A. Uji Overall / simultan
- H0 : β1 = β2 = β3 = 0
H1 : minimal ada satu βj ≠ 0 di mana j = 1,2,3
Taraf signifikansi : α = 0.05
- Statistik uji : Fobs = MSR/MSE
- Wilayah kritis : Tolak H0 jika Fobs > F(1-α; (p-1); (n-p)) ataau Tolak H0 jika p-value < 0,05
Sumber : buku Applied Linear Regression Models karangan John Neter, William Wasserman, Michael H. Kutner hal 240
B. Uji Parsial t
1. Uji Signifikansi β0
- H0 : β0 = 0
- H1 : β0 ≠ 0
- Taraf signifikansi : α = 0,05
- Wilayah Kritis : Tolak H0 jika |tobs| > t(1-α/2 ; n-(k+1))
atau P-Value < 0.05
- Statistik uji : tobs = β0/s(β0) atau dilihat dari nilai P-Valuenya
2. Uji Signifikansi β1
- H0 : β1 = 0
- H1 : β1 ≠ 0
- Taraf signifikansi : α = 0,05
- Wilayah Kritis : Tolak H0 jika |tobs| > t(1-α/2 ; n-(k+1))
atau P-Value < 0.05
- Statistik uji : tobs = β1/s(β1) atau dilihat dari nilai P-Valuenya
3. Uji Signifikansi β2
- H0 : β2 = 0
- H1 : β2 ≠ 0
- Taraf signifikansi : α = 0,05
- Wilayah Kritis : Tolak H0 jika |tobs| > t(1-α/2 ; n-(k+1))
atau P-Value < 0.05
- Statistik uji : tobs = β2/s(β2) atau dilihat dari nilai P-Valuenya
4. Uji Signifikansi β3
- H0 : β3 = 0
- H1 : β3 ≠ 0
- Taraf signifikansi : α = 0,05
- Wilayah Kritis : Tolak H0 jika |tobs| > t(1-α/2 ; n-(k+1))
atau P-Value < 0.05
- Statistik uji : tobs = β3/s(β3) atau dilihat dari nilai P-Valuenya
Sumber : buku Applied Linear Regression Models karangan John Neter, William Wasserman, Michael H. Kutner hal 243
C. Uji Asumsi
1. Asumsi Normalitas
H0 : E(ei) = 0 dan E(ei2) = σ2 atau diringkas ei ~ N (0; σ2)
H1 : E(ei) ≠ 0 dan E(ei2) ≠ σ2 atau diringkas ei bukan N (0; σ2)
α = 0,05
Wilayah kritis : Tolak H0 jika p-value < 0.05
Sumber : Buku Ekonometrika Dasar karangan Damodar Gujarati alih bahasa oleh Drs.Ak.Sumarno Zain, MBA hal.66
2 . Asumsi Linearitas
Jika sebaran plot regression standardized predicted value dengan regression standardized residual ataupun residual plot dengan independent variable menyebar secara acak disekitar nol maka asumsi linearitas terpenuhi
Sumber : buku Applied Linear Regression Models karangan John Neter, William Wasserman, Michael H. Kutner hal 118
3. Asumsi non Multikolinearitas
H0 : ρij = 0 untuk i ≠ j
H1 : ρij ≠ 0 untuk i ≠ j
Dimana ρij adalah korelasi antara Xi dan Xj
α = 0,05
Wilayah kritis:
Tolak H0 jika |rij| ≥ 0,7 untuk i ≠ j
Contoh output SPSS utk uji nonmultikolinieritas :
Y = tingkat produksi
X1 = Bahan Baku
X2 = Tenaga Kerja
X3 = mesin
Correlations | |||||
| | Ln_Prod | Ln_bb | Ln_TK | Ln_mesin |
Pearson Correlation | Ln_Prod | 1.000 | .955 | .671 | .608 |
Ln_bb | .955 | 1.000 | .600 | .523 | |
Ln_TK | .671 | .600 | 1.000 | .589 | |
Ln_mesin | .608 | .523 | .589 | 1.000 | |
Sig. (1-tailed) | Ln_Prod | . | .000 | .000 | .000 |
Ln_bb | .000 | . | .000 | .000 | |
Ln_TK | .000 | .000 | . | .000 | |
Ln_mesin | .000 | .000 | .000 | . | |
N | Ln_Prod | 68 | 68 | 68 | 68 |
Ln_bb | 68 | 68 | 68 | 68 | |
Ln_TK | 68 | 68 | 68 | 68 | |
Ln_mesin | 68 | 68 | 68 | 68 |
Berdasarkan hasil uji di SPSS dihasilkan Nilai VIF untuk masing-masing variabel independen (bebas) yaitu LnTenagaKerja, LnBahanBaku, dan LnMesin berturut-turut adalah sebagai berikut : 1.7, 1.9 ,dan 1.6. Karena nilai VIF untuk ketiga variabel bebas tersebut kurang dari 5, maka hal ini mengindikasikan terpenuhinya asumsi non-multikolinearitas.
Sumber : buku Applied Linear Regression Models karangan John Neter, William Wasserman, Michael H. Kutner hal 407).
4. Asumsi Homoskesdastisitas
Uji park
Model
Ln ei2 = Ln σ2 + β Ln Xi + εi = α + β Ln X
Ln ei2 = Ln σ2 + β Ln Xi + εi = α + β Ln X
H0 : E(εi2) = σ2 atau var(εi ) = σi2
H1 : E(εi2) ≠ σ2 atau var(εi ) ≠ σi2
Taraf signifikansi : α = 0,05
Jika koefisien regresi (β ) signifikan secara statistik, maka menolak H0 atau terjadi heteroskedastisitas. Sebaliknya apabila menerima H0, maka asumsi homoskedastisitas terpenuhi.
Hasil pengujian model dengan menggunakan fungsi Park di atas ternyata diperoleh bahwa ketiga parameter pada fungsi Park tersebut tidak signifikan secara statistik ( . Sehingga disimpulkan bahwa asumsi homoskedastisitas terpenuhi.
Sumber : Basic Econometrics Third Edition, Damodar N. Gujarati. hal 68, 69,203,387,dan 388
5.Asumsi nonautokorelasi
H0 : E(εi εj) = 0 untuk i ≠ j
H1 : E(εi εj) ≠ 0 untuk i ≠ j
α = 0,05
Statistik uji D
Wilayah kritis : d < dl : ada autokorelasi (+)
dl < d < (4 – du) : tidak ada autokorelasi
dl < d < du atau 4 – du < d < 4 – dl : tidak ada kesimpulan
Applied Linear Regression Models karangan John Neter, William Wasserman, Michael H. Kutner hal 49
0 komentar:
Posting Komentar