P. 1
Uji Asumsi Klasik Dengan SPSS 16.0zzzzzzzz

Uji Asumsi Klasik Dengan SPSS 16.0zzzzzzzz

|Views: 931|Likes:
Published by aldi2666

More info:

Published by: aldi2666 on Nov 08, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/13/2013

pdf

text

original

UJI ASUMSI KLASIK DENGAN SPSS 16.

0

Disusun oleh: Andryan Setyadharma

FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010

5 70 73. Uji Heteroskedastisitas e.6 38.8 65. c.8 439.6 37.8 1972 41.8 114 124.1.3 39.5 1964 31. Uji Multikolinieritas d.8 459.1 95.7 666.4 56.9 64.9 129.3 219.9 1975 40. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression) dapat disebut sebagai model yang baik jika model tersebut memenuhi Kriteria BLUE (Best Linear Unbiased Estimator).8 40.9 1981 51.8 128 141 168.9 85.7 1349. Permintaan Ayam di AS. Sedikitnya terdapat lima uji asumsi yang harus dilakukan terhadap suatu model regresi tersebut.8 397.3 843.4 768.9 143.8 79. Uji Normalitas b.1 1994.1 1974 40.2 79.2 80.4 931.7 69. yaitu: a.6 221.7 70. Uji Linieritas Dalam modul ini hanya akan di bahas empat asumsi klasik pertama saja.9 37.3 39.2 165.2 123.8 1968 36.3 1976 42.6 232.7 1021.2 67.1 52.4 94.4 80.4 1982 52.6 Andry@an Setyadharma – Uji Asumsi Klasik Page 1 .2 38.7 1979 50.1 1966 35.3 1965 33.7 1973 40.3 79.4 717. 2. Tabel 1.8 911.1 127.2 492.1 1165.9 58.5 203.5 1978 46.5 129.1 104.5 93.9 117.1 1970 40.6 1980 50.5 63.2 40.6 1759.7 1575.6 130.3 54. 1960-1982 Tahun Y X2 X3 1960 27.7 2258.1 66.4 1969 38.4 38.2 77.3 1963 30.4 Sumber: Gujarati (1995: 228) Adapun variabel yang digunakan terdiri atas: Y = konsumsi ayam per kapita X2 = pendapatan riil per kapita X4 50. Uji Autokorelasi. 1995: 228).6 139.4 624.2 58. BLUE dapat dicapai bila memenuhi Asumsi Klasik.7 52 54 55.2 1961 29.7 39.5 48.7 63.1 1962 29.2 79.6 57.3 38.1 1449.6 142.1 61.7 106.9 1977 44.2 X5 78.6 39.9 2478.3 528.9 413.4 83.6 560.6 1971 40.5 42. DATA Contoh aplikasi ini adalah kasus permintaan ayam di AS selama periode 1960-1982 (Gujarati.3 1967 36.

UJI NORMALITAS Cara yang sering digunakan dalam menentukan apakah suatu model berdistribusi normal atau tidak hanya dengan melihat pada histogram residual apakah memiliki bentuk seperti “lonceng” atau tidak. akan muncul tampilan sebagai berikut: Masukkan variabel Y pada kotak sebelah kiri ke kotak Dependent. Analyze Regression Linear.X3 = harga ayam eceran riil per unit X4 = harga babi eceran riil per unit X5 = harga sapi eceran riil per unit Teori ekonomi mikro mengajarkan bahwa permintaan akan suatu barang dipengaruhi oleh pendapatan konsumen. bila rasio kurtosis dan skewness berada di antara –2 hingga +2. dan variabel X2. maka distribusi data adalah normal (Santoso.0 Lakukan regresi untuk data permintaan ayam di atas. Kemudian pilih Save dan muncul tampilan sebagai berikut: Andry@an Setyadharma – Uji Asumsi Klasik Page 2 . Dengan data yang ada. LANGKAH-LANGKAH DALAM SPSS 16. Sebagai pedoman. Rasio skewness dan rasio kurtosis dapat dijadikan petunjuk apakah suatu data berdistribusi normal atau tidak. X3. dan harga barang komplementer. X4 dan X5 ke kotak Independent(s) dengan mengklik tombol tanda panah. sedang rasio kurtosis adalah nilai kurtosis dibagi dengan standard error kurtosis. harga barang itu sendiri. Cara ini menjadi fatal karena pengambilan keputusan data berdistribusi normal atau tidak hanya berpatok pada pengamatan gambar saja. kita dapat mengestimasi fungsi permintaan ayam di AS adalah: Ŷi = b1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + error 3. harga barang substitusi. Rasio skewness adalah nilai skewnes dibagi dengan standard error skewness. 2000: 53). Ada cara lain untuk menentukan data berdistribusi normal atau tidak dengan menggunakan rasio skewness dan rasio kurtosis.

Centang pilihan Unstandardized pada bagian Residuals. akan menghasilkan variabel baru bernama Unstandardized Residual (RES_1). Selanjutnya Analyze Descriptive Statistics Descriptives akan muncul tampilan sebagai berikut. kemudian pilih Continue dan pada tampilan awal pilih tombol OK. selanjutnya pilih Options akan muncul tampilan sebagai berikut Andry@an Setyadharma – Uji Asumsi Klasik Page 3 . Masukkan variabel Unstandardized Residual (RES_1) ke kotak sebelah kiri.

481 = 0.Centang pilihan Kurtosis dan Skewness dan kemudian Continue dan pada tampilan awal pilih OK. Hasilnya sebagai berikut (Beberapa bagian dipotong untuk menghemat tempat). • Bila nilai DW terletak di antara dL dan dU.dL. koefisien autokorelasi lebih besar daripada nol. Hipotesis yang diuji adalah: Ho: p = 0 (baca: hipotesis nolnya adalah tidak ada autokorelasi) Ha: p ≠ 0 (baca: hipotesis alternatifnya adalah ada autokorelasi) Keputusan ada tidaknya autokorelasi adalah: • Bila nilai DW berada di antara dU sampai dengan 4 .105/ 0. sedang rasio kurtosis = -1. Andry@an Setyadharma – Uji Asumsi Klasik Page 4 . Artinya ada autokorelasi positif. maka tidak dapat disimpulkan.071. Uji ini hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept dalam model regresi dan tidak ada variabel lag di antara variabel penjelas. Skewness Statistic Unstandardized Residual Valid N (listwise) .218. • Bila nilai DW lebih kecil daripada dL. 4.dU maka koefisien autokorelasi sama dengan nol. koefisien autokorelasi lebih besar daripada nol. UJI AUTOKORELASI Ada beberapa cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi. tidak ada autokorelasi. maka dapat disimpulkan bahwa distribusi data adalah normal. Error . maka tidak dapat disimpulkan.935 = 1. Pertama. • Bila nilai DW terletak di antara 4 – dU dan 4. Artinya. Uji Durbin-Watson (DW Test).935 Terlihat bahwa rasio skewness = 0. Artinya ada autokorelasi negatif.481 Kurtosis Statistic -1.002 Std. • Bila nilai DW lebih besar daripada 4 .dL.105 Std. Error .002/ 0. Karena rasio skewness dan rasio kurtosis berada di antara –2 hingga +2.

Andry@an Setyadharma – Uji Asumsi Klasik Page 5 . Setelah itu pilih Statistics akan muncul tampilan seperti di bawah ini. Gambar 1.0 Lakukan regresi untuk data permintaan ayam di atas seperti pada Uji Normalitas. Kemudian centang pilihan Durbin-Watson setelah itu pilih tombol Continue dan akhirnya pada tampilan selanjutnya pilih OK. Pengambilan Keputusan Ada Tidaknya Autokorelasi Dengan Durbin Watson Test LANGKAH LANGKAH DALAM SPSS 16. Hasil dari perhitungan Durbin-Watson Statistik akan muncul pada tabel Model Summary seperti di bawah ini.Gambar 1 di bawah ini merangkum penjelasan di atas.

X3. Hasilnya sebagai berikut. Partial Correlation Cara kedua adalah dengan melihat keeratan hubungan antara dua variabel penjelas atau yang lebih dikenal dengan istilah korelasi. Error 3.901 29.95320 Durbin-Watson 1.190 Collinearity Statistics Tolerance VIF . Maka dapat disimpulkan bahwa model ini memiliki gejala autokorelasi positif. Caranya adalah dengan menggunakan derajat kepercayaan 5%.0 Kembali Lakukan regresi untuk data permintaan ayam di atas seperti pada Uji Normalitas. Setelah itu pilih Statistics kemudian centang pilihan Collinearity Diagnostics setelah itu pilih tombol Continue dan akhirnya pada tampilan selanjutnya pilih OK. Bila nilai VIF lebih besar dari 10 maka diindikasikan model tersebut memiliki gejala Multikolinieritas.034 . Dependent Variable: Y Langkah selanjutnya adalah menetapkan nilai dL dan dU. sampel (n) yang kita miliki sebanyak 23 observasi.363 Sig.019 .Model Summary Model 1 R .232 . Predictors: (Constant). X4.485 a Standardized Coefficients Beta t 10. hanya melihat apakah nilai VIF untuk masing-masing variabel lebih besar dari 10 atau tidak. Error of the Estimate 1.761 Dapat dilihat bahwa seluruh variabel penjelas memiliki nilai VIF lebih besar 10 maka dapat disimpulkan bahwa model regresi ini memiliki masalah Multikolinieritas 5.015 1.753 3.198 . LANGKAH-LANGKAH DALAM SPSS 16.948 .070 Std. Andry@an Setyadharma – Uji Asumsi Klasik Page 6 .718 .001 .943 Adjusted R Square . 5.0 Analyze Correlate Partial akan muncul tampilan sebagai berikut.1.024 -3. LANGKAH-LANGKAH DALAM SPSS 16.051 .006 . Cara ini sangat mudah.000 .2. X2 b.078 dan 1.971 a b R Square .051 39.701 18.053 . X5. Uji VIF.025 52.114 1.005 -.319 .005 .420 -.611 . pada modul ini hanya diperkenalkan 2 cara. Coefficients Unstandardized Coefficients Model 1 (Constant) X2 X3 X4 X5 a.065 a. Dependent Variable: Y B 37.930 Std.064 . dan variabel penjelas sebanyak 4 maka dapatkan nilai dL dan dU sebesar 1.660. UJI MULTIKOLINIERITAS Ada banyak cara untuk menentukan apakah suatu model memiliki gejala Multikolinieritas. 5. yaitu VIF dan Uji Korelasi.163 . .922 .

dapat disimpulkan seluruh variabel penjelas tidak terbebas dari masalah Multikolinearitas.003 20 X5 .003 20 1.917 .744 . 0 .000 20 X4 .000 . dan variabel Y ke dalam kotak Controlling for.782 .744 .000 .881 . 0 . X4 dan X5 ke dalam kotak Variables. dan kemudian OK.000 . 0 Untuk menentukan apakah hubungan antara dua variabel bebas memiliki masalah multikoliniaritas adalah melihat nilai Significance (2-tailed).000 .000 20 X3 .000 20 .000 20 .000 20 .708 .000 20 1. 0 .782 . jika nilainya lebih kecil dari 0.602 .602 .000 20 .000 20 . Correlations Control Variables Y X2 Correlation Significance (2-tailed) Df X3 Correlation Significance (2-tailed) Df X4 Correlation Significance (2-tailed) Df X5 Correlation Significance (2-tailed) Df X2 1.917 .881 .000 20 . X3.708 . Andry@an Setyadharma – Uji Asumsi Klasik Page 7 .Masukkan variabel X2.000 20 1.05 (α=5%) maka diindikasikan memiliki gejala Multikolinearitas yang serius. Dari seluruh nilai Significance (2-tailed) di atas. Hasilnya sebagai berikut.

Selanjutnya pilih Transform Compute Variable. Modul ini akan memperkenalkan salah satu uji heteroskedastisitas yang mudah yang dapat diaplikasikan di SPSS. seperti halnya uji Normalitas. yaitu Uji Glejser. dan lain-lain. Banyak metoda statistik yang dapat digunakan untuk menentukan apakah suatu model terbebas dari masalah heteroskedastisitas atau tidak. Uji Glejser. UJI HETEROSKEDASTISITAS Untuk Uji Heteroskedastisitas. khususnya halaman 3). Uji Park. cara yang sering digunakan dalam menentukan apakah suatu model terbebas dari masalah heteroskedastisitas atau tidak hanya dengan melihat pada Scatter Plot dan dilihat apakah residual memiliki pola tertentu atau tidak. Uji Glejser secara umum dinotasikan sebagai berikut: |e| = b1 + b2 X2 + v Dimana: |e| X2 = Nilai Absolut dari residual yang dihasilkan dari regresi model = Variabel penjelas Bila variabel penjelas secara statistik signifikan mempengaruhi residual maka dapat dipastikan model ini memiliki masalah Heteroskedastisitas.0 Kita sudah memiliki variabel Unstandardized Residual (RES_1) (lihat lagi langkah-langkah uji Normalitas di atas. LANGKAH-LANGKAH DALAM SPSS 16.6. akan muncul tampilan sebagai berikut Andry@an Setyadharma – Uji Asumsi Klasik Page 8 . Cara ini menjadi fatal karena pengambilan keputusan apakah suatu model terbebas dari masalah heteroskedastisitas atau tidak hanya berpatok pada pengamatan gambar saja tidak dapat dipertanggungjawabkan kebenarannya. seperti misalnya Uji White.

dan masukkan variabel Unstandardized Residual (RES_1) ke dalam kotak Numeric Expression dan tampilannya akan menjadi seperti berikut. Dan akhirnya pilih OK. Kemudian dilanjutkan dengan regresi dengan cara. pada kotak Function group pilih All dan dibawahnya akan muncul beberapa pilihan fungsi.Pada kotak Target Variable ketik abresid. Kemudian klik pada tombol tanda panah arah ke atas. akan muncul Andry@an Setyadharma – Uji Asumsi Klasik Page 9 . Pilihlah Abs. Analyze tampilan sebagai berikut: Regression Linear.

Mudrajad (2000). Edisi Pertama. Singgih (2000).344 . X4 dan X5 ke kotak Independent(s) dengan mengklik tombol tanda panah dan OK. Kuncoro. Jakarta: PT Elex Media Komputindo.068 -. sehingga dapat disimpulkan bahwa model ini tidak mengalami masalah heteroskedastisitas. hasilnya sebagai berikut: Coefficients a Standardized Unstandardized Coefficients Model 1 (Constant) X2 X3 X4 X5 a.002 . Metode Kuantitatif.971 -. (3rd edition ed. Yogyakarta: Ekonisia Andry@an Setyadharma – Uji Asumsi Klasik Page 10 .002 . Agus (2005). .012 Std. Yogyakarta: Penerbit AMP YKPN.713 Coefficients Beta t -.866 -.948 -. Basic Econometrics.027 .588 Nilai t-statistik dari seluruh variabel pejelas tidak ada yang signifikan secara statistik. Santoso.070 .Masukkan variabel abresid pada kotak sebelah kiri ke kotak Dependent. dan variabel X2. Dependent Variable: abresid B -1.001 . Inc.022 -1. Widarjono.097 .).552 Sig.737 . X3. Buku Latihan SPSS Statistik Parametrik. New York: Mc-Graw Hill.471 .055 . DAFTAR PUSTAKA Gujarati. Error 1.060 .590 .356 .507 -.957 . Damodar (1995). Ekonometrika: Teori dan Aplikasi.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->