MAKALAH TEKNIK PROYEKSI BISNIS PENGUJIAN ASUMSI KLASIK
Dosen Pengampu : Dwi Dewisri Kinasih, S.E,M.Sc
Disusun Oleh : KELOMPOK 1
Akbar Ramadhan Putra (190304053) Rini farida yanti (200304283) Rizka indryani (200304003) Tia Evana Sagala (200304289)
Fitria Aini ( 200304051)
Hilda Nopitasari (200304277)
Feriwidianto (200304042)
PRODI MANAJEMEN FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH RIAU
TAHUN 2021/2022
2 DAFTAR ISI
DAFTAR ISI ... ii
BAB I ... 3
A. Latar Belakang ... 3
B. Rumusan Masalah ... 3
C. Tujuan Masalah ... 3
BAB II ... 4
A. Pengertian Pengujian Asumsi Klasik ... 4
B. Jenis-jenis Pengujian Asumsi Klasik ... 4
BAB III ... 7
A. Kesimpulan ... 7
B. Saran ... 7
DAFTAR PUSTAKA ... 8
A. Latar Belakang BAB I
PENDAHULUAN
Dalam proyeksi bisnis menggunakan pengujian asumsi klasik merupakan Teknik proyeksi bisnis yang dilakukan dengan sebagai persyaratan statistic yang harus dipenuhi pada analisis regresi linear berganda yang berbasis OLS (Ordinary Least Square). Untuk memastikan bahwa model regresi yang diperoleh merupakan model yang terbaik dalam hal ketepatan estimasi, tidak bias, serta konsisten, maka perlu dilakukan pengujian asumsi klasik (Juliandi et al., 2014).
Dalam pertemuan ini akan dibahas berbagai pengujian proyeksi bisnis dengan pengujian asumsi klasik. Uji asumsi klasik untuk memastikan persamaan regresi yang difungsikan tepat dan valid. Melakukan uji asumsi klasik sebelum menguji hipotesis dianggap sebagai sebuah syarat yang dilakukan pada penelitian kuantitatif. Apabila hasil uji asumsi klasik ternyata tidak sesuai dengan yang diharapkan, maka akan timbul berbagai reaksi yang beragam.
B. Rumusan Masalah
1. Apakah yang dimaksud dengan pengujian asumsi klasik?
3 2. Apa saja jenis-jenis pengujian asumsi klasik?
C. Tujuan Masalah
1. Untuk mengetahui apa itu pengujian asumsi klasik
2. Untuk mengetahui apa saja jenis-jenis pengujian asumsi klasik
BAB II PEMBAHASAN A. Pengertian Pengujian Asumsi Klasik
Analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah asumsi klasik. Model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary Least Square (OLS) merupakan model regresi yang menghasilkan estimator linear tidak bias yang terbaik (best linear unbiased estimator/blue). Kondisi ini akan terjadi jika beberapa asumsi yang disebut dengan asumsi klasik dipenuhi. Gujarati (1995) dalam bukunya yang berjudul Basic econometrics, mengemukakan ada beberapa asumsi klasik, yaitu :
a. model regresi adalah linear, yaitu linear dalam parameter.
b. Nilai xi atau variabel independen adalah tetap untuk sampel yang berulang-ulang.
c. Residual, mempunyai nilai rata-rata nol.
d. Homoskedastisitas atau varian dari residual adalah konstan.
e. Tidak terdapat autokorelasi antara nilai residual
f. Kovarian antara residual dan variabel bebas adalah nol
g. Jumlah observasi harus lebih banyak dibanding parameter yang akan diestimasi.
h. Variabel bebas dalam sampel tertentu harus memiliki nilai yang tidak sama.
i. Spesifikasi dari model regresi yang digunakan harus benar.
j. Tidak terdapat multikolinearitas yang sempurna k. Nilai residual berdistribusi normal
B. Jenis-jenis Pengujian Asumsi Klasik a. Normalitas
Uji normalitas dimaksud untuk mengetahui apakah residual yang telah distandarisasi berdistribusi normal atau tidak. Tidak terpenuhinya normalitas umumnya disebabkan karena distribusi data yang dianalisis tidak normal. Nilai ekstrem ini dapat terjadi karena adanya kesalahan dalam pengambilan sampel, bahkan karena kesalahan dalam melakukan input data atau memang karena karakteristik data tersebut memang tidak normal. Cara mendeteksi apakah nilai residual terstandarisasi berdistribusi normal atau tidak dapat menggunakan :
● Metode analisis grafik
● Uji signifikansi skewness dan kurtosis
● Uji liliefors
● Uji kolmogorov-smirnov
● Uji jarque-bera (JB test) b. Multikolinearitas
multikolineastitas berarti terjadi korelasi linear yang mendekati sempurna antara lebih dari dua variabel bebas. Penyebab terjadinya multikolinearitas yaitu kebanyakan variabel ekonomi berubah sepanjang waktu, adanya penggunaan nilai lag dari variabel- variabel bebas tertentu dalam model tersebut, metode pengumpulan data yang dipakai, adanya kendala dalam model atau populasi yang menjadi sampel, adanya kesalahan spesifikasi model dan adanya model yang berlebihan.
Ada dua metode yang paling sering digunakan untuk mendeteksi ada nya kesalahan multikolinearitas.
● Menggunakan VIF (variance inflation factor) untuk mengetahui ada tidaknya multikolinearitas antar variabel dengan melihat dari nilai VIF masing-masing variabel bebas terhadap variabel terikat.
● Menggunakan matriks korelasi antar variabel bebas. Untuk melihat besarnya nilai koefisien korelasi antar variabel bebasnya, jika nilai koefisien korelasi antara masing-masing variabel bebasnya tidak lebih dari 0,7 berarti model tersebut tidak mengandung unsur multikolinear.
c. Heteroskedastisitas
Dengan adanya heteroskedastisitas berarti ada varian variabel dalam model yang tidak sama (konstan). Sebaliknya jika varian variabel dalam model memiliki nilai yang sama (konstan) disebut sebagai homoskedastisitas. Ada beberapa penyebab terjadinya perubahan nilai varian yang kemudian berpengaruh terhadap homoskedasitas residual, yaitu adanya pengaruh dari kurva pengalam, adanya peningkatan perekonomian, dan adanya peningkatan teknik pengambilan data.
Untuk menguji adanya masalah heteroskedastisitas dapat dilakukan dengan menggunakan beberapa metode, yaitu :
● Metode analisis grafik
● Metode glejser
● Metode park
● Metode white
● Metode rank spearman d. Linearitas
Pengujian ini perlu dilakukan untuk mengetahui model yang dibuktikan merupakan model linear atau tidak. Dengan uji linearitas ini akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik. Ada beberapa cara untuk menguji apakah model sebaiknya menggunakan persamaan linear atau tidak, yaitu :
● Metode analisis grafik
● Metode uji MWD (Mackinnon, White dan Davidson)
● Metode uji lagrange multiplier ( LM-test)
Konsekuensi yang terjadi bila melakukan uji linearitas yaitu apabila kita salah dalam menentukan apakah model sebaiknya linear atau nonlinear maka nilai prediksi yang dihasilkan akan menyimpang jauh sehingga nilai prediksinya akan menjadi bias.
e. Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (times-series) atau ruang (cross section). Ada beberapa penyebab munculnya masalah autokorelasi dalam analisis regresi, yaitu adanya kelembaman, bias spesifikasi model kasus variabel yang tidak dimasukkan, adanya fenomena laba-laba, manipulasi data, dan adanya kelembaman waktu. Menurut Gujarati (1995) ada beberapa cara untuk mendeteksi ada atau tidaknya masalah autokorelasi, yaitu :
● Metode Durbin-Watson
● Metode uji lagrange multiplier ( LM-test)
● Uji run test
Gujarati (1995) dalam Aliman (1999) menyebutkan beberapa konsekuensi dari munculnya masalah autokorelasi dalam analisis regresi, yaitu :
● Penaksiran OLS unbiased dalam penyampelan berulang dan konsisten, tetapi sebagaimana dalam kasus heteroskedastisitas, penaksiran OLS tidak lagi efisien
atau mempunyai varian minimum, baik dalam sampel kecil maupun sampel kecil.
● Estimasi varian dari penaksir-penaksir OLS adalah bias dimana hasil perhitungan varian dari kesalahan baku yang sebenarnya. Akibatnya, nilai t- statistik penaksiran OLS tersebut menjadi tinggi.
A. Kesimpulan
BAB III PENUTUP
Pengujian asumsi klasik merupakan salah satu uji yang digunakan sebagai syarat statistik.
Uji asumsi harus dipenuhi pada analisis regresi linear berganda dengan OLS. Ada lima jenis asumsi klasik, yaitu uji normalitas, uji multikolinearitas, uji heteroskedastisitas, uji linearitas dan uji autokorelasi.
B. Saran
Dengan adanya pengujian asumsi klasik yang menjadi syarat perhitungan statistik pada penelitian kuantitatif memudahkan para pembaca dan mahasiswa lainnya dalam melakukan penelitian.
DAFTAR PUSTAKA
Suliyanto. (2008). Teknik Proyeksi Bisnis Teori dan Aplikasi dengan Microsoft Excel.
Yogyakarta : Andi
