ASUMSI KLASIK ANALISIS REGRESI
ASUMSI KLASIK ANALISIS REGRESI
Panggih
Wibowo
1617202072
4
Perbankan Syariah
Mata Kuliah Statistik Ekonomi (
Statistik II )
Dosen :
Mahardhika Cipta Raharja, S.E., M.Si
A.PENDAHULUAN
Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dan satu variabel independen. Dalam model regresi, variabel independen menerangkan variabel dependennya. Dalam analisis regresi sederhana, hubungan antara variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara tetap. Sementara pada hubungan non linier, perubahaan variabel X tidak diikuti dengan perubahaan variabel y secara proporsional. seperti pada model kuadratik, perubahan x diikuti oleh kuadrat dari variabel x. Hubungan demikian tidak bersifat linier. Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Penerapannya dapat dijumpai secara luas di banyak bidang seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. Pada saat ini, analisis regresi berguna dalam menelaah hubungan dua variabel atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, sehingga dalam penerapannya lebih bersifat eksploratif. Tidak selamanya ke-5 jenis asumsi klasik yang ada didalam analisis regresi digunakan semua, tergantung dari jenis regresi (sederhana atau berganda) dan jenis data yang digunakan (time series atau bukan). Uji asumsi klasik regresi terdiri dari uji normalitas, linearitas, multikolinearitas, autokorelasi dan heteroskedastisitas.
B.PEMBAHASAN
Uji asumsi klasik
regresi terdiri dari uji normalitas, linearitas, multikolinearitas,
autokorelasi dan heteroskedastisitas.
1.
Uji Normlaitas
Uji normalitas
bertujuan untuk menguji apakah model regresi yaitu variable pengganggu atau
residual berdistribusi normal atau tidak. Model regresi yang baik jika residual
model regresi berdistribusi normal.
Pengujuian normalitas
analisis regresi dilakukan pada residual model regresinya bukan masing-masing
variabelnya. Pada aplikasinya ada kesalahpahaman dalam menafsirkan uji
normalitas pada analisis regresi. Seringkali uji normalitas dilakukan pada
masing-masing variable, sebenarnya tidak salah sih, tapi tidak tepat.
Uji normalitas dapat
dilakukan dengan grafik seperti histogram & P-P Plot, serta uji statistic
seperti Kolmogorov Smirnov. Uji normalitas menggunakan grafik memilki kelemahan
karna bersifat grafik maka dapat menimbulkan persepsi yang berbeda-beda, oleh
sebab itu lebih banyak yang menggunakan uji statistic dalam melakukan uji
normalitas dengan uji statistik. Contoh hasil uji normalitas untuk data
berdistribusi normal.
2. Uji Linearitas
· Uji linearitas bertujuan untuk menguji pakh
model regresi yang diperoleh linear atau tidak. Karna dalam analisis regresi,
model regresi tidak hanya bersifat linear tapi bisa juga bersifat kuadratik
atau kubik.
· Uji linearitas digunakan untuk
mengkonfirmasikan apakah sifat linear antara dua variabel yang
diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang
ada.
·
Uji linearitas dapat
menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange
Multiplier.
3. Uji Multikolinearitas
· Digunakan untuk analisis regresi berganda
(variable independent > 1)
· Uji multikolinearitas digunakan untuk
mengetahui ada tidaknya korelasi antara variable independent (bebas).
· Model regresi yang baik, menunjukkan tidak
adanya korelasi antara variable independent (bebas).
· Uji multikolinearitas dapat dilihat
berdasarkan nilai tolerance dan Variance Inflation Factor (VIF). Jika nilai
tolerance > 0,10 dan nilai VIF < 10, maka tidak terjadi
multikolinearitas.
4. Uji Autokorelasi
· Digunakan untuk analisis regresi berganda
dengan data yang bersifat periode (series), seperti data mingguan, bulanan dan
tahunan.
· Tujuannya untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan
kesalahan penganggu pada periode sebelumnya (t-1)
· Model regresi yang baik terbebas dari masalah
autokorelasi (nonautokorelasi)
· Uji autokorelasi dapat dilakukan dengan uji
Durbin-Watson. Tidak terjadi autokorelasi jika nilai Durbin-Watson (d) berada
pada interval du < d < 4-du
5. Uji Heteroskedastisitas
·
Bertujuan untuk menguji
apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan lain.
·
Model regresi yang
baik menunjukkan tidak adanya heteroskedastisitas.
·
Uji
heteroskedastisitas dapat dilakukan dengan grafik plot antara nilai prediksi
variable dependent (ZPRED) dengan residualnya (SRESID). Tidak terjadi
heteroskedastisitas jika sebaran data menyebar, tidak membentuk pola tertentu
atau mengumpul pada satu titik tertentu
·
Statistik uji dapat
dilakuakan dengan Uji-Park, Uji Glejser, dan Uji white.
Pada
intinya ialah tidak selamanya ke-5 uji asumsi klasik ini dilakukan semua,
sesuaikan dengan kebutuhan.
Komentar
Posting Komentar