UJI ASUMSI KLASIK

DENGAN EXCELLAgus Tri Basuki, M.Sc

REGRESI YANG BAIK• OLS merupakan metode regresi yang

meminimalkan jumlah kesalahan (error) kuadrat. Model regresi linier yang dipakai dengan metodeOLS tersebut, harus memenuhi asumsi BLUE (best Liniear Unbiased Estimator) :

a. Normalitas

b. Linearitas

c. Non Multikolinearitas

d. Homoskedastistas

e. Non Autokorelasi

MODEL REGRESI

MODEL PERSAMAAN REGRESI TANPA LOG

CONS = βo + β1 Impor + β2 GDP + ε

MODEL PERSAMAAN REGRESI DENGAN LOG

Log(CONS) = βo + β1Log(Impor) + β2Log(GDP) + ε

DATA EKONOMI MAKROTahun Kons Impor GDP Tahun Kons Impor GDP

1990 119,802 95,842 4,683,590 2003 1,372,078 1,097,662 9,305,540

1991 140,805 112,644 5,563,060 2004 1,532,888 1,226,311 10,564,420

1992 157,484 125,987 6,325,820 2005 1,785,596 1,428,477 12,318,260

1993 192,959 154,367 6,712,180 2006 2,092,656 1,674,125 13,476,850

1994 228,119 182,495 7,379,480 2007 2,510,504 2,259,453 14,628,180

1995 279,876 223,901 7,949,260 2008 2,999,957 2,699,961 16,022,750

1996 332,094 265,676 8,550,220 2009 3,290,996 2,961,896 14,470,120

1997 387,171 309,737 9,217,140 2010 3,858,822 3,472,940 16,679,180

1998 647,824 518,259 10,247,910 2011 4,340,605 3,906,545 19,142,680

1999 813,183 650,547 6,988,560 2012 4,858,331 3,886,665 19,450,640

2000 856,798 685,439 8,839,480 2013 5,456,626 2,359,212 20,261,200

2001 1,039,655 831,724 8,896,490 2014 6,035,674 2,580,527 20,467,400

2002 1,231,965 985,572 8,788,230

HASIL REGRESIvariabel gdp

memiliki pengaruh

secara signifikan

nilai prob <

0,05

MODEL PERSAMAAN REGRESI TANPA LOG

CONS = βo + β1 impor + β2 GDP + ε

Regression Statistics

Multiple R 0.9701

R Square 0.9410Adjusted R Square 0.9357

Standard Error 462003.7Observations 25

ANOVA

df SS MS F Significance F

Regression 2 7.49539E+13 3.74769E+13 175.579 0.000Residual 22 4.69584E+12 2.13447E+11Total 24 7.96497E+13

Coefficients Standard Error t Stat P-value

Intercept -2137355.465 350410.5956 -6.0996 0.0000

Impor 0.111084254 0.190044978 0.5845 0.5648GDP 0.335073485 0.049171337 6.8144 0.0000

HASIL REGRESISeluruh variabel

memiliki pengaruh

secara signifikan

nilai prob <

0,05

MODEL PERSAMAAN REGRESI DENGAN LOG

LogCONS = βo + β1 Logimpor + β2 logGDP + ε

Regression Statistics

Multiple R 0.9921R Square 0.9842

Adjusted R Square 0.9827Standard Error 0.0717

Observations 25

ANOVAdf SS MS F Significance F

Regression 2 7.0378 3.5189 684.5981 0.0000Residual 22 0.1131 0.0051

Total 24 7.1509

Coefficients Standard Error t Stat P-valueIntercept -2.9757 1.0787 -2.7586 0.0115LOGImpor 0.8299 0.0726 11.4332 0.0000

LogGDP 0.5820 0.2082 2.7949 0.0106

UJI ASUMSI KLASIK(Multikolinearitas)

Dalam

model

regresi

terjadi

Multikolinea

ritas karena

korelasi

anatar

variabel

diatas 0,9

MODEL TANPA LOG

Kons Impor GDPKons 1Impor 0.903661 1

GDP 0.969602 0.919742 1

MODEL DENGAN LOG

LOGKons LOGImpor LogGDP

LOGKons 1

LOGImpor 0.989228 1

LogGDP 0.943517 0.925011 1

UJI HETEROSKEDASTISITAS

Regression StatisticsMultiple R 0.586517125R Square 0.344002338

Adjusted R Square 0.284366187

Standard Error 1.97448E+11

Observations 25ANOVA

df SS MS F Significance F

Regression 2 4.49766E+23 2.24883E+23 5.76835245 0.009681111Residual 22 8.57685E+23 3.89857E+22Total 24 1.30745E+24

Coefficients Standard Error t Stat P-valueIntercept -2.91928E+11 1.49756E+11 -1.949358012 0.064114533Impor -241625.6511 81220.09793 -2.974949025 0.006988335GDP 71019.3347 21014.50339 3.379539045 0.002699909

MODEL PERSAMAAN REGRESI TANPA LOG

Ut = βo + β1 impor + β2 GDP + ε

Lihat t statistik Semuannya Signifikan sehingga

dalam model ini mengandung Heteroskedastisitas

UJI HETEROSKEDASTISITAS

MODEL PERSAMAAN REGRESI DENGAN LOG

Ut = βo + β1 log impor + β2 log GDP + ε

Lihat t statistik Semuannya Signifikan sehingga

dalam model ini mengandung

Heteroskedastisitas

Regression StatisticsMultiple R 0.647094R Square 0.418730Adjusted R Square 0.365888Standard Error 0.006600Observations 25

ANOVA

df SS MS F Significance FRegression 2 0.000690 0.000345 7.924090 0.002559Residual 22 0.000958 0.000044Total 24 0.001649

Coefficients Standard Error t Stat P-valueIntercept -0.333632 0.099309 -3.359547 0.002832LOGImpor -0.012410 0.006683 -1.856995 0.076752LogGDP 0.058574 0.019169 3.055632 0.005795

UJI AUTOKORELASI

DETEKSI AUTOKORELASI

DETEKSI AUTOKORELASI

• Karena Model tidak memenuhi

asumsi klasik, maka harus ada

tindakan perbaikan.

a. Terjadi Multikolinearitas

b. Terjadi Homoskedastistas

c. Terjadi Autokorelasi

TERIMA KASIH