STATISTIK II Pertemuan 12 13 Asumsi Analisis Regresi

  • Slides: 19
Download presentation
STATISTIK II Pertemuan 12 -13: Asumsi Analisis Regresi Dosen Pengampu MK: Evellin Lusiana, S.

STATISTIK II Pertemuan 12 -13: Asumsi Analisis Regresi Dosen Pengampu MK: Evellin Lusiana, S. Si, M. Si

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

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

Asumsi Normalitas n n n Residual model berdistribusi normal Uji yang digunakan Uji Kolmogorov-Smirnov

Asumsi Normalitas n n n Residual model berdistribusi normal Uji yang digunakan Uji Kolmogorov-Smirnov Hipotesis n n Ho : residual berdistribusi normal H 1 : residual tidak berdistribusi normal

Asumsi Non-multikolinearitas n n n Tidak Terdapat hubungan linier di antara variabel independen (Variabel

Asumsi Non-multikolinearitas n n n 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 n n n Ragam residual konstan atau variabel independen tidak mempengaruhi residual

Asumsi Non-Heteroskedastisitas n n n Ragam residual konstan atau variabel independen tidak mempengaruhi residual Uji yang digunakan adalah uji Glejser │e│ Hipotesis n n n Ho : ragam residual konstan (Var. independen tidak mempengaruhi residual) H 1 : ragam residual tidak konstan (Min. Ada satu var. independen yg mempengaruhi residual) Model uji glejser

Uji Non-autokorelasi n n n Tidak ada korelasi antar pengamatan dan residual Uji yang

Uji Non-autokorelasi n n n Tidak ada korelasi antar pengamatan dan residual Uji yang digunakan adalah uji Durbin Watson Hipotesis n n n Ho : tidak terdapat autokorelasi H 1 : terdapat autokorelais Kriteria uji

Contoh n Tabel berikut menunjukkan nilai tabungan / Y (juta per bulan), pendapatan /

Contoh n Tabel berikut menunjukkan nilai tabungan / Y (juta per bulan), pendapatan / X 1 (juta per bulan) dan kekayaan/X 2 (juta). Rumah Tangga 1 2 3 4 5 6 7 8 9 10 Y 0. 50 0. 65 0. 60 0. 90 0. 80 1. 00 1. 20 1. 30 1. 10 1. 60 X 1 2. 00 2. 25 2. 60 2. 85 3. 10 3. 20 3. 70 4. 10 4. 20 4. 50 X 2 20 25 30 40 40 55 32 76 n Lakukan uji asumsi n Normalitas n Non-multikolinearitas n Non-heteroskedastisitas n Non-autokorelasi

*) Persiapan uji asumsi analisis regresi n n Estimasi model regresi berganda Pilih Statistics,

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

n Lalu pilih Save, centang Unstandardized residual. Continue. OK

n Lalu pilih Save, centang Unstandardized residual. Continue. OK

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

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

1. Uji Normalitas Uji Kolmogorov-Smirnov n n Pilih Nonparametric test legacy dialogs 1 Sample

1. Uji Normalitas Uji Kolmogorov-Smirnov n n Pilih Nonparametric test legacy dialogs 1 Sample K -S Masukkan variabel Unstandardized Residual (RES_1) pada Dependent List. Lalu pilih Test distribution ‘Normal’

n Output yang diperoleh sbb UJI KOLMOGOROV-SMIRNOV Ho : residual berdistribusi normal H 1

n Output yang diperoleh sbb UJI KOLMOGOROV-SMIRNOV Ho : residual berdistribusi normal H 1 : residual tidak berdistribusi normal Kriteria keputusan: Ho ditolak jika p-value < α=0. 05 Keputusan : P-value = 0. 989 pvalue > α=0. 05, sehingga Terima Ho Kesimpulan: Residual berdistribusi normal (asumsi normalitas terpenuhi)

2. Uji Non-Multikolinearitas n n Perhatikan hasil uji analisis regresi berganda pada bagian persiapan

2. Uji Non-Multikolinearitas n n Perhatikan hasil uji analisis regresi berganda pada bagian persiapan uji asumsi. Pilih Tabel Coefficients VIF X 1 = 2. 584 < 10 VIF X 2 = 2. 584 < 10 Karena semua nilai VIF kurang dari 10 maka asumsi nonmultikolinearitas terpenuhi

3. Uji Non-heteroskedastisitas n Buat variabel │e│ atau nilai mutlak/absolut residual n Pilih transform

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

n n Maka akan muncul variabel abs_resid pada Data view. Lalu lakukan analisis regresi

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

n Output yang diperoleh (lihat pada tabel ANOVA) UJI GLEJSER Ho : ragam residual

n Output yang diperoleh (lihat pada tabel ANOVA) UJI GLEJSER Ho : ragam residual konstan (X 1 dan X 2 tidak mempengaruhi residual) H 1 : ragam residual tidak konstan (min. ada satu antara X 1 dan X 2 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 n Perhatikan hasil uji analisis regresi berganda pada bagian

4. Uji Non-autokorelasi Uji Durbin-Watson n 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 n H 1 : terdapat autokorelasi Kriteria

Uji Durbin-Watson Ho : tidak terdapat autokorelasi n H 1 : terdapat autokorelasi Kriteria keputusan: n 0. 6972 1. 6413 2. 3587 3. 3028 d=2. 439 n n=10 k=2 d. L=0. 6972; d. U=1. 6413 4 -d. L=3. 3028; 4 -d. U=2. 3587 Keputusan : 2. 3587<d<3. 3028 Inconclusive Kesimpulan: hasil uji durbin-watson tidak dapat memberikan hasil yang akurat

TUGAS KELOMPOK n n Gunakan data dari tugas kelompok sebelumnya Lakukan uji asumsi normalitas,

TUGAS KELOMPOK n n Gunakan data dari tugas kelompok sebelumnya Lakukan uji asumsi normalitas, nonmultikolinearitas, non-heteroskedastisitas dan nonautokorelasi