STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK:

Slides:



Advertisements
Presentasi serupa
Evaluasi Model Regresi
Advertisements

AUTOKORELASI (Autocorrelation)
UJI HIPOTESIS.
Analisis Regresi Berganda & Pengujian Asumsi OLS
METODOLOGI PENELITIAN SESI 12 UJI KWALITAS DATA
UJI ASUMSI KLASIK.
UJI ASUMSI KLASIK.
Uji Asumsi Klasik Oleh : Boyke Pribadi.
KORELASI DAN REGRESI LINEAR SEDERHANA
PEMBAHASAN Hasil SPSS 21.
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
BAB XIII REGRESI BERGANDA.
Analisis Regresi Linier
UJI ASUMSI KLASIK.
Anas Tamsuri UJI STATISTIK UJI STATISTIK.
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
PENGUJIAN DATA.
MAGISTER MANAGEMENT PROGRAM UNIVERSITAS KOMPUTER INDONESIA
FEB Univ. 17 Agustus 1945 Jakarta
JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES
Analisis Korelasi dan Regresi linier
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
STATISTIK BISNIS Pertemuan 10-11: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
PENGARUH STRUKTUR GOOD CORPORATE GORVERNANCE DAN INTERNAL AUDIT TERHADAP FEE AUDIT EKSTERNAL PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BEI PADA PERIODE.
EKONOMETRIKA Pertemuan 7: Analisis Regresi Berganda Dosen Pengampu MK:
Pertemuan Ke-7 REGRESI LINIER BERGANDA
Analisis Regresi Berganda
Uji Asumsi Klasik MULTIKOLINIERITAS 2. AUTOKORELASI
EKONOMETRIKA Pertemuan 11: Pengujian Asumsi-asumsi Klasik (Bagian 2)
JURUSAN PENDIDIKAN EKONOMI
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Uji Kolmogorov-Smirnov
ANALISIS REGRESI BERGANDA
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
EKONOMETRIKA Pertemuan 10: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Uji Asumsi Klasik Multikolinearitas Normalitas
MODUL 10 ANALISIS REGRESI
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Regresi linier satu variable Independent
ANALISIS DASAR DALAM STATISTIKA
EKONOMETRIKA Pertemuan 11: Pengujian Asumsi-asumsi Klasik (Bagian 2)
Analisis Regresi Pengujian Asumsi Residual
STATISTIK II Pertemuan 12-13: Asumsi Analisis Regresi
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
TUGAS AKHIR PRAKTIKUM METODE STATISTIKA II
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
Contoh Dilakukan penelitian tentang hubungan antara frekuensi belajar mahasiswa dan tingkat pendidikan dengan prestasi akademik mahasiswa. Frekuensi.
STATISTIK II Pertemuan 13-14: Analisis Regresi dan Korelasi
Regresi Linier Beberapa Variable Independent
Regresi Linier Beberapa Variable Independent
STATISTIK II Pertemuan 12: Analisis Regresi dan Korelasi
STATISTIK II Pertemuan 13: Asumsi Analisis Regresi Dosen Pengampu MK:
STATISTIK BISNIS Pertemuan 10-11: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Apriza Putra Ramadhan B
UJI ASUMSI KLASIK Oleh: Dr. Suliyanto, SE,MM
Pertemuan 13 Autokorelasi.
UJI ASUMSI KLASIK.
Analisis Regresi Berganda & Pengujian Asumsi OLS
EKONOMETRIKA Pertemuan 11: Pengujian Asumsi-asumsi Klasik (Bagian 1)
STATISTIKA Pertemuan 11: Uji Koefisien Korelasi dan Regresi
Regresi Linier dan Korelasi
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
STATISTIK II Pertemuan 9: Pengujian Hipotesis Dua Sampel dan ANOVA (SPSS) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
Ukuran Distribusi.
Transcript presentasi:

STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si

Materi Asumsi Normalitas Asumsi Non-multikolinearitas Asumsi Non-heteroskedastisitas Asumsi Non-autokorelasi

Asumsi Normalitas Residual model berdistribusi normal Uji yang digunakan Uji Kolmogorov-Smirnov Hipotesis Ho : residual berdistribusi normal H1 : residual tidak berdistribusi normal

Asumsi Non-multikolinearitas Tidak Terdapat hubungan linier di antara variabel independen (Variabel independen tidak berkorelasi) Kriteria pengujian Rule of thumb yang biasa digunakan sebagai acuan adalah jika ada VIF>10, maka terdeteksi adanya multikolinieritas.

Asumsi Non-Heteroskedastisitas Ragam residual konstan atau variabel independen tidak mempengaruhi residual Uji yang digunakan adalah uji Glejser  │e│ Hipotesis Ho : ragam residual konstan (Var. independen tidak mempengaruhi residual) H1 : ragam residual tidak konstan (Min. Ada satu var. independen yg mempengaruhi residual) Model uji glejser

Uji Non-autokorelasi Tidak ada korelasi antar pengamatan dan residual Uji yang digunakan adalah uji Durbin Watson Hipotesis Ho : tidak terdapat autokorelasi H1 : terdapat autokorelais Kriteria uji

Contoh Tabel berikut menunjukkan nilai tabungan / Y (juta per bulan), pendapatan / X1 (juta per bulan) dan kekayaan/X2 (juta). Rumah Tangga Y X1 X2 1 0.50 2.00 20 2 0.65 2.25 25 3 0.60 2.60 30 4 0.90 2.85 40 5 0.80 3.10 6 1.00 3.20 7 1.20 3.70 8 1.30 4.10 55 9 1.10 4.20 32 10 1.60 4.50 76 Lakukan uji asumsi Normalitas Non-multikolinearitas Non-heteroskedastisitas Non-autokorelasi

*) Persiapan uji asumsi analisis regresi Estimasi model regresi berganda Pilih Statistics, centang Collinearity diagnostics dan Durbin-Watson. Continue

Lalu pilih Save, centang Unstandardized residual. Continue. OK

Output yang dihasilkan sbb Dan dalam data view akan muncul variabel baru yaitu RES_1

1. Uji Normalitas  Uji Kolmogorov-Smirnov Pilih Descriptives StatisticsExplore Masukkan variabel Unstandardized Residual (RES_1) pada Dependent List. Lalu pilih Plots.

Pilih Plots, centang Normality plots with tests. Continue. OK.

Output yang diperoleh sbb (pilih tabel Tests of Normality) UJI KOLMOGOROV-SMIRNOV Ho : residual berdistribusi normal H1 : residual tidak berdistribusi normal Kriteria keputusan: Ho ditolak jika p-value < α=0.05 Keputusan : P-value = 0.200  p-value > α=0.05, sehingga Terima Ho Kesimpulan: Residual berdistribusi normal (asumsi normalitas terpenuhi)

2. Uji Non-Multikolinearitas Perhatikan hasil uji analisis regresi berganda pada bagian persiapan uji asumsi. Pilih Tabel Coefficients VIF X1 = 2.584 < 10 VIF X2 = 2.584 < 10 Karena semua nilai VIF kurang dari 10 maka asumsi non-multikolinearitas terpenuhi

3. Uji Non-heteroskedastisitas Buat variabel │e│ atau nilai mutlak/absolut residual Pilih transformcompute variable. Pada Target variable masukkan nama ‘abs_resid’ . Lalu pada Function group pilih All. Klik 2x pada ‘Abs’. Ganti tanda ‘?’ dengan var ‘RES_1’. OK.

Maka akan muncul variabel abs_resid pada Data view. Lalu lakukan analisis regresi berganda, dengan memasukkan abs_resid pada Dependent. OK.

Output yang diperoleh (lihat pada tabel ANOVA) UJI GLEJSER Ho : ragam residual konstan (X1 dan X2 tidak mempengaruhi residual) H1 : ragam residual tidak konstan (min. ada satu antara X1 dan X2 yang mempengaruhi residual) Kriteria keputusan: Ho ditolak jika p-value (F) < α=0.05 Keputusan : P-value = 0.789  p-value > α=0.05, sehingga Ho diterima Kesimpulan: ragam residual konstan (asumsi non-heteroskedastisitas terpenuhi)

4. Uji Non-autokorelasi  Uji Durbin-Watson Perhatikan hasil uji analisis regresi berganda pada bagian persiapan uji asumsi. Pilih Tabel Model Summary Diketahui nilai statistik uji Durbin-Watson (d) = 2.439

Uji Durbin-Watson Ho : tidak terdapat autokorelasi H1 : terdapat autokorelasi Kriteria keputusan: 0.6972 1.6413 2.3587 3.3028 d=2.439 n=10 k=2 dL=0.6972; dU=1.6413 4-dL=3.3028; 4-dU=2.3587 Keputusan : 2.3587<d<3.3028  Inconclusive Kesimpulan: hasil uji durbin-watson tidak dapat memeberikan hasil yang akurat

TUGAS KELOMPOK Gunakan data dari tugas kelompok sebelumnya Masing-masing kelompok lakukan uji asumsi normalitas, non-multikolinearitas, non-heteroskedastisitas dan non-autokorelasi