UJI ASUMSI KLASIK
-
Upload
netta-samosir -
Category
Education
-
view
520 -
download
1
description
Transcript of UJI ASUMSI KLASIK
![Page 1: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/1.jpg)
UJI ASUMSI KLASIK
NETTA GRACE SAMOSIRMARCIA MARTHA
NOFALY
![Page 2: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/2.jpg)
NORMALITAS
Biasa disebut Uji Normalitas Residual. Bertujuan untuk menguji apakah dalam model regresi, data residual berdistibusi normal atau
tidak.
2 cara pengujian : 1. Metode Grafik -> Normal Probability Plot2. Metode Non Grafik -> Kolmogorov-Smirnov
![Page 3: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/3.jpg)
CONTOH
GRAFIK
![Page 4: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/4.jpg)
HASIL
Acuan :Distribusi normal akan membentuk garis diagonal & titik-titik dot akan menyebar di sekitar garis diagonal tersebut.
Hasil :Pada gambar terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa model regresi MEMENUHI ASUMSI NORMALITAS
![Page 5: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/5.jpg)
NON GRAFIK
![Page 6: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/6.jpg)
Acuan : Apabila Asymp. Sig (2-tailed) dari uji Kolmogorov-Smirnov bernilai di atas atau sama dengan 0,05 maka, data berdistribusi normal dan sebaliknya.
Hasil Pengujian : Dari uji Kolmogorov-Smirnov pada gambar diatas, menunjukkan bahwa data terdistribusi normal, dengan nilai Asymp. Sig (2-tailed) 0,602 lebih besar sama dengan 0,05
![Page 7: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/7.jpg)
MULTIKOLINEARITAS
Untuk menguji apakah dalam suatu model regresi terjadi korelasi yang tinggi atau tidak antar
variabel independen
Acuan penentu ada tidaknya MULTIKOLINEARITAS : 1. TIDAK TERJADI MULTIKOLINEARITAS
Tolerance > 0,1 ; VIF < 10
2. TERJADI MULTIKOLINEARITASTolerance < 0,1 ; VIF > 10 Tolerance =
1/VIF
![Page 8: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/8.jpg)
CONTOH
![Page 9: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/9.jpg)
HASIL
Dividend Payout Ratio Tolerance (0.817) > 0,1VIF (1.223) < 10
Return on EquityTolerance (0.860) > 0,1VIF (1.163) < 10
Debt to Equity RatioTolerance (0.935) > 0,1VIF (1.070) < 10
Tidak terjadi Multikolinearitas
Tidak terjadi Multikolinearitas
Tidak terjadi Multikolinearitas
![Page 10: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/10.jpg)
Kesimpulan : TIDAK TERJADI MULTIKOLINEARITAS. Sehingga data Dividend Payout Ratio, Return on Equity, dan Debt to Equity Ratio baik digunakan dalam model regresi
Ingat!!! Apabila terdapat 1 saja data yang terjadi multikolinearitas, berarti terdapat korelasi antar variabel. Lebih baik variabel tersebut diganti atau dibuang saja.
![Page 11: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/11.jpg)
HETEROSKEDASTISITAS
Digunakan untuk menguji apakah dalam suatu model regresi terdapat kesamaan atau
ketidaksamaan varians antara pengamatan yang satu dengan yang lainnya
2 cara pengujian :• GRAFIK -> Scatterplot• NON GRAFIK
![Page 12: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/12.jpg)
METODE NON GRAFIK
• UJI GLEJSER• UJI PARK• METODE KORELASI SPEARMAN• METODE GOLDFELT QUANDT• METODE WHITE HETEROSCEDASTICITY
![Page 13: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/13.jpg)
GRAFIK
![Page 14: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/14.jpg)
Acuan :Titik-titik menyebar & tidak membentuk pola tertentu Hasil :Pada gambar terlihat titik-titik menyebar & tidak membentuk pola tertentu, maka tidak terjadi heteroskedastisitas sehingga data baik digunakan dalam model regresi.
![Page 15: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/15.jpg)
NON GRAFIK -> UJI GLEJSER
![Page 16: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/16.jpg)
Acuan :
• Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.
• Jika nilai nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi heteroskedastisitas.
![Page 17: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/17.jpg)
Hasil
Motivasi (X1) Sig = 0,004 < 0,05Artinya, terjadi heteroskedastisitas pada variabel Motivasi (X1)
Minat (X2) Sig = 0,009 < 0,05Artinya, terjadi heteroskedastisitas pada variabel Minat (X2)
![Page 18: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/18.jpg)
AUTOKOLERASI
Dapat dilakukan dengan uji durbin watson. Uji durbin watson digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag di antara variabel bebas.
![Page 19: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/19.jpg)
CONTOH
Hipotesis:Ho : tidak ada autokorelasiHa : ada autokorelasi
Keputusan:
![Page 20: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/20.jpg)
CONTOH
Nilai DW sebesar 2,061, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5%, jumlah sampel 100 dan jumlah variabel bebas 4.
Oleh karena nilai DW 2,061 lebih besar daripada batas atas (du) 1,76 maka dapat disimpulkan tidak terdapat autokorelasi pada model regresi.
![Page 21: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/21.jpg)
Tabel durbin watson
![Page 22: UJI ASUMSI KLASIK](https://reader033.fdocuments.net/reader033/viewer/2022061616/558e37f31a28ab05088b460b/html5/thumbnails/22.jpg)
Thank You
Any Question?????