Uji Asumsi Klasik Multikolinearitas Normalitas

Unduh sebagai pptx, pdf, atau txt
Unduh sebagai pptx, pdf, atau txt
Anda di halaman 1dari 11

Uji Asumsi Klasik

Multikolinearitas
Normalitas
Uji Multikolinearitas
 Bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel independen.
 Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal.
 Variabel ortogonal adalah variabel independen yang
nilai korelasi antar sesama variabel independen sama
dengan nol.
Cara Mendeteksi Multikolinearitas
◦ Nilai koefisien determinasi ( R2 ) yang dihasilkan oleh
suatu estimasi model regresi empiris sangat tinggi,
tetapi secara individual variabel-variabel banyak yang
tidak signifikan mempengaruhi variabel dependen
◦ Menganalisis matriks korelasi variabel-variabel
independen. Jika nilainya > 0.90 berarti terdapat
multikolinearitas.
◦ Dilihat dari nilai VIF dan Tolerance. Nilai cut off
Tolerance < 0.10 dan VIF > 10 (berarti terdapat
multikolinearitas).
Cara Mengobati
 Menggabungkan data cross section dan time series
 Mengeluarkan satu atau lebih variabel independen
yang mempunyai korelasi tinggi dari model regresi
 Transformasi variabel dalam bentuk bentuk logaritma
natural dan bentuk first difference
 Gunakan model dengan variabel independen yang
punya korelasi tinggi hanya untuk prediksi
CONTOH:
 Untuk melihat pengaruh size, earns, wealth,

dan saving terhadap income.


 Open file Crossec1.xls, dari menu utama SPSS

pilih Analyze, Regression, Linear


 Pada Dependen masukkan income, pada

Independen masukkan Size, earns, Wealth, dan


Saving.
 Pada kotak Method, pilih Enter

 Untuk menguji Multikolinearitas pilih Statistic,

aktifkan Covariance Matrix, Collinearity


Diagnostic tekan Continue
 OK
Uji Normalitas
 Bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi
normal.
 Seperti diketahui bahwa uji t dan F mengasumsikan
bahwa nilai residual mengikuti distribusi normal, jika
asumsi ini dilanggar maka uji statistic menjadi tidak
valid untuk jumlah sampel kecil.
Cara Mendeteksi
 Analisis grafik
◦ Dengan melihat grafik histogram yang membandingkan
data observasi dengan distribusi yang mendekati
distribusi normal.
◦ Dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari distribusi
normal.
◦ Distribusi normal akan membentuk satu garis lurus
diagonal, dan ploting data residual akan dibandingkan
dengan garis diagonal. Jika data residual normal, maka
garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya.

 Analisis Statistik
◦ Uji statistic sederhana dilakukan dengan melihat nilai
kurtosis dan skewness dari residual.
Analisis Statistik
 Uji Kolmogorov – Smirnov
 Hipotesis:
H0: Data Residual Berdistribusi Normal
H1: Data Residual Tidak Berdistribusi Normal
 Jadi, data dikatakan terdistribusi normal
apabila memiliki nilai signifikansi >0.05
 Tidak Terdistribusi normal <= 0,05
Contoh
 Open file Crossec1.xls
 Analyze, regression, linear
 Dependent income, independent size, earns,
wealth, saving
 Plots aktifkan Standardized Residual Plots pada
Histogram dan Normal Probability Plot.
 Save aktifkan unstandardized residual
 Continue, OK
Uji Kolmogorov Smirnov
 Analyze, Nonparametric Test, 1 Sample KS
 Masukkan Res_1
 OK
KORELASI DAN UJI NORMALITAS
VAR. Y = INCOME
X1 = EXP
X2 = EARNS

Anda mungkin juga menyukai