You are on page 1of 7

ASUMSI ANALISIS

REGRESI
DR. IR. INDRA, MP

ASUMSI DASAR DALAM ANALISIS


REGRESI

Residu mengikuti regresi distribusi


normal
Variasi residu konstan untuk setiap
data pengamatan
(homoskedastisitas) tidak terjadi
heteroskedastisitas
Tidak terdapat autokorelasi antara
residu untuk setiap data
pengamatan, dan
Tidak terdapat problem

DISTRIBUSI NORMAL
Diuji dengan Kolmogorov-Sminov Test
Jika 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
normal

HETEROSKEDASTISITAS
Untuk 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.

AUTOKORELASI
Dapat 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.

MULTIKOLINIERITAS
Pemeriksaan 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.

TERIMA KASIH