JURUSAN PENDIDIKAN EKONOMI

Slides:



Advertisements
Presentasi serupa
Analisis Regresi.
Advertisements

Evaluasi Model Regresi
METODOLOGI PENELITIAN SESI 10 UJI KWALITAS DATA. JENIS DATA 1.PRIMER 2.SEKUNDER.
AUTOKORELASI (Autocorrelation)
UJI HIPOTESIS.
Analisis Regresi Berganda & Pengujian Asumsi OLS
METODOLOGI PENELITIAN SESI 12 UJI KWALITAS DATA
UJI ASUMSI KLASIK.
UJI MODEL Pertemuan ke 14.
UJI ASUMSI KLASIK.
Uji Asumsi Klasik Oleh : Boyke Pribadi.
PEMBAHASAN Hasil SPSS 21.
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
1. Validitas 1. Validitas Suatu ukuran untuk mengetahui apakah kuisoner yang disusun tersebut itu valid atau sah, maka perlu diuji dengan korelasi antara.
Analisis Regresi Linier
UJI ASUMSI KLASIK.
Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.
Uji Hubungan : Korelasi dan Regresi
ANALISIS RGRESI DENGAN MODERATING VARIABEL
Anas Tamsuri UJI STATISTIK UJI STATISTIK.
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
PENGUJIAN DATA.
FEB Univ. 17 Agustus 1945 Jakarta
MAGISTER MANAGEMENT PROGRAM UNIVERSITAS KOMPUTER INDONESIA
FEB Univ. 17 Agustus 1945 Jakarta
Analisis Regresi Linier Berganda dan Uji t
KORELASI & REGRESI.
JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES
Analisis Korelasi dan Regresi linier
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
Bab 4 Estimasi Permintaan
Path analysis (analisis jalur)
ANALISIS MODERATING.
Pertemuan Ke-7 REGRESI LINIER BERGANDA
Analisis Regresi Berganda
Uji Asumsi Klasik MULTIKOLINIERITAS 2. AUTOKORELASI
ANALISIS REGRESI BERGANDA
STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK:
Uji Asumsi Klasik Multikolinearitas Normalitas
MODUL 10 ANALISIS REGRESI
Regresi linier satu variable Independent
ANALISIS DASAR DALAM STATISTIKA
DICKY ALAMSYAH PULUNGAN / ILMU TANAH Oleh:
Analisis Regresi Pengujian Asumsi Residual
STATISTIK II Pertemuan 12-13: Asumsi Analisis Regresi
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
ANALISIS REGRESI PENDIDIKAN EKONMI FE
Analisis Regresi.
PENGARUH pengetahuan dan sanksi perpajakan terhadap kepatuhan pajak
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
Regresi Linier Beberapa Variable Independent
Regresi Linier Beberapa Variable Independent
Regresi Berganda Dengan Variabel Dummy
STATISTIK II Pertemuan 13: Asumsi Analisis Regresi Dosen Pengampu MK:
Uji Asumsi Penduga Model Part 1 – Deteksi Pelanggaran Asumsi*
Apriza Putra Ramadhan B
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK (UJI KORELASI)
Uji Asumsi Model Part 1 – Deteksi Pelanggaran Asumsi*
UJI ASUMSI KLASIK Oleh: Dr. Suliyanto, SE,MM
Pertemuan 13 Autokorelasi.
Analisis Regresi Linier Berganda
UJI ASUMSI KLASIK.
TUGAS AKHIR PENGARUH BIAYA OPERASIONAL TERHADAP PROFITABILITAS BANK (studi kasus pada Bank Mandiri periode ) Bandung   Oleh : ZENI YULIA MASKAR.
UJI AUTOKORELASI ARIF GUNAWAN PENGERTIAN Dwi Priyanto (2009:61) Autokorelasi adalah keadaan dimana terjadinya korelasi dari residual untuk.
Analisis Regresi Berganda & Pengujian Asumsi OLS
Regresi Linier dan Korelasi
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
Korelasi distances Korelasi distances untuk melihat persamaan atau perbedaan. Baik pasangan variabel atau pasangaan kasus. Tujuannya untuk mencari persamaan.
Transcript presentasi:

JURUSAN PENDIDIKAN EKONOMI UJI ASUMSI KLASIK JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES

UJI ASUMSI KLASIK Uji multikolinier Uji autokorelasi Uji Heterosekdastisitas Uji Normalitas Uji Linieritas

UJI ASUMSI KLASIK UJI MULTIKOLIER: MENEMUKAN KORELASI ANTAR VARIABEL BEBAS(INDEPENDEN) MODEL REG YANG BAIK SEHARUSNYA TIDAK TERJADI KORELASI ANTAR VARIABEL BEBAS (TIDAK TERJADI MULTIKOL) DETEKSI (a) R2 TINGGI TETAPI SECARA INDIVIDUAL (t) TIDAK SIGNIFICANT (b) ANTAR VAR INDEP KORELASI YANG TINGGI > 0,90 (C) NILAI TOLERANCE MELAWAN VARIANCE INFLATION FAKTOR (VIF)

UJI MULTIKOLINIER DILIHAT NILAI TOLERANCE DAN VARIANCE INFlATION FAKTOR (VIF) TIDAK TERJADI MULTIKOLINIER JIKA NILAI TOLERANCE < 0,10 VIF > 10

UJI MULTIKOLINIERTAS SPSS MASUKKAN DATA MENU UTAMA PILIH “ANALYZE” “REGRESI” “LINIER” MASUKKAN VARIABEL “DEPENDENT” DAN “INDEPENDENT” METHOD PILIH “ENTER” PILIH “STATISTICS” AKTIFKAN “COVARIAN MATRIX” DAN “ COLINEARITY DIAGNOSTICS”

PILIH (1) ANALIZE (2) REGRESION (3) LINIER

MASUKAN VARIABEL DEPENDENCE DAN INDEPENDENCE

AKTIFKAN “STATISTICS

Hidupkan COVARIANCE MATRIX DAN COLINIARITY DIAGNOSTICS Pilih OK

Out put Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients 1 Collinearity Statistics B Std. Error Beta t Sig. Tolerance VIF Std. Error (Constant) -3,265 3,571 -,914 ,363 JUMKEL -,246 ,324 -,066 -,759 ,450 ,928 1,077 PENDK ,741 ,170 ,457 4,357 ,000 ,632 1,582 PENGKER ,224 ,065 ,353 3,463 ,001 ,670 1,493 SAVING ,443 ,119 ,331 3,737 ,000 ,886 1,129 a Dependent Variable: INCOM

OUT PUT VARIABEL TOLERANCE VIF JUMKEL ,928 1,077 TDK ADA MULTIKOL PENDK ,632 1,582 PENGKER ,670 1,493 SAVING ,886 1,129

Intepretasi DARI HASIL PERHITUNGAN VARIABEL BEBAS (JUMKEL, PENDKN , PENGKER ) KERENA TOLERANCE < 0.1 DAN VIF > 10 VARIABEL BEBAS TIDAK TERJADI MULTIKOLINIER. TIDAK ADA MULTIKOLINIERITAS

Coefficient Correlations(a) Model SAVING JUMKEL PENGKER PENDK 1Correlations SAVING 1,000 -,129 -,061 -,300 JUMKEL -,129 1,000 ,241 ,184 PENGKER -,061 ,241 1,000 ,544 PENDK -,300 ,184 ,544 1,000 Covariances SAVING ,014 -,005 ,000 -,006 JUMKEL -,005 ,105 ,005 ,010 PENGKER ,000 ,005 ,004 ,006 PENDK -,006 ,010 ,006 ,029 a Dependent Variable: INCOM

Intepratsi out put Dilihat dari koefosien korelasi antar variabel bebas tidak ada yang melebihi 0,90 dapat disimpulkan antar variabel bebas tidak terdapat multikol.

JURUSAN PENDIDIKAN EKONOMI UJI ASUMSI KLASIK JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES

UJI AUTOKORELASI Tujuan : Untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t -1 Auto korelasi sering ditemukan pada data time series, pada data crossection jarang terjadi. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi

UJI AUTOKORELASI Uji Durbin Watson (D – W test) Langkah-langkah sama dengan uji multikolinier AKTIFKAN : “STATISTICS” AKTIFKAN : “DURBIN WATSON”

PENGAMBILAN KEPUTUSAN HIPOTHESIS KEPUTUSAN JIKA TDK ADA AUTOKORELASI + TOLAK 0 < D < dl NO DECESION Dl < d < du TDK ADA KORELASI - 4 – dl < d < 4 4 – du < d < 4 - dl TDK ADA KORELASI -+/- TIDAK DITOLAK Du < d < 4 - du

PILIH (1) ANALIZE (2) REGRESION (3) LINIER

MASUKAN VARIABEL DEPENDENCE DAN INDEPENDENCE

AKTIFKAN “STATISTICS

AKTIFKAN COVARIANCE MATRIX DAN COLINIARITY DIAGNOSTICS Pilih OK

Out put Model Summary(b) Model Durbin-Watson 1 2,101(a) a Predictors: (Constant), SAVING, JUMKEL, PENGKER, PENDK b Dependent Variable: INCOM

Intepretasi n = 100 Variabel bebas (K) = 3 nilai tabel Durbin Watson (D-W) menggunakan nilai signifikansi 5% Tabel D-W dl = 1,62 dan du =1,74 NILAI DW HRS > DU (1,76) DAN < (4 – DU) (2,24) D-W sebesar 2,101 (lihat out put) > 1,76 < 2,10 < 2,24 Tidak terdapat autokorelasi dalam model.

UJI ASUMSI KLASIK (HETEROSKEDASITAS) JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES

HETEROSKEDASITAS APAKAH TERJADI KETIDAKSAMAAN VARIANCE RESIDUAL PENGAMATAN MODEL REGRESI YANG BAIK ADALAH TIDAK TERJADI HETEROSKEDASITAS Diteksi: GRAFIK PLOT UJI PARK UJI GLEJSER

GRAFIK PLOT Langkah-langkah Lakukan langkah-langkah seperti analisis regresi linier. Tekan tobol Plots Masukkan variabel SPRESID ke kotak Y dan ZPRED KE kotak X Tekan Continue Tekan OK

PILIH (1) ANALIZE (2) REGRESION (3) LINIER

MASUKAN VARIABEL DEPENDENCE DAN INDEPENDENCE

AKTIFKAN PLOTS

Masukkan variabel SPRESID ke kotak Y dan ZPRED KE kotak X

Out put SPSS

INTEPRETASI Titik-tik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y. Dapat disimpulkan tidak terjadi heteroskedasitisitas pada model regresi, sehingga model regresi layak dipakai untuk mempredeksikan variabel terikat. Analisis dengan plot memiliki kelemahan yang serius, semakin sedikt data semakin sulit mengintepretasikan

2. UJI PARK Langkah-langkah Lakukan langkah-langkah seperti analisis regresi linier. Dapatkan variabel residual (Ui) dengan cara pilih “SAVE” pada tampilan Linier Regresion dan aktifkan “UNSTANDARDIZED RESIDUAL” lihat uji autokorelasi) Kuadratkan nilai residual (U2 i)dengan menekan “TRANSFORM “ dan “COMPUTE” Tekan OK

AKTIFKAN UNSTANDARDIZE RESIDUAL

TERIMA KASIH SEMOGA BERMANFAAT