You are on page 1of 26

UJI ASUMSI

KLASIk
PERTEMUAN 7
UJI MULTIKOLINEARITAS

Uji multikolinearitas bertujuan untuk menguji


apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independent
variable).
Cara mendeteksi ada atau tidaknya multikolinearitas:
◦ Nilai R² yang dihasilkan sangat tinggi, tetapi scr individual
variabel2 bebas banyak yg tidak signifikan mempengaruhi
varibel terikat.

◦ Menganalisis matriks korelasi variabel-variabel bebas. Jika


antar variabel bebas ada korelasi yg cukup tinggi (di atas 0.90),
hal ini merupakan indikasi adanya multikolinearitas.

◦ Multikolinearitas dapat juga dilihat dari nilai tolerance dan


lawannya variace inflation factor (VIF). Nilai cutoff yg umumnya
dipakai untuk menunjukkan adanya multikolinearitas adalah
nilai tolerance ≤ 0.10 atau sama dengan ≥ 10.
UJI MULTIKOLINEARITAS
Perintah dalam SPSS
• Bukan File multiple_reg
• Menu Analize ─> Regression ─> Linear .. Tampak di
Layar windows Linear Regression
• Pada kotak Dependent isikan variabel income
• Pada kotak Independent isikan variabel Usia,
Pengalaman Kerja, dan Jenis Kelamin
• Pada kotak Method, pilih Enter
• Untuk menampilkan matriks korelasi dan nilai Tolerance
dan VIF, pilih Statistics, di layar akan muncul tampilan
Linear Regession Statistics, sebagai berikut:
• Aktifkan pilihan Covariance matrix dan Collinierity
diagnostics
• Tekan Continue, abaikan yang lain dan tekan OK
Coefficient Correlationsa
Pengalaman
Model Jenis Kelamin Kerja Usia
1 Correlations Jenis Kelamin 1.000 -.525 -.581
Pengalaman -.525 1.000 -.057
Kerja
Usia -.581 -.057 1.000
Covariances Jenis Kelamin 7987381.601 -965693.244 -336358.099
Pengalaman -965693.244 423275.139 -7591.684
Kerja
Usia -336358.099 -7591.684 41909.197
a. Dependent Variable: Income

Tidak terjadi multikolinearitas karena korelasi antar


variabel bebas/independent di bawah 0.90
Coefficientsa

Unstandardized Standardized Collinearity


Coefficients Coefficients Statistics

Model B Std. Error Beta t Sig. Tolerance VIF


1 (Constant) -9071.764 5331.943 -1.701 .133

Usia 1148.913 204.717 .620 5.612 .001 .481 2.080


Pengalaman 1513.691 650.596 .246 2.327 .053 .526 1.902
Kerja
Jenis Kelamin 5239.227 2826.196 .240 1.854 .106 .349 2.863

a. Dependent Variable: Income

• Hasil perhitungan Nilai Tolerance menunjukkan tidak ada variabel


bebas yang memiliki nilai Tolerance kurang dari 0.10

• Hasil perhitungan Nilai Variance Inflation Factor (VIF) menunjukkan


tidak ada variabel bebas yang memiliki nilai VIF lebih dari 10
Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya).
Ada cara mendeteksi ada atau tidaknya autokorelasi, yaitu Uji
Durbin-Watson (DW test), Uji Lagrange Multiplier (LM test), Uji
Statistics Q : Box-Pierce dan Ljung Box, dan Run Test.
Pada pembahasan ini akan dilakukan uji autokorelasi dengan Uji
Durbin-Watson
Uji Durbin-Watson digunakan untuk autokorelasi tingkat satu (first
order autocorrelation) dan mensyaratkan adanya intercept
(konstanta) dalam model regresi dan tidak ada variabel lag di
antara variabel bebas.
JENIS DATA SEKUNDER
CROSS
TIME SERIES
SECTION

PANEL/POOL
DATA
DATA CROSS SECTION
DATA TIME SERIES
DATA POOL / PANEL
Hipotesis:
◦ H0 : tidak ada autokorelasi (r=0)
◦ H1 : ada auto korelasi (r≠ 0)

Hipotesis Nol Keputusan Jika


Tidak ada autokorelasi positif Tolak 0 < d < dL
Tidak ada autokorelasi positif Tak ada kep. dL ≤ d ≤ dU
Tidak ada autokorelasi negatif Tolak 4 - dL < d < 4
Tidak ada autokorelasi negatif Tak ada kep. 4 - dU ≤ d ≤ 4 - dL
Tidak ada autokorelasi Terima dU < d < 4 - dU
positif/negatif
Uji Autokorelasi
Perintah dalam SPSS
• Bukan File multiple_reg
• Menu Analize ─> Regression ─> Linear .. Tampak di
Layar windows Linear Regression
• Pada kotak Dependent isikan variabel Income
• Pada kotak Independent isikan variabel Usia,
Pengalaman Kerja, dan Jenis Kelamin
• Pada kotak Method, pilih Enter
• Untuk menampilkan nilai Durbin Watson, pilih Statistics,
di layar akan muncul tampilan Linear Regression
Statistics, sebagai berikut:
• Akifkan pilihan Durbin Watson
• Tekan Continue, abaikan yang lain dan tekan OK
Model Summaryb

Adjusted R Std. Error of


Model R R Square Square the Estimate Durbin-Watson
1 .979a .959 .941 2758.308 1.339
a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia
b. Dependent Variable: Income

Nilai DW sebesar 1.339, nilai ini akan dibandingkan


dengan nilai tabel dengan menggunakan signifikansi 5%,
jumlah sampel 11 (n) dan jumlah variabel bebas 3 (k=3),
maka di tabel Durbin Watson akan didapatkan nilai sbb:
Gambar Daerah Uji Durbin Watson

0.595 1.928 2.072 3.405

1.339

Karena nilai DW 1.339 lebih kecil dari du dan lebih besar dari
dl, maka tidak menghasilkan kesimpulan yang pasti
UJI HETEROSKEDASTISITAS
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi linear terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain.

Model regresi yang baik adalah yang homoskedastisitas atau


tidak terjadi heteroskedastisitas.

Ada cara mendeteksi ada atau tidaknya heteroskedastisitas, yaitu


Spearman’ rho, Uji Glejser, Uji Park, dan Melihat Pola Grafik.
UJI GLEJSER
1. Transorm, Compute Variabel
2. Pada target variabel ketikkan AbsRes
3. Pada function group pilih Arithmetic, pada
function and special variabel pilih ABS,
masukkan ke Numeric Expression
4. Pada Numeric Expression menjadi ABS(Res_2),
OK
1. Analyze, Regression, Linear
2. Dependent masukkan AbsRes,
Independent masukkan Size, Earns,
Wealth dan Saving
3. OK
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah
dalam model regresi, variabel pengganggu atau
residual memiliki distribusi normal.
Ada 2 cara mendeteksi apakah residual
bersiatribusi normal atau tidak , yaitu dengan
analisis grafik dan uji statistik (melihat nilai kurtosis
dan skewness dari residual dan uji statistik non-
parametrik Kolmogorov-Smirnov (K-S))
Pada pembahasan ini akan dilakukan uji
normalitas dengan analisis grafik.
Analisis Grafik:
Melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati distibusi normal.
Melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Distribusi normal akan
membentuk garis lurus diagonal, dan ploting data residual akan
dibandingkan dengan garis diagonal.
Uji Normalitas
Perintah dalam SPSS
• Bukan File multiple_reg
• Menu Analize ─> Regression ─> Linear .. Tampak di
Layar windows Linear Regression
• Pada kotak Dependent isikan variabel Income
• Pada kotak Independent isikan variabel Usia,
Pengalaman Kerja, dan Jenis Kelamin
• Pada kotak Method, pilih Enter
• Untuk menampilkan Grafik Histogram dan Normal
Probability Plot, pilih Statistics, di layar akan muncul
tampilan Linear Regression Plots, sebagai berikut:
• Aktifkan Standardized Residual Plots pada Histogram
dan pada Normal Probabiliity Polts
• Tekan Continue, abaikan yang lain dan tekan OK
Tidak normal, karena grafik histogram memberikan pola
distribusi yang merata (kurtosis negatif).

Normal karena titik-titik menyebar di sekitar garis diagonal,


serta penyebarannya mengikuti arah garis diagonal.