BAB II LANDASAN TEOR
F. Uji Asumsi Klasik
Uji Normalitas merupakan suatu alat uji yang digunakan untuk menguji apakah dari variabel-variabel yang digunakan dalam model regresi mempunyai distribusi normal atau tidak. Uji statistik yang digunakan untuk uji normalitas data dalam penelitian ini adalah uji normalitas atausampel Kolmogorov- Smirnov. Hasil analisis ini kemudian dibandingkan dengan nilai kritisnya.
Menurut Singgih Santoso22, dasar pengambilan keputusan, yaitu sebagai berikut :
a. Nilai Probabilitas > 0,05, maka hal ini berarti bahwa data tersebut berdistribusi normal.
b. Nilai Probabilitas < 0,05, maka hal ini berarti bahwa data tersebut tidak berdistribusi normal.
Cara lain untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Menurut Singgih Santoso23 metode yang digunakan adalah pengujian secara visual dengan metode gambar normal
Probability Plots dalam program SPSS yang membandingkan distribusi kumulatif dari distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik.
22
Singgih Santoso, Op.cit., h. 154
23
Dasar pengambilan keputusan:
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.
2) Jika data menyebar jauh dari garis diagonal dan/atau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas.
2. Uji Homogenitas
Perlunya dilakukan pengujian terhadap kesamaan (homogenitas) beberapa bagian sampel, yaitu seragam atau tidaknya variansi sampel-sampel yang diambil dari populasi yang sama24. Pengujian homogenitas menjadi penting bila peneliti bermaksud mencari generelisasi untuk hasil penelitiannya serta penelitian yang data penelitiannya diambil dari kelompok-kelompok terpisah yang berasal dari satu populasi.
Pengujian homogenitas data adalah pengujian mengenai sama tidaknya variansi- variansi dua buah distribusi atau lebih. Untuk menguji homogenitas varians variabel dilakukan dengan menggunakan Uji-F. Dengan ketentuan jika Fhitung< Fta be l, maka varians dari kelompok tersebut homogen. Dalam aplikasinya peneliti menggunakan program SPSS dengan kriteria uji apabila nilai r lebih kecil atau sama dengan (=) dari tingkat yang ditentukan, maka skor-skor pada variabel tersebut menyebar secara
24
homogen.25
Uji homogenitas yang akan dibahas dalam adalah Uji Homogenitas Variansi dan Uji Bartlett. Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak. Langkah-langkah menghitung uji homogenitas :
a. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :
b. Mencari F hitung dengan dari varians X danY, dengan rumus :
Keterangan :
Pembilang: S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut: S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)
Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.
c. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan: 1). Untuk varians dari kelompok dengan variance terbesar adalah dk
pembilang n-1.
25
Sambas Ali Muhidin dan Maman Abdurrahman, Analisis Korelasi, Regresi, dan Jalur dalam Penelitian, h. 89
2). Untuk varians dari kelompok dengan variance terkecil adalah dk penyebut n-1.
3). Jika F hitung < F tabel, berarti homogen. 4). Jika F hitung > F tabel, berarti tidak homogen 3. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel bebas. Uji multikolinieritas dilakukan dengan melihat tolerance value atau dengan menggunakan Variance Inflation Factors (VIF) dari hasil analisis dengan menggunakan SPSS. Nilai VIF dapat dihitung dengan rumus yaitu sebagai berikut:
VIF =
Uji multikolinearitas dilakukan dengan melihat tolerance value dan
variance inflation factor (VIF). Multikolinearitas terjadi bila nilai VIF diatas nilai 10 atau tolerance value dibawah 0,10. Multikolinearitas tidak terjadi bila nilai VIF dibawah nilai 10 atau tolerance value diatas 0,10 26.
4. Uji Autokorelasi
Masalah autokorelasi sama seperti maslah multikolinieritas, heterokedastisitas. Autokorelasi merupakan salah satu asumsi dalam model regresii linier. Uji autokorelasi untuk mengetahui apakah dalam persamaan regresi terdapat kondisi serial atau tidaknya antara variabel pengganggu. Untuk mengetahui apakah persamaan regresi ada atau tidak autokorelasi akan
26
digunakan pendekatan Durbin Watson (DW) test27.
Kaidah yang digunakan untuk mengetahui model tersebut terjadi atau tidaknya korelasi serial antara error term adalah nilai Dw lebih besar daripada Du atau lebih kecil dari 4-Du. Maka kriteria uji Durbin watson adalah :
Du < Dw < 4 – Du B C D A E Keterangan : A = Ada Autokorelasi B = Ragu- ragu
C = Tidak ada autokorelasi D = Ragu – ragu
E = Ada Autokorelasi 5. Uji Heteroskedastisitas
Salah satu asumsi yang penting dalam analisis atau model regresi linier adalah faktor penggangu u1 atau error term atau disturbance term. Uji ini untuk digunakan
untuk mengetahui variabel pengganggu dalam persamaan regresi mempunyai varians yang sama atau tidak. Jika mempunyai varians yang sama, berarti tidak terdapat heteroskedastisitas, sedangkan jika mempunyai varians yang tidak sama
27
Sugiyono & Agus Susanto, Cara Mudah Belajar SPSS & LISREL: Teori dan aplikasi untuk Analisis Data Penelitian, (Bandung, Alfabeta: 2015), h. 332
maka terdapat heterokesdastisitas28.
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Heteroskedastisitas berarti suatu situasi di mana varians dari variabel dependen bervariasi di seluruh data. Heteroskedastisitas mempersulit analisis karena banyak metode dalam analisis regresi didasarkan pada asumsi varians sama. Masalah heteroskedastisitas lebih sering muncul pada data cross- sectional daripada time series walupun bukan berarti data time series bebas masalah heterokedastisitas. Untuk mendeteksi gejala heterokedastisitas dapat ditempuh lewat metode formal dan informal. Metode informal biasanya dilakukan dengan metode grafik dimana sumbu vertikal (x) menjelaskan nilai prediksi disturbance term error dan sumbu horisontal (y) merupakan nilai prediksi variabel regresor. Variabel dinyatakan bebas heteroskedastisitas jika tidak terdapat pola yang jelas dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y.
Metode formal dapat dilakukan dengan uji Park, uji Glejser, uji Korelasi Spearman’s, dan uji Goldfeld-Quant, yang dijelaskan sebagai berikut :
a.Uji Park
Metode ini merupakan formalisasi dari metode grafik dimana varians merupakan fungsi dari variabel regressor:
σ2i = σ2Xβeε
ln σ2i = ln σ2 + β ln X + v ln ε2i = α + β lnX + v
28
Metode ini dilakukan dengan meregresikan variabel regressan dengan variabel regressor untuk mendapatkan nilai disturbance term error . Kemudian nilai kuadrat prediksi disturbance term error dengan variabel regressan. Indikasi akan terjadinya masalah heteroskedastisitas pada metode ini dapat dilihat pada signifikansi koefisien β. Jika koefisien β signifikan (t hitung> t tabel dan atau p < 0,05) maka dapat dipastikan bahwa variabel bebas yang diuji tersebut terkena masalah heteroskedastisitas.
a. Uji Glejser │ln ε2i│ = α + β lnX + v
b. Uji Korelasi Spearman’s
Langkah yang harus ditempuh lewat metode ini adalah: 1). Regresikan variabel regressan dengan variabel regressor
Ambil nilai mutlak disturbance term error dan lakukan ranking terhadap nilai disturbance term error dan ranking nilai variabel regressan atau variabel regressor untuk menghitung koefisien korelasi Spearman (ρ). Nilai d dari koefisien korelasi Spearman dihitung berdasar selisih ranking variabel regressan atau variabel regressor. Rumus koefisien korelasi Spearman’s (rumus pertama dipakai jika tidak terjadi urutan ranking yang sama, n tier):
dan
Uji koefisien korelasi Spearman dengan distribusi t pada nilai df=n-2, jika signifikan, berarti ada masalah heterokedastisitas.