tersebut ujilah apakah data tersebut terjadi gejala Multikolikolinier ?.

*Pengujian Manual VIFHitung 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/TOLJika VIF < 10, maka tidak terjadi multikolinier.

*Pengujian Manual VIF

*Pengujian Multikolinier Dengan SPSS

Buka file : Data_Regresi_1Analyze Regression Linear... Masukan variabel Y pada kotak Dependent X1, X2, pada kotak IndependentStatistics: klik Colinier Diagnosis Continue

*Output:Karena nilai VIF < 10 maka tidak terjadi otokorelasi

*CARA MENGATASI MULTIKOLINIERMemperbesar ukuran sampelMemasukan persamaan tambahan ke dalam model.Menghubungkan data cross section dan data time series.Mengeluarkan suatu variabel dan bias spesifikasi.Transformasi variabel.

*UJI NON-HETEROSKEDASTISITASPENGERTIANUji heteroskedastisitas berarti adanya varian dalam model yang tidak sama (konstan).

PENYEBABVariabel yang digunakan untuk memprediksi memiliki nilai yang sangat beragam, sehingga menghasilkan nilai residu yang tidak konstan.

*Uji HeteroskedastisitasCARA MENDITEKSI:1. Dengan Uji ParkYaitu dengan meregresikan variabel bebas terhadap nilai log-linier kuadrat.2. Dengan Uji GlejserYaitu dengan meregresikan variabel bebas terhadap nilai residual mutlaknya.3. Dengan Uji Korelasi Rank SpearmanMengkorelasikan nilai residual dengan variabel bebas dengan menggunakan Rank-spearman.

*Contoh Kasus HeteroskedastisitasBerikut ini adalah data time series,

Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala Heteroskedastisitas ?

*Langkah-Langkah Metode GlejserRegresikan variabel bebas (X) terhadap variabel tergantung (Y).Hitung nilai prediksinyaHitung nilai residualnyaMultakan nilai residualnyaRegresikan variabel bebas terhadap nilai mutlak residualnya.Jika signifikan berarti terjadi gejala heteroskedastisitas dan sebaliknya jika tidak signifikan berarti tidak terjadi gejala heteroskedastisitas.

*

*Hasil Nilai Regresi Variabel Bebas terhadap Nilai Mutlak ResidualnyaX1 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.

*Pengujian Heteroskedastisitas Dengan SPSSMemunculkan Nilai ResidualBuka file : Data_Regresi_1Analyze Regression Linear... Masukan variabel Y pada kotak Dependent X1, X2, pada kotak IndependentSave: pada kotak Residual : klik unstandardized Continue(bertujuan untuk membuat variabel / kolom baru pada data yaitu res_1 )Abaikan pilihan yang lain OKMutlakan Nilai ResidualnyaBuka file : Data Regresi_1Tranform ComputePada Target Variabel diisi dengan ABRESPada Numeric Expresion diisi dengan ABS(RES_1)Abaikan pilihan yang lain OKMeregresikan variabel bebas terhadap Nilai Mutlak ResidualBuka file : Data_Regresi_1Analyze Regression Linear... Masukan variabel ABRES pada kotak Dependent X1, X2, pada kotak IndependentAbaikan pilihan yang lain OK

*Prose Memunculkan Nilai Residual dan MemutlakannyaMemutlakan Nilai ResidualMemunculkan Nilai Residual

*Meregresikan variabel bebas terhadap Nilai Mutlak ResidualX1 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.

*Cara Mengatasi HeteroskedastisitasTambah jumlah pengamatan.Tranformasikan data ke bentuk LN atau Log atau bentuk laiannya.

*UJI NON-AUTOKORELASIPENGERTIANUji ini dilakukan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time series) atau ruang (cross section).

*Uji OtokorelasiPENYEBAB:Adanya kelembaman waktuAdanya bias spesifikasi modelManipulasi data

*Uji OtokorelasiUji Durbin WatsonUji Lagrange MultiplierUji Breusch-Godfrey

*Contoh Kasus OtokorelasiBerikut ini adalah data time series,

Berdasarkan data tersebut ujilah apakah data tersebut apakah terjadi gejala otokorelasi ?

*Langkah-Langkah Uji Durbin-WatsonRegresikan 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

*Perhitungan Manual Durbin Matsone = Y-Ypred= 5-6,252=-1,252e2 = = -1,2522= 1,568et-1 = e mundur 1peiode e-et-1 = 0,879-(-1,252) = 2,131(e-et-1)2 = 2,131 = 4,541

*Kriteria PengujianTabel Durbin Watson dk =k,nK=2 dan n=10dL= 0,697dU= 1,6414-dU= 2,3594-dL= 3,303

0,6973,3031,6411,6412,3593,386

*Pengujian Otokorleasi Dengan SPSSMemunculkan Nilai ResidualBuka file : Data_Regresi_1Analyze Regression Linear... Masukan variabel Y pada kotak Dependent X1, X2, pada kotak IndependentKlik Statistics: Pada Residual pilih Durbin WatsonKlik ContinueAbaikan pilihan yang lain OK

*Proses Analisi Surbin Watson dengan SPSS

*Output Uji Durbin Watson

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 !*

*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 MWDCara mengetahui linieritas dengan menggunakan gambar dianggap masing kurang obyektif sehingga masih dibutuhkan alat analisis Mac Kinnon White Davidson (MWD)

*Langkah Analsis MWDRegresikan variabel bebas terhadap variabel tergantung dengan regresi linier dan tentukan Ypred1Tranformasikan 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.

*Pengujian Linieritas Dengan SPSSMemunculkan 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

*Proses Uji Linieritas dengan SPSSKarena plot regresi standardiz residual dengan regresi standardiz prediksi membentuk pola yang acak maka menggunakan persamaan regresi Linier.

*Bagiamana Kalau tidak Linier ?Jika hasil tidak linier tinggal ganti dengan persamaan non linier.

**