pertemuan 9

Resume 9

UJI ASUMSI KLASIK

yok ikuti cara uji asumsi klasik tersebut.... 

Resume 9

UJI ASUMSI KLASIK

Tutorial Uji Asumsi Klasik dengan Eviews

Uji asumsi klasik merupakan syarat yang harus dilakukan pada setiap uji regresi linear ordinary least square (OLS). Di dalam analisis regresi menggunakan aplikasi eviews, kita dapat melakukan berbagai jenis uji asumsi klasik yang menjadi syarat-syarat tersebut. Oleh karena itu, dalam kesempatan ini kami akan menjelaskan tutorial cara uji asumsi klasik dengan eviews.

Jenis Asumsi Klasik Regresi OLS

Sedikit review kembali sebelum kita masuk pada bahasan pokok artikel kali ini, yaitu tentang jenis asumsi klasik yang harus dilakukan oleh para peneliti pada saat analisis regresi OLS. Asumsi klasik yang harus diperhatikan antara lain: asumsi linearitas regresi, normalitas residual, non multikolinearitas, non heteroskedastisitas, non outlier dan non autokorelasi.  Pada kesempatan ini, kami akan jelaskan semua tutorial untuk melakukan uji asumsi klasik tersebut di atas. baiklah, kita mulai dari yang pertama yaitu asumsi autokorelasi. Namun sebaiknya anda baca terlebih dahulu artikel kami sebelumnya yaitu: Tutorial Uji Regresi Linear dengan Eviews dan Interprestasi Regresi Linear dengan Eviews. Maksudnya adalah agar terdapat kesinambungan pemahaman dengan apa yang kan kita bahas saat ini. Kemudian silahkan buka kembali file kerja aplikasi eviews pada pembahasan sebelumnya tersebut.

Uji Autokorelasi dengan Eviews

Ada dua macam autokorelasi yang akan kita uji, yaitu autokorelasi first order dan autokorelasi serial correlation. Silahkan anda pilih mana yang cocok untuk model regresi anda. Apabila tidak ada variabel Lag, silahkan gunakan uji autokorelasi durbin watson. Namun jika ada variabel Lag, silahkan gunakan uji autokorelasi serial correlation.

Uji Autokorelasi Durbin Watson

Langkah yang harus anda lakukan adalah buka kembali file kerja anda dan pastikan file yang digunakan benar. Kemudian perhatikan output dari hasil regresi linear dengan eviews yang tampilannya adalah sebagai berikut:

Perhatikan nilai Durbin-Watson Stat, yaitu sebesar 1,767489. Nilai tersebut adalah nilai Durbin Watson (DW) Hitung yang bisa anda bandngkan dengan nilai DU dan DL pada tabel Durbin Watson. Agar anda paham dan memiliki Tabel durbin Watson, silahkan baca artikel kami tentang Tabel Durbin Watson.

Kesimpulannya: Jika nilai DW > DU dan nilai (4-DW) > DU, maka dinyatakan tidak ada masalah autokorelasi, baik autokorelasi positif maupun negatif. Lebih detail tentang cara baca tabel durbin watson dan cara mengambil kesimpulan pada uji autokorelasi, baca artikel kami yang berjudul: Pengertian dan Penjelasan Uji Autokorelasi Durbin Watson.

Uji Autokorelasi Serial Korelasi

Uji autokorelasi yang lain adalah serial korelasi. Banyak metode uji ini yang bisa dilakukan, namun dengan eviews kita menggunakan uji Breusch-Godfrey Serial Correlation LM Test. Caranya yaitu pada menu tekan tombol View -> Residual Diagnostics -> Serrial Correlation LM Test.

 

Uji Autokorelasi dengan Eviews

Perhatikan nilai Prob Chi Square(2) yang merupakan nilai p value uji Breusch-Godfrey Serial Correlation LM, yaitu sebesar 0,2815 dimana > 0,05 sehingga terima H0 atau yang berarti tidak ada masalah autokorelasi serial.

Uji Normalitas residual dengan Eviews

Perli diingat kembali bahwa asumsi normalitas pada regresi linear OLS adalah pada residual bukan variabelnya. Cara uji normalitas dengan eviews adalah: silahkan tekan tombol View -> Histogram-Normality Test.

Uji Normalitas Residual dengan Eviews

Uji Normalitas banyak sekali macamnya, antara lain: lilliefors, kolmogorov smirnov, shapiro wilk dan shapiro francia, skewness kurtosis, jarque bera, dan lain-lain. Pada aplikasi eviews ini, uji normalitas yang bisa kita lakukan adalah menggunakan metode jarque bera. Silahkan baca artikel kami tentang Pengertian dan Penjelasan Jarque Bera.

Hasil uji normalitas residual di atas adalah: nilai jarque bera sebesar 118,8955 dengan p value sebesar 0,0000 dimana < 0,05 sehingga terima H1 atau yang berarti residual berdistribusi tidak normal.

Uji Multikolinearitas dengan Eviews

Uji multikolinearitas menilai adakah korelasi atau interkorelasi antar variabel bebas dalam model regresi. Cara uji multikolinearitas dengan eviews adalah: tekan tombol View -> Coefficient Diagnostics -> Variance Inflation Factors. Hasilnya sebagai berikut ini:

 Uji Multikolinearitas dengan Eviews

Di atas menunjukkan bahwa nilai Centered VIF baik X1 dan X2 adalah 2,398399 dimana nilai tersebut kurang dari 10, maka dapat dinyatakan bahwa tidak terdapat masalah multikolinearitas dalam model prediksi.

Uji Heteroskedastisitas dengan Eviews

Uji heteroskedastisitas dengan eviews caranya sangatlah mudah, yaitu silahkan anda tekan tombol View -> Residual Diagnostics -> Heteroscedasticity Test. Maka akan muncul jendela piliha jenis uji heterokedastisitas yang akan digunakan, yaitu antara lain: Uji Breusch Pagan Godfrey, Harvey, Glejser, ARCH dan White Test.

Uji Homoskedastisitas dengan Eviews

Misalkan kita memilih menggunakan uji Breusch Pagan Godfrey. Setelah anda tekan tombol OK, maka akan muncul output sebagai berikut:

Output Uji Homoskedastisitas dengan Eviews

Silahkan baca output tersebut di atas, dimana nilai p value yang ditunjukkan dengan nilai Prob. chi square(2) pada Obs*R-Squared yaitu sebesar 0,0611. Oleh karena nilai p value 0,0611 > 0,05 maka terima H0 atau ang berarti model regresi bersifat homoskedastisitas atau dengan kata lain tidak ada masalah asumsi non heteroskedastisitas.

Uji Asumsi Klasik dengan Eviews

CONTOH:

Analisis Regresi Linear Berganda dan Hasil pengujian Hipotesis

1.      Uji F

            Hasil pengolahan data terlihat bahwa variabel independen (pendapatan, harga barang, itu sendiri, harga barang substitusi, harga barang komplementer) mempunyai signifikan F hitung sebesar 69.50775 dengan tingkat signifikan lebih kecil dari 0,05. Dengan demikian hasil analisis penelitian menunjukkan bahwa secara bersama-sama variabel independen (pendapatan, harga barang itu sendiri, harga barang komplementer, dan harga barang substutusi) berpengaruh signifikan terhadap konsumsi ayam per kapita. Dengan demikian hipotesis pertama (H₀) dalam penelitian ini diterima.

2.  Uji t (Parsial)

1. Pengujian terhadap  variabel Pendapatan : Nilai signifikan yaitu 0.5184 > 0.05, kesimpulan yang dapat diambil adalah tingkat pendapatan tidak berpengaruh signifikan terhadap konsumsi ayam per kapita.

2. Pengujian terhadap variabel Harga barang itu sendiri: Nilai signifikan yaitu 0.0011<0.05, kesimpulan yang dapat diambil adalah harga barang itu sendiri berpengaruh signifikan terhadap konsumsi ayam per kapita.

3. Pengujian terhadap variabel barang substitusi: Nilai signifikan yaitu 0.0015<0.05, kesimpulan yang dapat diambil adalah harga barang substitusi berpengaruh signifikan terhadap konsumsi ayam per kapita.

4. Pengujian terhadap variabel harga barang komplementer : Nilai signifikan yaitu 0.0294<0.05, kesimpulan yang dapat diambil adalah harga barang komplementer berpengaruh signifikan terhadap konsumsi ayam per kapita.

3. Koefisien Determinasi (R²)

            Berdasarkan hasil penelitian ini menunjukkan bahwa nilai koefisien determinasi R² diperoleh sebesar 0,925683 atau 92.56%. Hal ini menunjukkan bahwa 92.56% kosnumsi ayam per kapita dipengaruhi oleh tingkat pendapatan, harga barang itu sendiri, harga barang substitusi dan harga barang komplementer, selebihnya dipengaruhi oleh variabel lain.

4. Model Regresi Linear

            KAP = 36.30322+ 0,002101x1 – 0.636353x2 + 0.217653X3 + 0.975555X4 + e

Hasil tersebut dapat dijelaskan bahwa Koefisien Regresi tingkat pendapatan sebesar 0.002 yang berarti setiap Tingak pendapatan ditambah 1% akan menaikkan konsumsi ayam sebesar 0.002% dengan asumsi bahwa variabel lain konstan. Koefisien regresi harga barang itu sendiri adalah -0.63 yang berarti setiap harga barang itu sendiri ditambah 1% akan menurunkan konsumsi ayam sebesar -0.63% dengan asumsi bahwa variabel lain konstan. Koefisien regresi harga barang substitusi adalah 0,21 yang berarti bahwa setiap harga barang substitusi ditambah 1% akan menaikkan konsumsi ayam ssebesar 0.21% dengan asumsi bahwa variabel lain konstan. Koefisien harga barang komplementer adalah 0.97 yang berarti bahwa setiap harga barang komplementer ditambah 1% makan akan menaikkan konsumsi ayam sebesar 0.97% dengan asumsi bahwa variabel lain konstan.

  UJI ASUMSI KLASIK1

1. Uji Normalitas

 

 Nilai signifikan yang diperoleh dari uji normalitas adalah 0.416904 > 0.05, artinya adalah data yang diperoleh berdistribusi normal karena nilai probability yang diperoleh lebih besar dari 0.05.

Nilai signifikan yang diperoleh dari uji Heteroskedetisitas adalah 2.655261 > 0.05, ini berarti bahwa tidak terjadi gejala heteroskedastisitas (homoskedastisitas) karena nilai signifikan yang diperoleh lebih besar dari 0.05. 

Demiakian  dari pembahasan saya tentang uji asumsi klasik dan uji-ujia lainnya yang di perjelaskan lebih dan kurang saya harap memakluminya.. wassalam..