Laporan Uji Asumsi Klasik Regresi

LAPORAN PRAKTIKUM

ANALISIS REGRESI TERAPAN

MODUL 4

UJI ASUMSI KLASIK

Nama

Praktikan

Nomor

Mahasiswa

Tanggal

Kumpul

Tanda tangan

Praktikan Laboran

Ummu Fitriyani 13611173 28 Mei 2015

Nama Penilai Tanggal

Koreksi Nilai

Tanda tangan

Asisten Dosen

Annas Saeful Rizal

Cut Rifatmi Fadhilaini

Muhammad Hasbiollah

Edy Widodo, M. Si

JURUSAN STATISTIKA

FAKULTAS MATMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS ISLAM INDONESIA

YOGYAKARTA

2015

KELAS

C

BAB I

PENDAHULUAN

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada

analisis regresi linear berganda yang berbasis ordinary least square (OLS). Tidak

semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji

multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana

dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. Jadi, regresi

linear sederhana memiliki 4 asumsi yaitu: asumsi linearitas, asumsi normalitas,

asumsi heteroskedastisitas, dan asumsi autokorelasi. Sedang regresi linear

berganda: asumsi multikolinearitas, asumsi normalitas, asumsi heteroskedastisitas,

dan asumsi autokorelasi.

1. Uji Normalitas

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi

normal atau tidak. Model regresi yang baik adalah memiliki nilai residual

yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-

masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang

jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel.

Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai

residualnya bukan pada masing-masing variabel penelitian.

Uji normalitas dapat dilakukan dengan menggunakan Uji Chi Kuadrat,

Uji Lillifors, dan Uji Kolmogorov-Smirnov

2. Uji Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara

suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah

bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas

terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi

dengan data observasi sebelumnya.

2

Uji autokorelasi dapat dilakukan dengan menggunakan Uji Durbin-

Watson, Lagrange Multiplier, Staistik Q, dan Run Test.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk melihat apakah terdapat

ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang

lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat

kesamaan varians dari residual satu pengamatan ke pengamatan yang lain

tetap atau disebut homoskedastisitas. Deteksi heteroskedastisitas dapat

dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai

prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan

jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah,

menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.

Uji statistik yang dapat digunakan adalah uji Gletser, uji Park atau uji

White.

4. Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi

(keterkaitan) yang tinggi antara variabel-variabel bebas dalam suatu model

regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-

variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel

terikatnya menjadi terganggu.

Alat statistik yang sering dipergunakan untuk menguji gangguan

multikolinearitas adalah dengan variance inflation factor (VIF), korelasi

pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan

condition index (CI). (Sumber: Budianas, Nanang. 2013)

3

BAB II

DESKRIPSI KERJA

Untuk memulai pengujian asumsi menggunakan SPSS 20, berikut

langkah-langkah kerja dengan menggunakan data laporan pratikum sebelumnya

(laporan pratiku analisis regresi tiga) yaitu Regresi Linear Berganda yang sudah

diuji dengan Metode Enter dan didapatkan variabel yang signifikan atau valid

yaitu variabel Dividen Payout Rasio, Instutisional Ownership dan Perubahan

Earnings Perusahaan.

Berikut ini model regresi berganda dengan metode enter. Sehingga model yang

didapat adalah

Dimana:

Y = Dividen Payout Rasio

X2 = Institusional Ownership

X5 = Perubahan Earnings Perusahaan

Asumsi yang harus dipenuhi, yaitu:

1. Kenormalan Sisaan

Analisis Grafik

1. Pada Data View SPSS, Pilih menu Analyze Regresi Linear, pada

kotak Dependent, isikan variabel dependent (Dividen Payout Rasio) dan

pada kotak independent, isikan variabel (Instutisional Ownership,

Perubahan Earnings Perusahaan)

4

Gambar 2.1 Kotak Dialog Linear Regression

2. Pilih metode Enter, kemudian klik button Plots, dan aktifkan atau

berikan tanda centang pada Histogram dan Normal Probability Plot,

tekan button Continue dan OK.

Gambar 2.2 Kotak Dialog Linear Regression:Plots

Analisis Statistik Kormogorof Smirnov





2. Pilih metode Enter, kemudian klik Button Save.

5


3. Berikan tanda centang pada Unstandardized pada kolom Residuals,

lalu klik Continue, kemudian pilih OK.

Gambar 2.4 Kotak Dialog Linear Regression Save

4. Selanjutnya pada Data View SPSS, akan muncul kolom baru dengan

nama kolom RES_1, ini merupakan residual regresi.

6

5. Pilih menu Analyze Nonparametric Test Legacy Dialogs (1-

Sample K-S), kemudian pindahkan Unstandardized Residual ke

kolom Test Variable List di sebelah kanan, centang pada Normal, lalu

klik OK.

Gambar 2.5 Kotak Dialog One-Sample Kolmogorov-Smirnov Test

2. Tidak Ada Autokorelasi Atau Sisaan Saling Bebas





2. Pilih metode Enter, kemudian klik Button Statistics.


7

3. Berikan tanda centang seperti gambar berikut ini, lalu klik Continue,

kemudian pilih OK.

Gambar 2.7 Kotak Dialog Linear Regression:Statistics

Karena tidak ada keputusan dari uji Durbin-Watson maka yang dilakukan

pratikan adalah menguji dengan uji Run Test. Berikut langkah langkah

kerjanya:







8

3. Berikan tanda centang pada Unstandardized pada kolom Residuals, lalu

klik Continue, kemudian pilih OK.



nama kolom RES_1, ini merupakan residual regresi.Pilih menu Analyze

Nonparametric Test Legacy Dialogs Run Test, kemudian

pindahkan Unstandardized Residual ke kolom Test Variable List di

sebelah kanan, centang pada Normal, lalu klik OK.

Gambar 2.10 Kotak Dialog Run Test

9

3. Homoscedasticity Atau Kehomogenan Ragam Sisaan

Uji Asumsi Homoscedasticity dengan metode grafik





2. Pilih metode Enter, kemudian masukkan *SRESIDE ke dalam kolom

axis Y dan *Zpred ke kolom axis X, tekan button Continue dan OK.

Gambar 2.11 Kotak Dialog Linear Regression:Plots

Uji Asumsi Homoscedasticity dengan metode Gletser






10


3. Berikan tanda centang pada Unstandardized pada kolom Residuals, lalu

klik Continue, kemudian pilih OK.



nama kolom RES_1, ini merupakan residual regresi. Sekarang yang

harus dialakukan adalah meng-absolutkan nilai Residual tersebut, SPSS

juga sudah menyedihkan fasilitas tersebut.

5. Klik menu Transform Compute Variable, kemudian lakukan seperti

gambar dibawah ini, kotak Target Variable diisi dengan nama variabel

atau kolom baru (ABS_RES1) dan pada kotak Numeric Expression

11

merupakan formula dalam SPSS diisi dengan ABS(RES_1). Selanjutnya

klik OK.

Gambar 2.14 Kotak Dialog Compute Variaable

6. Setelah variabel RES_1 diablsolutkan, maka langkah selanjutnya adalah

klik menu Analyze - Regression Linear, masukkan variabel

ABS_RES1 pada kotak dependent dan masukkan variabel Instutisional

Ownership, Perubahan Earnings Perusahaan pada kotak Independent.

7. Pada Button Save. Hilangkan centang di Unstandardized pada kolom

Residuals, lalu klik Continu kemudian pilih OK.

4. Tidak ada multikolinearitas





2. Pilih metode Enter, kemudian klik Button Statistics.

12


3. Berikan tanda centang seperti gambar berikut ini, lalu klik Continue,

kemudian pilih OK.

Gambar 2.16 Kotak Dialog Linear Regression:Statistics

13

BAB III

PEMBAHASAN

Setelah memberikan langkah-langkah dalam melakukan uji asumsi,

selanjutnya paraktikan akan memeberikan pembahasan dari output yang

dihasilkan dan akan dilakukan uji hipotesis. Terdapat empat bagaian uji asumsi

yang akan praktikan bahas, mulai dari Kenormalan Sisaan, Tidak Ada

Autokorelasi, Homoscedasticity, dan Tidak Ada Multikolinearitas. Praktikan ingin

mengetahui apakah data yang tersedia memenuhi asumsi klasik sebagai salah satu

syarat dalam melakukan analisis regresi linear berganda. Sehingga hasil akhirnya

dapat diketahui model regresi linear yang baik atau yang tidak. Berikut

pembahasan yang akan praktikan berikan.

A. Kenormalan Sisaan

Analisis Grafik

Gambar 3.1 Output Normal P-Plot of regression Standardized Residual

14

Gambar 3.2 Output Histogram

Berdasarkan tampilan Output chart diatas pratikan dapat melihat grafik

histogram maupun grafik plot. Dimana grafik histogram memberikan pola

distribusi yang melenceng ke kanan yang artinya adalah data berdistribusi

normal. Selanjutnya pada gambar P-Plot terlihat titik mengikuti dan

mendekati garis diagonalnya sehingga dapat disimpulkan bahwa model

regresi memenuhi asumsi normalitas.

Analisis Statistik Kormogorof Smirnov

15

Gambar 3.3 Output One-Sample Kolmogorov-Smirnov Test

a. Hipotesis:

H0 : Sisaan menyebar Normal

H1 : Sisaan tidak menyebar Normal

b. Tingkat Signifikansi:

=5% =0,05

: 2,5%=0,025

c. Daerah Kritis:

Asymp.Sig.(2-tailed) < , maka tolak H0

d. Statistika Uji:

P-value = 0,142

e. Keputusan:

0,142 > 0,025, maka gagal tolak H0

Asymp.Sig.(2-tailed) > , maka gagal tolak H0

f. Kesimpulan:

Dengan menggunakan tingkat kerpercayan 95% dan karena

Asymp.Sig.(2-tailed) > maka gagal tolak H0 berarti sisaan menyebar

Normal dan Asumsi Kenormalan telah terpenuhi.

Dari metode grafik dan uji hipotesis menggunakan One-Sample

Kolmogorov-Smirnov Test yang dilakukan, maka didapatkan bahwa data yang

ada dalam kasus tersebut berdistribusi normal, sehingga asumsi normalitas

dari data tersebut terpenuhi.

B. Tidak Ada Autokorelasi Atau Sisaan Saling Bebas

Uji Asumsi Tidak Ada Autokorelasi dengan Durbin Watson Test

Gambar 3.4 Output dari Durbin-Watson Test

a. Hipotesis:

H0 : Tidak terdapat autokorelasi ordo 1 pada sisaan

H1 : Terdapat autokorelasi ordo 1 pada sisaan

16


=5% =0,05

c. Daerah Kritis:

4- DW 4, maka tolak H0

DW (4- ), maka gagal tolak H0

DW atau 4- DW 4- , maka tidak ada keputusan

d. Statistika Uji:

Sampel (n=52) dan jumlah variabel independent (K=2)

Nilai DW = 1,364

=1,33741

=1,41314

e. Keputusan:

17

=5% =0,05

: 2,5%=0,025

c. Daerah Kritis:

Asymp.Sig.(2-tailed) 0,025, maka gagal tolak H0

Asymp.Sig.(2-tailed) < , maka gagal tolak H0

f. Kesimpulan:

Dengan menggunakan tingkat kerpercayan 95% dan karena

Asymp.Sig.(2-tailed) > maka gagal tolak H0 berarti residual berubah

secara acak atau tidak terjadi autokorelasi.

Dari uji hipotesis menggunakan Runs Test maka didapatkan kesimpulan

bahwa no autocorrelation dari data yang ada sehingga asumsi tidak ada

autokorelasi sehingga model tersebut terpenuhi dan menyebabkan model yang

dihasilkan dari data tersebut baik atau layak digunakan dalam menaksir

variabel dependent pada domain nilai variabel independent.

C. Homoscedasticity Atau Kehomogenan Ragam Sisaan

Metode Grafik

Gambar 3. 6 Output Scatterplot

18

Pada gambar Scatterplot diatas terlihat bahwa titik-titik menyebar

secara acak diatas maupun dibawa angka 0 pada sumbu Y. Maka dapat

disimpulakan bahwa data residual tersebut tidak terjadi heterokedastisitas

pada model regresi berganda. Hal ini mengindikasikan bahwa terjadi

Homoscedasticity atau tidak terjadi heterokedastis, atau model dinyatakan

Homoscedasticity atau terbebas dari masalah heterokedastis.

Selanjutnya untuk semakin menguatkan asumsi dari plot data maka

perlu dilakukan uji hipotesis. Untuk uji asumsi homoskedastisitas maka

praktikan akan menggunkan uji gletser dalam uji hipotesisnya.

Gambar 3.7 Output Uji Asumsi Homoscedasticity dengan metode Gletser

a. Hipotesis:

H0 : Homoscedasticity atau tidak terdapat heteroskedastisitas

H1 : Terdapat masalah heteroskedastisitas


=5% =0,05

c. Daerah Kritis:

P-value < , maka tolak H0

d. Statistika Uji:

P-value (Institusional Ownership) = 0,181

P-value (Perubahan Eranings Perusahaan) = 0,257

e. Keputusan:



P-value > , maka gagal tolak H0

f. Kesimpulan:

19

Dengan menggunakan tingkat kerpercayan 95% dan karena P-value >

maka gagal tolak H0 berarti tidak terjadi masalah heteroskedastisitas atau

tidak ada satupun variabel independent yang signifikan secara statistics

mempengaruhi variabel dependent. Jadi dapat disimpilkan bahwa model

regresi mengandung adanya kehomogenan ragam sisaan.

Dari metode Gletser yang dilakukan, maka semakin menguatkan

asumsi plot data. Bahwa data yang ada merupakan tidak terjadi

heterokedastis, atau setiap nilai variabel independen memiliki variansi yang

sam. Sehingga model tersebut dinyatakan layak atau baik digunakan karena

Homoscedasticity atau terbebas dari masalah heterokedastis.

D. Tidak ada multikolinearitas

Gambar 3.8 Output Coefficient Correlations

Melihat besaran koefisien korelasi antar variabel bebas, terlihat koefisien

korelasi anatar variabel bebas sebesar 0,033 jauh lebih kecil dari 0,06.

Disimpulkan bahwa antara variabel bebas tidak terjadi multikolinieritas.

Gambar 3.9 Output Coefficient

a. Hipotesis:

H0 : Tidak terjadi Multikolinearitas

H1 : Terjadi Multikolinearitas

20


=5% =0,05

c. Daerah Kritis:

Tolerance 10, maka tolak H0

d. Statistika Uji:

Tolerance = 0,999

VIF = 1,001

e. Keputusan:


Tolerance > 0,10, maka gagal tolak H0

1,001 < 10,0, maka gagal tolak H0

VIF >10, maka gagal tolak H0

f. Kesimpulan:

Dengan menggunakan tingkat kerpercayan 95% dan karena Tolerance >

0,10, maka gagal tolak H0 dan VIF >10, maka gagal tolak H0, maka gagal

tolak H0 berarti tidak terjadi multinolinearitas antara variabel independent

dalam model regresi.

Dari uji hipotesis menggunakan nilai VIF (Variance Inflation Factor)

dan Tolerance maka didapatkan hasil bahwa setiap variabel independent yang

ada menunjukkan nonmultikolinearitas. Sehingga antar variabel independent

tidak memiliki keeratan hubungan. Maka asumsi awal dalam melakukan

analisis regresi linear berganda terpenuhi. Jadi jika dihasilkan model dari data

yang ada maka model tersebut valid.

Dari praktikum sebelumnya telah ditemukan model

Setelah dilakukan uji asumsi, maka ke-4 asumsi

terpenuhi (Kenormalan Sisaan, Tidak Ada Autokorelasi, Homoscedasticity, dan

Tidak Ada Multikolinearitas) sehingga model yang didapatkan baik digunakan.

21

BAB IV

PENUTUP

Dari langkah-langkah yang telah dilakukan pratikan dan pembahasan pada bab

sebelumnya, maka didapatkan beberpa kesimpulan pada pratikun kali ini:

1. Dari uji asumsi klasik Kenormalan sisaan didapatkan bahwa, data yang ada

berdistribusi Normal sehingga sehingga asumsi Kenormalan sisaan model

regresi terpenuhi.

2. Dari uji asumsi klasik tidak ada autokorelasi didapatkan bahwa, data yang ada

menunjukkan tidak terdapat autokorelasi sehingga asumsi tidak ada auto

korelasi model tersebut terpenuhi.

3. Dari uji asumsi klasik Homoscedasticity atau kehomogenan ragam sisaan

didapatkan bahwa, data yang ada merupakan tidak terjadi heterokedastis, atau

setiap nilai variabel independen memiliki variansi yang sam. Sehingga model

tersebut dinyatakan layak atau baik digunakan karena Homoscedasticity atau

terbebas dari masalah heterokedastis.

4. Dari uji asumsi klasik tidak ada multikolinearitas didapatkan hasil bahwa

setiap variabel independent yang ada menunjukkan nonmultikolinearitas.

Sehingga antar variabel independent tidak memiliki keeratan hubungan. Maka

asumsi awal dalam melakukan analisis regresi linear berganda terpenuhi. Jadi

jika dihasilkan model dari data yang ada maka model tersebut valid.

5. Dari ke-4 asumsi klasik (Kenormalan Sisaan, Tidak Ada Autokorelasi,

Homoscedasticity, dan Tidak Ada Multikolinearitas) didapatkan bahwa, data

yang ada saling berhubungan secara linear sehingga asumsi terpenuhi.

22

DAFTAR PUSTAKA

Nashiul.Ulwan. 2014. Uji Asumsi Klasik Pada Regresi Linear. http://www.portal-

statistik.com/2014/05/uji-asumsi-klasik-pada-regresi-linear.html diakses

pada tanggal 1 Juni 2015

Raharjo, Sahid. 2015. Uji Heteroskedastisitas dengan Grafik Scatterplot

SPSS.http://www.konsistensi.com/2014/08/uji-normalitas-grafik-histogram-

plot.html diakses pada tanggal 1 Juni 2015

Purwaningsih, Tuti. 2015. Modul Praktikum Analisis Regresi Terapan.

Yogyakarta: Statistika FMIPA UII.

Documents

Laporan Uji Asumsi Klasik Regresi