TOPIK 7
UJI ASUMSI KLASIK
Uji asumsi klasik bertujuan untuk meyakinkan kelayakan model yang dibuat, terutama untuk tujuan memprediksi (Utama, 2012:99). Pada umumnya uji asumsi klasik yang digunakan adalah Uji Normalitas, Uji Multikolinieritas, Uji Heteroskedastisitas, dan Uji Heteroskedastisitas.
1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi yang digunakan baik variabel bebas maupun variabel terikat yang digunakan sudah berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi residual yang normal atau mendekati normal (Utama, 2012:99). Uji normalitas salah satunya dilakukan dengan menguji normalitas residual dengan menggunakan uji Kolmogorov-Smirnov dimana data yang berdistribusi normal jika Asymp Sig (2-tailed) lebih besar dari 0,05.
Praktikum pengujian normalitas dengan SPSS adalah sebagai berikut.
a) Lakukan Analisis Regresi seperti biasa dengan memasukkan variabel dependen dan variabel independen
b) Pada kotak dialog, Klik Tombol Save , lalu aktifkan pilihan pada Unstandardize pada blok Residual. Hasilnya akan seperti pada Gambar 7.1
Gambar 7.1 Pilihan Save nilai Unstandardize
Pilihan diatas akan menyebabkan di file data akan terbentuk variabel baru dengan nama Res_1 dan memiliki label Unstandardized Residual. . Lanjutkan dengan mengklik Tombol Continue, dan selesaikan analis regresi
c) Lakukan analisis Uji Normalitas dengan menggunakan Uji Kolmogorov Smirnov dan memasukkan variabel Res_1 sebagai variabel yang ditest.
Perhatikan nilai signifikansi dari uji Kolmogorov Smirnov.
Catatan:
Variabel Res_1 akan dipakai juga pada uji asumi Heteroskedastisitas
2) Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel bebas satu dengan variabel bebas lainnya. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolinieritas dapat dilihat dari nilai tolerance atau variabel inflation factor (VIF). Jika nilai tolerance
lebih besar dari 10% atau VIF < 10, maka dapat dikatakan model telah bebas dari masalah multikolinieritas (Ghozali, 2013:106).
Langkah-langkah uji Multikolenearitas:
a) Lakukan Analisis Regresi seperti biasa dengan memasukkan variabel dependen dan variabel independen
b) Pada kotak dialog, Klik Tombol Statistik, lalu aktifkan pilihan pada Collinearitas diagnostics untuk uji Multikolinearitas dan pilihan Durbin-Watson untuk uji Autokorelasi. Uji Autokorelasi akan dibahas pada asumsi yang keempat.
Hasilnya akan seperti pada Gambar 7.2
Gambar 7.2 Pilihan Statistik unuk Uji Multikolenearitas dan Autokorelasi
Lanjutkan dengan mengklik Tombol Continue, dan selesaikan analis regresi c) Pada output regresi, tepatnya pada kolom terkanan table Coefficients akan
muncul dua kolom yaitu kolom Tolerance dsn VIF. Jika nilai VIF masing-masing variabel bebas < 10, maka data bebas masalah multikolinieritas
3) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah model regresi ditemukan ketidaksamaan varian dari residual satu pengamatan yang lain (Ghozali, 2013:139).
Pengujian ini dilakukan dengan uji Glejzer, jika nilai signifikansinya diatas 0,05 maka tidak mengandung gejala heteroskedastisitas.
Langkah-langkah uji Heteroskedastisitas:
a) Lakukan Analisis Regresi seperti biasa dengan memasukkan variabel dependen dan variabel independen
b) Pada kotak dialog, Klik Tombol Save , lalu aktifkan pilihan pada Unstandardize pada blok Residual. Hasilnya akan seperti pada Gambar 7.1. Pilihan pada Gambar 7.1 akan menyebabkan di file data akan terbentuk variabel baru dengan nama Res_1 dan memiliki label Unstandardized Residual.
c) Lakukan perhitungan dengan mengklik Menu Transform - Compute Variabel untuk menghtung nilai Absolut Residual (Absolut dari Res_1). Misalnya hasil perhitungan disimpan dalam variabel Absres. Perhatikan cara perhitungan pada Gambar 7.3
Gambar 7.3 Cara menghitung Variabel AbsRes
d) Pada file data ada sebuah variabel baru yang terbentuk yaitu Absres. Lakukan analisis regresi ulang dengan mengganti variabel dependent dengan AbsRes.
e) Jika nilai signifikansi uji t masing-masing variabel bebas > 0,05 maka data bebas masalah heteroskedastisitas
4). Uji autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (data time series) misalnya data tahunan, semesteran, kuartal, triwulanan, bulanan, mingguan, dan harian. Uji autokorelasi bertujuan untuk menguji apakah dalam moel regresi linear ada korelasi antara kesalahan pengganggu pada periode waktu atau ruang dengan kesalahan pengganggu pada waktu atau ruang sebelumnya. Jadi, uji Autokorelasi dipakai jika data yang dianalisis merupakan pengamatan times series. Untuk mendeteksi adanya masalah ini, dapat digunakan uji Durbin- Watson (DW).
Tabel 7.1 Kriteria pengujian Durbin-Watson
Hipotesis Nol Keputusan Kriteria
Ada
autokorelasi negatifTolak DW < dl
Tidak ada autokorelasi positif
Tidak ada keputusan dl < DW < du
Ada autokorelasi positif
Tolak DW > 4-du
Tidak ada autokorelasi negatif
Tidak ada keputusan 4 – du < d < 4-dl
Tidak ada autokorelasi
Diterima (Data bebas auto korelasi)
du < DW < 4 – du
Sumber: Gujarati Damodar & Dawn Porter. 2013. Dasar-dasar Ekonometrika Buku 2.
Jakarta : Salemba Empat.
Lebih jelasnya, perhatikan Gambar 7.4 tentang uji Autokorelasi Gambar 7.4 Keputusan tentsng Autokorelasi
Pada Gambar 7.4 terlihat bahwa data bebas aurokorelasi jika nilai Durbin-Watson (DW) terletak antara du dan 4-du
Langkah-langkah uji Autokorelasi:
a) Lakukan Analisis Regresi seperti biasa dengan memasukkan variabel dependen dan variabel independen
b) Pada kotak dialog, Klik Tombol Statistik, lalu aktifkan pilihan pada Durbin- Watson (Perhatikan Gambar 7.2)
c) Pada output regresi (Table Summary) akan muncul nilai Durbin-Watson