UJI ASUMSI KLASIK.

Slides:



Advertisements
Presentasi serupa
Analisis Regresi.
Advertisements

Evaluasi Model Regresi
UJI HIPOTESIS.
UJI ASUMSI KLASIK.
Uji Normalitas Data.
UJI ASUMSI KLASIK.
Uji Asumsi Klasik Oleh : Boyke Pribadi.
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
PENGOLAHAN DATA.
KORELASI & REGRESI.
MENGOLAH DATA MENGGUNAKAN SPSS
UJI ASUMSI KLASIK.
FILEMON MEIDIANTO DJA ( ). 1.1 Latar Belakang  BUMN merupakan perusahaan yang seluruh atau sebagian besar modalnya berasal dari kekayaan negara.
Anas Tamsuri UJI STATISTIK UJI STATISTIK.
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
oleh: Hutomo Atman Maulana, S.Pd. M.Si
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
Blog : galih1972.wordpress.com
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
UJI NORMALITAS.
KORELASI & REGRESI.
JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
KORELASI Dosen : Dhyah Wulansari, SE., MM..
Pertemuan Ke-7 REGRESI LINIER BERGANDA
Asumsi Klasik (Multikolinieritas)
Uji Asumsi Klasik MULTIKOLINIERITAS 2. AUTOKORELASI
JURUSAN PENDIDIKAN EKONOMI
Uji Kolmogorov-Smirnov
ANALISIS REGRESI BERGANDA
EKONOMETRIKA Pertemuan 10: Pengujian Asumsi-asumsi Klasik (Bagian 1)
STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK:
Analisis REGRESI.
Uji Asumsi Klasik Multikolinearitas Normalitas
ANALISIS REGRESI GANDA
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
Uji Goodness of Fit : Distribusi Normal
STATISTIK II Pertemuan 12-13: Asumsi Analisis Regresi
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
TEMU 11 COMPARE MEANS: MEANS.
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
Regresi Linier Beberapa Variable Independent
ANALISIS RASIO LIKUIDITAS DAN PROFITABILITAS SEBAGAI ALAT UKUR KINERJA PERUSAHAAN Yohanes Reksa CDP
TEMU 11 COMPARE MEANS: MEANS.
STATISTIK II Pertemuan 13: Asumsi Analisis Regresi Dosen Pengampu MK:
UJI NORMALITAS MENGGUNAKAN P-P PLOT STATISTIKA
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
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
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
PRAKTIKUM STATISTIKA INDUSTRI
Untuk menilai suatu pernyataan digunakan skala likert dengan perincian dari nilai negatif sampai positif. 1.Metode Analisis Data Penulis menganalisa data-data.
EKONOMETRIKA Pertemuan 11: Pengujian Asumsi-asumsi Klasik (Bagian 1)
ANALISIS REGRESI GANDA
ANALISIS REGRESI LINIER
Uji Normalitas dengan Statistik Kolmogorov-Smirnov
Regresi Linier dan Korelasi
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
Ukuran Distribusi.
Transcript presentasi:

UJI ASUMSI KLASIK

1. UJI NORMALITAS Bertujuan untuk menguji apakah dalam model regresi , variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik harus memenuhi asumsi bahwa residual data terdistribusi normal.

Analisis Grafik Salah satu cara termudah untuk melihat normalitas dari residual data adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan data distribusi. Cara menguji normalitas residual dengan analisis grafik lewat SPSS dapat dilakukan dengan langkah: 1. Lakukan regresi. 2. Klik plots. 3. Aktifkan standardized residual plots: Histogram dan Normal probability plots 4. Tekan continue dan OK.

Dasar pengambilan keputusan berdasarkan output SPSS: Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

b. Analisis Statistik Uji normalitas dengan grafik dapat menyesatkan, kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Uji normalitas dengan statistik ini dapat dilakukan dengan Kolmogorov-Smirnov Test. Cara analisis: Pilih analyze, Non-parametric Test. Pilih 1-Sample K-S: isikan unstandardize residual Aktifkan Test Distribution: Normal, OK.

Cara deteksi: Jika signifikansi Kolmogorov- Smirnov Test lebih besar dari 0,05 maka residual data terdistribusi normal. Sebaliknya jika signifikansi Kolmogorov- Smirnov Test lebih kecil dari 0,05 maka residual data tidak terdistribusi normal.

Analisa Grafik

Uji Statistik Kolmogorov Dari output di atas dapat diketahui bahwa nilai signifikansi (Asymp.Sig 2-tailed) sebesar 0,631. Karena signifikansi lebih dari 0,05 (0,631 > 0,05), maka nilai residual tersebut telah normal.

2. MULTIKOLINEARITAS Bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:

a. Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel- variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolinearitas.

c. Multikolinearitas dapat juga dilihat dari: 1. nilai tolerance dan 2 c. Multikolinearitas dapat juga dilihat dari: 1. nilai tolerance dan 2. variance inflation factor (VIF). Jika nilai tolerance kurang dari 1 dan nilai VIF kurang dari 5, maka model regresi terbebas dari asumsi multikolinearitas. Langkah analisis: Buka file yang akan diuji Lakukan pengujian regresi linier. Pilih statistics: aktifkan covariance matrix dan collinearity diagnostics. Continue, OK.

Langkah-langkah pada program SPSS Klik Analyze - Regression - Linear Klik variabel Harga Saham dan masukkan ke kotak Dependent, kemudian klik variabel PER dan ROI dan masukkan ke kotak Independent Klik Statistics, kemudian klik Collinearity diagnostics. Klik Continue Klik OK, pada output anda lihat tabel coefficients pada kolom collinearity statistics, hasil yang di dapat sebagai berikut:

Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) kedua variabel yaitu PER dan ROI adalah 1,899 lebih kecil dari 5, sehingga bisa diduga bahwa antar variabel independen tidak terjadi persoalan multikolinearitas.

Membandingkan nilai koefisien determinasi individual dengan nilai determinasi secara serentak Dalam metode ini, cara yang ditempuh adalah dengan meregresikan setiap variabel independen dengan variabel independen lainnya, dengan tujuan untuk mengetahui nilai koefisien r2 untuk setiap variabel yang diregresikan. Selanjutnya nilai r2 tersebut dibandingkan dengan nilai koefisien determinasi R2. Kriteria pengujian yaitu jika r2 > R2maka terjadi multikolinearitas dan jika r2 < R2 maka tidak terjadi multikolinearitas

Analisis Data Langkah pertama meregresikan antar variabel independen, langkahnya masukkan variabel Biaya produksi ke kotak Dependent, kemudian masukkan variabel Biaya distribusi ke kotak Independent(s).  Langkah selanjutnya meregresikan variabel Biaya produksi dengan Biaya promosi, kemudian Biaya distribusi dengan Biaya promosi dengan langkah- langkah sama seperti langkah di atas. Hasil output seperti berikut Langkah selanjutnya mencari nilai koefisien determinasi (R2) yaitu dengan meregresikan Biaya produksi, Biaya distribusi, dan Biaya promosi terhadap Tingkat penjualan

Dari tabel di atas dapat diketahui bahwa nilai koefisien r2 yang diperoleh seluruhnya bernilai lebih kecil dari pada nilai koefisien determinasi (R2). Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas pada model regresi