Upload
andry-wowo
View
532
Download
135
Embed Size (px)
Citation preview
Modul Laboratorium Analisis Kuantitatif
PENYEMBUHAN ASUMSI
KLASIK SUMBER : FILE KASUS 8.1.
Model regresi yang dihasilkan harus terhindar dari penyakit asumsi klasik. Jika terdapat asumsi klasik maka harus dilakukan tindakan penyembuhan terhadap model yang dihasilkan. Yang perlu diperhatikan adalah : Pada umumnya tindakan penyembuhan akan memperbaiki kualitas dari model yang dihasilkan
atau dengan kata lain masalah penyakit akan teratasi. Namun yang perlu diperhatikan adalah tidak ada jaminan bahwa penyakit yang terjadi SECARA OTOMATIS AKAN SEMBUH. Bisa saja hanya kadar penyakitnya yang berkurang dan tidak sembuh total.
Dalam beberapa kasus bisa terjadi penyembuhan satu penyakit asumsi klasik akan menimbulkan penyakit asumsi klasik lainnya.
Intuisi dari si peneliti sangat dibutuhkan untuk melakukan tindakan penyembuhan. Artinya jika terdapat lebihd ari satu penyakit asumsi klasik maka harus dilakukan beberapa alternatif mana dulu penyakit yagn akan disembuhkan. Semakin sering melakukan penelitian maka intusisi si peneliti akan semakin baik untuk memperbaiki penyakit asumsi klasik yang terjadi.
1. MULTIKOLINEARITASPada model kasus 8.1 tidak terjadi pelanggaran asumsi klasik multikolinearitas, karena nilai VIF untuk ketiga variabel (interest, IHK dan EER) kurang dari 10. Jika terjadi pelanggaran asumsi klasik maka tindakah penyembuhan yang dapat dilakukan adalah :a. Melakukan transformasi terhadap variabel misal dalam bentuk log atau ln (Kecuali untuk
variabel yang satuannya % tidak boleh dirubah dalam bentuk log atau ln)b. Menambah jumlah observasi (jumlah data) c. Membuang variabel yang paling mengandung multikolinearitas. Hati-hati dalam
membuang variabel karena variabel independen utama sekalipun mengandung multikolinearitas tidak boleh dihilangkan. Misalnya : Untuk kasus fungsi permintaan, variabel harga tidak boleh dihilangkan sekalipun
terjadi multikolinearitas Untuk kasus fungsi investasi, variabel suku bunga tidak boleh dihilangkan sekalipun
terjadi multikolinearitas. Untuk kasus fungsi produksi, tenaga kerja tidak boleh dihilangkan sekalipun terjadi
multikolinearitas
Fakultas Ekonomi Universitas Trisakti, 2007
9-1
Modul Laboratorium Analisis Kuantitatif
2. HETEROSKEDASTISITAS Pada kasus 8.1. terjadi pelanggaran asumsi klasik heteroskedastisitas dimana ada 2 variabel yang mengandung heteroskedastisitas yaitu variabel INTEREST DAN IHK. Penyembuhan heteroskedastisitas dapat dilakukan dengan beberapa cara yaitu :
1) Merubah variabel dalam bentuk LOG atau LN. Dalam kasus ini karena ada dua variabel yang satuannya sudah prosen (%), maka transformasi dalam bentuk LOG hanya dilakukan untuk varaibel BLUECIP dan EER. Dengan langkah-langkah sebagai berikut :
Pastikan data file kasus 8.1 sudah siap seperti ditunjukkan gambar berikut :
Gambar 9.1.
Untuk merubah variabel BLUECHIP dalam bentuk LOG dilakukan dengan langkah-langkah KLIK TRANSFORM, COMPUTE sehingga akan muncul gambar 9.2
Fakultas Ekonomi Universitas Trisakti, 2007
9-2
Modul Laboratorium Analisis Kuantitatif
Gambar 9.2.
Pada kotak dialog COMPUTE VARIABLE, pada kolom TARGET VARIABLE buat variabel baru yang merupakan LOG dari BLUECHIP (ingat 8 huruf tanpa spasi) misal LOGBLUE. Pada NUMERIC EXPRESSION cari fungsi LG10 pada FUNCTION dan masukkan variabel BLUECHIP laku KLIK OK sehingga akan diperoleh variabel LOGBLUE yang merupakan log dari variabel BLUECHIP seperti ditunjukkan pada gambar berikut.
Gambar 9.3.
Lakukan langkah yang sama untuk variabel EER sehingga akan dihasilkan 2 variabel baru yaitu LOGBLUE DAN LOGEER seperti ditunjukkan pada gambar berikut :
Fakultas Ekonomi Universitas Trisakti, 2007
9-3
Modul Laboratorium Analisis Kuantitatif
Gambar 9.4.
Lakukan regresi ulang termasuk pengujian asumsi klasiknya dengan model yang diajukan adalah
LOGBLUE = f (INTEREST, IHK, LOGEER) Dan dihasilkan output sebagai berikut :
RegressionVariables Entered/Removedb
LOGEER,INTEREST, IHK
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: LOGBLUEb.
Model Summaryb
.957a .916 .912 .06005145 .409Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), LOGEER, INTEREST, IHKa.
Dependent Variable: LOGBLUEb.
Fakultas Ekonomi Universitas Trisakti, 2007
9-4
Modul Laboratorium Analisis Kuantitatif
ANOVAb
2.212 3 .737 204.443 .000a
.202 56 .004
2.414 59
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), LOGEER, INTEREST, IHKa.
Dependent Variable: LOGBLUEb.
Coefficientsa
-3.135 1.249 -2.510 .015
-1.29E-02 .003 -.206 -4.756 .000 .795 1.258
1.018E-02 .001 .763 16.507 .000 .699 1.431
1.099 .325 .154 3.380 .001 .720 1.388
(Constant)
INTEREST
IHK
LOGEER
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: LOGBLUEa.
Collinearity Diagnosticsa
3.905 1.000 .00 .00 .00 .00
8.773E-02 6.671 .00 .65 .02 .00
7.619E-03 22.637 .00 .29 .83 .00
1.896E-05 453.803 1.00 .06 .14 1.00
Dimension1
2
3
4
Model1
EigenvalueCondition
Index (Constant) INTEREST IHK LOGEER
Variance Proportions
Dependent Variable: LOGBLUEa.
Regression pengujian heteroskedastisitas setelah perbaikan dengan merubah dalam bentuk log
Fakultas Ekonomi Universitas Trisakti, 2007
9-5
Modul Laboratorium Analisis Kuantitatif
Variables Entered/Removedb
LOGEER,INTEREST, IHK
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: ABSRES2b.
Coefficientsa
-.190 .693 -.274 .785
5.027E-03 .002 .431 3.345 .001
-4.54E-04 .000 -.182 -1.327 .190
6.108E-02 .180 .046 .338 .736
(Constant)
INTEREST
IHK
LOGEER
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: ABSRES2a.
PERTANYAAN :Lakukan pengujian asumsi klasik yang baru, dan bagaimana KESIMPULANNYA. APAKAH MODEL YANG BARU TERHINDAR DARI MASALAH HETEROSKEDASTISITAS
2) Membagi dengan variabel yang mengandung heteroskedastisitas yang dalam hal ini adalah variabel INTEREST karena hateroskedastisitasnya paling parah. Pembentukan variabel baru dilakukan dengan formulasi :BLUE2 = BLUECHIP/INTERESTININTERS = 1/INTEREST (khusus untuk variabel INTEREST yang paling mengandung heteroskedastisitas dilakukan INVERS DARI INTEREST)IHK2 = IHK/INTERESTEER2 = EER/INTEREST
Contoh : membuat variabel BLUE2 adalah sbb :
Fakultas Ekonomi Universitas Trisakti, 2007
9-6
Modul Laboratorium Analisis Kuantitatif
Pastikan file kasus 8.1 sudah siap seperti ditunjukkan pada gambar berikut :
Gambar 9.5.
KLIK TRANSFORM, COMPUTE, OK sehingga akan muncul gambar 9.6. Jika masih ada formulasi lama KLIK RESET. Pada TARGET VARIABLE KLIK BLUE 2Pada NUMERIC EXPRESSION formulasikan BLUECHIP/INTEREST lalu OK sehingga akan terbentuk variabel BLUE2. Lakukan untuk semua variabel kecuali untuk INTEREST formulasinya seperti diatas 1/INTEREST. Lengkapnya varaibel baru dapat dilihat pada gambar 9..7
Fakultas Ekonomi Universitas Trisakti, 2007
9-7
Modul Laboratorium Analisis Kuantitatif
Gambar 9.6.
Gambar 9.7.
Fakultas Ekonomi Universitas Trisakti, 2007
9-8
Modul Laboratorium Analisis Kuantitatif
Lakukan regresi ulang termasuk pengujian asumsi klasiknya dengan model yang diajukan adalah
BLUE2 = f (ININTER, IHK2, EER2)
Dan dihasilkan output sebagai berikut :
RegressionVariables Entered/Removedb
EER2,IHK2,INIINTER
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: BLUE2b.
Model Summaryb
.983a .967 .965 2.54448169 .448Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), EER2, IHK2, INIINTERa.
Dependent Variable: BLUE2b.
ANOVAb
10586.591 3 3528.864 545.050 .000a
362.566 56 6.474
10949.157 59
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), EER2, IHK2, INIINTERa.
Dependent Variable: BLUE2b.
Fakultas Ekonomi Universitas Trisakti, 2007
9-9
Modul Laboratorium Analisis Kuantitatif
Coefficientsa
-4.823 1.206 -4.000 .000
-453.327 54.260 -1.215 -8.355 .000 .028 35.781
5.197 .234 1.864 22.200 .000 .084 11.929
9.435E-03 .006 .228 1.471 .147 .025 40.637
(Constant)
INIINTER
IHK2
EER2
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: BLUE2a.
Collinearity Diagnosticsa
3.913 1.000 .00 .00 .00 .00
7.922E-02 7.028 .70 .00 .01 .00
6.260E-03 25.001 .03 .08 .97 .07
1.419E-03 52.519 .26 .92 .02 .93
Dimension1
2
3
4
Model1
EigenvalueCondition
Index (Constant) INIINTER IHK2 EER2
Variance Proportions
Dependent Variable: BLUE2a.
Regression PENGUJIAN HETEROSKEDASTISITAS SETELAH PERBAIKAN DENGAN MEMBAGI VARIABEL YANG PALING MENGANDUNG HETEROSKEDASTISITAS
Variables Entered/Removedb
EER2,IHK2,INIINTER
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: ABSRES3b.
Fakultas Ekonomi Universitas Trisakti, 2007
9-10
Modul Laboratorium Analisis Kuantitatif
Coefficientsa
2.763 .692 3.993 .000
-77.439 31.137 -1.850 -2.487 .016
.259 .134 .827 1.925 .059
4.867E-03 .004 1.048 1.322 .191
(Constant)
INIINTER
IHK2
EER2
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: ABSRES3a.
PERTANYAAN :Lakukan pengujian asumsi klasik yang baru, dan bagaimana KESIMPULANNYA. APAKAH MODEL YANG BARU TERHINDAR DARI MASALAH HETEROSKEDASTISITAS
BANDINGKAN DENGAN HASIL PERBAIKAN PADA CARA PERTAMA (1) . MANA CARA YANG LEBIH BAIK UNTUK MENGATASI HETEROSKEDASTISITAS
3. AUTOKORELASI Pada kasus 8.1 terjadi autokorelasi sehingga penyembuhan dilakukan dengan langkah-langkah sebagai berikut :
Pastikan data file kasus 8.1 (YANG AWAL) sudah siap seperti ditunjukkan gambar berikut :
Gambar 9.8.
Cari koefisien autokorelasi (rho) dengan cara meregresikan
Fakultas Ekonomi Universitas Trisakti, 2007
9-11
Modul Laboratorium Analisis Kuantitatif
RESID DENGAN LAGRESID TANPA KONSTANTA atau secara formulasi dinyatakan dengan :
RESID = LAGRESIDDimana = koefisien autokorelasi
Untuk membuat LAGRESID dilakukan dengan langkah :PADA GAMBAR 9.8 KLIK TRANSFORM, COMPUTE sehingga akan muncul gambar 9.9
Gambar 9.9.
Pada TARGET VARIABLE KETIK LAGRES Pada NUMERIC EXPRESSION o Pada function cari fungsi LAG dan pindahkan ke NUMERIC EXPERESSION, lalu
masukkan variable RESID (res_1) ke kolom NUMERIC EXPRESSION. Lalu OK sehingga akan terbentuk variable baru yaitu LAGRES seperti ditunjukkan pada gambar 9.10 (variable LAGRES datanya akan berkurang 1)
Fakultas Ekonomi Universitas Trisakti, 2007
9-12
Modul Laboratorium Analisis Kuantitatif
Gambar 9.10.
o Lakukan regresi dengan fungís RESID f(LAGRES) tanpa konstanta dan yang dikeluarkan hanya ESTIMATE nya saja dengan langkah-langkahKLIK ANALYZE,REGRESSION, LINEAR sehingga akan muncul gambar beriikut ini
Pada DEPENDENT masukkan res_1Pada INDEPENDENT masukkan lagres
Gambar 9.11.
Pada STATISTICS cukup dipilih ESTIMATE
Fakultas Ekonomi Universitas Trisakti, 2007
9-13
Modul Laboratorium Analisis Kuantitatif
Gambar 9.12.
PADA OPTION hilangkah pilihan INCLUDE CONSTANT IN EQUATION (Gambar 9.13)
Gambar 9.13.
Dengan KLIK OK akan diperoleh hasil regresi sbb :
Regression
Fakultas Ekonomi Universitas Trisakti, 2007
9-14
Modul Laboratorium Analisis Kuantitatif
Variables Entered/Removedb,c
LAGRESa . EnterModel1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: Unstandardized Residualb.
Linear Regression through the Originc.
Coefficientsa,b
.844 .082 .806 10.352 .000LAGRESModel1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Unstandardized Residuala.
Linear Regression through the Originb.
TRANSFORMASIKAN SEMUA VARIABEL DENGAN FORMULASI SBB :BLUE3 = BLUE- (0.844*LAG(BLUECHIP))INTERES3 = INTEREST – (0.844*LAG(INTEREST))IHK3 = IHK-(0.844*LAG(IHK))EER3 = EER-(0.844*LAG(EER))
Menamakan variable baru misal BLUE3 dapat disesuaikand engan keinginan peneliti dalam menamakan variable, yang tidak boleh hádala KESALAHAN DALAM NUMERIC EXPRESSION
CONTOH UNTUK MEMBUAT BLUE3. Pada kertas verja 8.1 KLIK TRANSFORM, COMPUTE sehingga akan muncul gambar 9.14
Fakultas Ekonomi Universitas Trisakti, 2007
9-15
KOEFISIEN AUTOKORELASI 0.844
Modul Laboratorium Analisis Kuantitatif
Gambar 9.14.
Pada target variabel KETIK : blue3Pada numeric expression tulis : bluechip-(0.844*LAG(bluechip))
Laku KLIK OK sehingga akan diperoleh variabel blue3
Lakukan hal yang sama untuk variabel INTEREST3, IHK3, EER3 Sehingga diperoleh hasil gambar 9.15
Fakultas Ekonomi Universitas Trisakti, 2007
9-16
Modul Laboratorium Analisis Kuantitatif
Gambar 9.15.
LAKUKAN REGRESI TERBARU LENGKAP DENGAN PENGUJIAN ASUMSI KLASIK UNTUK MODEL BLUE3 = f (INTERES3, IHK3, EER3) sehingga diperoleh hasil sebagai berikut :
Regression
Variables Entered/Removedb
EER3,INTERES3, IHK3
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: BLUE3b.
Fakultas Ekonomi Universitas Trisakti, 2007
9-17
Modul Laboratorium Analisis Kuantitatif
Model Summaryb
.814a .663 .645 11.22194311 1.500Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), EER3, INTERES3, IHK3a.
Dependent Variable: BLUE3b.
ANOVAb
13622.955 3 4540.985 36.059 .000a
6926.260 55 125.932
20549.215 58
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), EER3, INTERES3, IHK3a.
Dependent Variable: BLUE3b.
Coefficientsa
-74.040 14.370 -5.152 .000
-1.085 1.372 -.063 -.791 .432 .967 1.034
.514 .050 .816 10.204 .000 .959 1.042
-.009 .007 -.094 -1.173 .246 .954 1.048
(Constant)
INTERES3
IHK3
EER3
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: BLUE3a.
Collinearity Diagnosticsa
3.649 1.000 .00 .02 .00 .00
.327 3.339 .00 .90 .00 .01
.018 14.429 .02 .01 .31 .82
.007 23.158 .97 .07 .69 .17
Dimension1
2
3
4
Model1
EigenvalueCondition
Index (Constant) INTERES3 IHK3 EER3
Variance Proportions
Dependent Variable: BLUE3a.
Fakultas Ekonomi Universitas Trisakti, 2007
9-18
Modul Laboratorium Analisis Kuantitatif
Casewise Diagnosticsa
-3.883 14.47835Case Number54
Std. Residual BLUE3
Dependent Variable: BLUE3a.
Residuals Statisticsa
9.7457132 63.39215 33.65898 15.32574730 59
-43.5712 18.37653 .0000000 10.92786725 59
-1.560 1.940 .000 1.000 59
-3.883 1.638 .000 .974 59
Predicted Value
Residual
Std. Predicted Value
Std. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: BLUE3a.
Regression pengujian heteroskedastisias setelah penyembuhan autokorelasi
Variables Entered/Removedb
EER3,INTERES3, IHK3
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: ABSRES3b.
Coefficientsa
-10.508 8.764 -1.199 .236
.222 .837 .035 .265 .792
.061 .031 .261 1.983 .052
.003 .005 .100 .757 .452
(Constant)
INTERES3
IHK3
EER3
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: ABSRES3a.
PERTANYAAN :
Fakultas Ekonomi Universitas Trisakti, 2007
9-19
Modul Laboratorium Analisis Kuantitatif
LAKUKAN PENGUJIAN ASUMSI KLASIK YANG TERBARU DAN APA KESIMPULANNYA
Fakultas Ekonomi Universitas Trisakti, 2007
9-20