Professional Documents
Culture Documents
MULTIKOLINIERITAS
Analysis of Variance
Source DF SS MS F P
Regression 2 1150.47 575.24 16.75 0.000
Residual Error 18 618.10 34.34
Total 20 1768.57
Source DF Seq SS
X2 1 1057.69
X3 1 92.78
Analysis of Variance
Source DF SS MS F P
Regression 2 119.505 59.753 13.39 0.000
Residual Error 18 80.304 4.461
Total 20 199.810
Source DF Seq SS
X1 1 119.496
X3 1 0.009
Source DF SS MS F P
Regression 2 151.27 75.63 3.22 0.064
Residual Error 18 423.02 23.50
Total 20 574.29
Source DF Seq SS
X1 1 151.22
X2 1 0.05
Unusual Observations
Obs X1 X3 Fit SE Fit Residual St Resid
17 50.0 72.00 83.31 1.60 -11.31 -2.47R
Terdapat multikolinieritas antara variabel X1,X2 dan X3sehingga akan dilakukan perbaikan
model dengan Output dibawah ini :
Variables Entered/Removed(c)
Variables Variables
Model Entered Removed Method
1 X3, X2,
. Enter
X1(a)
2
Stepwise
(Criteria:
Probability-
of-F-to-
enter <= ,
. X3
050,
Probability-
of-F-to-
remove
>= ,100).
ANOVA(f)
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1863,242 3 621,081 51,255 ,000(a)
Residual 205,996 17 12,117
Total 2069,238 20
2 Regression 1852,528 2 926,264 76,936 ,000(b)
Residual 216,710 18 12,039
Total 2069,238 20
3 Regression ,000 0 ,000 . .(c)
Residual 2069,238 20 103,462
Total 2069,238 20
4 Regression 1693,108 1 1693,108 85,526 ,000(d)
Residual 376,130 19 19,796
Total 2069,238 20
5 Regression 1852,528 2 926,264 76,936 ,000(e)
Residual 216,710 18 12,039
Total 2069,238 20
Model Summary
Standardized
Model Unstandardized Coefficients Coefficients t Sig.
Excluded Variables(e)
Partial
Model Beta In t Sig. Correlation Collinearity Statistics
Tolerance
2 X3 -,084(a) -,940 ,360 -,222 ,737
3 X3 ,400(b) 1,901 ,073 ,400 1,000
X1 ,905(b) 9,248 ,000 ,905 1,000
X2 ,876(b) 7,898 ,000 ,876 1,000
4 X3 -,087(c) -,758 ,458 -,176 ,737
X2 ,438(c) 3,639 ,002 ,651 ,402
5 X3 -,084(d) -,940 ,360 -,222 ,737
Dari tabel di atas dapat disimpulkan bahwa terdapat Multikolinieritas pada model
sehingga model yang baru harus dibuat lagi. Dari tabel tersebut terdapat variabel yang
bisa dimodelkan dengan berbagai metode tetapi dengan mempertimbangkan R-sqr, R-sqr
adjusted, Uji Parsial dan Uji Simultan terdapat model yang bisa dipakai yaitu dengan
memasukkan variabel Y, X1 dan X2 dimana X3 dihilangkan.
Regression Analysis: Y versus X1; X2
Analysis of Variance
Source DF SS MS F P
Regression 2 1852,53 926,26 76,94 0,000
Residual Error 18 216,71 12,04
Total 20 2069,24
Source DF Seq SS
X1 1 1693,11
X2 1 159,42
Unusual Observations
Obs X1 Y Fit SE Fit Residual St Resid
21 70,0 15,000 22,015 1,800 -7,015 -2,36R
,999
,99
,95
,80
Probability
,50
,20
,05
,01
,001
-5 0 5
RESI8 Anderson-Darling Normality Test
Average: 0,0000000 A-Squared: 0,268
StDev: 3,29173
N: 21 P-Value: 0,648
Dari gambar diatas terlihat bahwa Sisaan menyebar secara Normal, hal ini juga dapat
diketahui dengan Uji Anderson Darling dimana Hipotesisnya yaitu :
Ho : Sisaan menyebar Normal vs
H1 : Sisaan tidak menyebar Normal
Dari perhitungan didapatkan bahwa A2 hitung= 0.268 dan A2 tabel = 0.752 sehingga
Terima Ho dengan kesimpulan sisaan menyebar Normal.
5. HETEROSKEDASTISITAS
Ada 2 cara untuk mengetahui Indikasi adanya Heteroskedastisitas yaitu:
a) Plotkan antara ei2 dengan Y duga dan Xi
Plot ei2 dengan X2
50
40
30
ei2
20
10
50
40
30
ei2
20
10
50 60 70 80
X1
Plot ei2 dengan Y duga
50
40
30
ei2
20
10
10 20 30 40
FITS8
Dari gambar terlihat bahwa tidak ada pola sehingga dapat dikatakan tidak terjadi
Heteroskedastisitas
b) Uji Park
Analysis of Variance
Source DF SS MS F P
Regression 1 31,278 31,278 7,32 0,014
Residual Error 19 81,152 4,271
Total 20 112,429
Unusual Observations
Obs LnX1 ln Fit SE Fit Residual St Resid
16 3,91 -6,131 -0,400 0,700 -5,731 -2,95R
Analysis of Variance
Source DF SS MS F P
Regression 1 22,688 22,688 4,80 0,041
Residual Error 19 89,741 4,723
Total 20 112,429
Unusual Observations
Obs LnX2 ln Fit SE Fit Residual St Resid
16 2,89 -6,131 -0,029 0,683 -6,102 -2,96R
Karena diperoleh R2 yang tidak terlalu besar pada masing-masing analisis regresi
Xi di atas, yaitu 27,8% dan 20,2% sehingga dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas dan memenuhi asumsi Analisis Regresi.
6. AUTOKORELASI
Dengan tidak adanya Autokorelasi yang mana cov(ei,ei-1)=0 dapat dideteksi dengan uji
Durbin-Watson dengan Hipotesisnya adalah :
H0 : tidak ada autokorelasi antar sisaan vs
H1 : ada autokorelasi antar sisaan
Dari analisis didapatkan bahwa: : dhitung = Durbin-Watson statistic = 1,65
Dengan =0.05 maka dL=0.89 dan dU=1.27 dan 4- dU =2.73 sehingga didapatkan hasil
dU < dhitung <4- dU maka TERIMA Ho yang berarti tidak ada Autokorelasi antar sisaan.