Analisis Uji Asumsi Klasik

Oleh: Mulyono

*) SCS Business Mathematics and Statistics, Management Dept., Binus Business School Undergraduate Program

Pada saat melakukan Analisa regresi berganda, maka perlu dipenuhi beberapa asumsi, misalnya asumsi klasik yang terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. Pembahasan singkat dari uji asumsi klasik tersebut adalah sebagai berikut:

 1. Uji Normalitas

Menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel independen dan variabel dependen ataupun keduanya mempunyai distribusi normal atau tidak normal. Apabila suatu variabel tidak berdistribusi secara normal, maka hasil uji statistik akan mengalami penurunan. Pada uji normalitas data dapat dilakukan dengan menggunakan uji One Sample Kolmogorov Smirnov yaitu dengan ketentuan apabila nilai signifikansi diatas 5% atau 0,05 maka data memiliki distribusi normal. Sedangkan jika hasil uji One Sample Kolmogorov Smirnov menghasilkan nilai signifikan dibawah 5% atau 0,05 maka data tidak memiliki distribusi normal.

 2. Uji Multikolinearitas

Menurut Ghozali (2016) pada pengujian multikolinearitas bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel independent atau variable bebas. Efek dari multikolinearitas ini adalah menyebabkan tingginya variabel pada sampel. Hal tersebut berarti standar error besar, akibatnya ketika koefisien diuji, t-hitung akan bernilai kecil dari t-tabel. Hal ini menunjukkan tidak adanya hubungan linear antara variabel independen yang dipengaruhi dengan variabel dependen.

Untuk menemukan terdapat atau tidaknya multikolinearitas pada model regresi dapat diketahui dari nilai toleransi dan nilai variance inflation factor (VIF). Nilai Tolerance mengukur variabilitas dari variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF tinggi, dikarenakan VIF = 1/tolerance, dan menunjukkan terdapat kolinearitas yang tinggi. Nilai cut off yang digunakan adalah untuk nilai tolerance 0,10 atau nilai VIF diatas angka 10.

 3. Uji Heteroskedastisitas

Uji ini bertujuan untuk melakukan uji apakah pada sebuah model regresi terjadi ketidaknyamanan varian dari residual dalam satu pengamatan ke pengamatan lainnya. Apabila varian berbeda, disebut heteroskedastisitas. Salah satu cara untuk mengetahui ada tidaknya heteroskedastisitas pada suatu model regresi linier berganda, yaitu dengan melihat grafik scatterplot atau dari nilai prediksi variabel terikat yaitu SRESID dengan residual error yaitu ZPRED. Apabila tidak terdapat pola tertentu dan tidak menyebar diatas maupun dibawah angka nol pada sumbu y, maka dapat disimpulkan tidak terjadi heteroskedastisitas. Untuk model penelitian yang baik adalah yang tidak terdapat heteroskedastisitas (Ghozali, 2016).

 4. Uji Autokorelasi

Menurut Ghozali (2016) autokorelasi dapat muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lainnya. Permasalahan ini muncul karena residual tidak bebas pada satu observasi ke observasi lainnya. Untuk model regresi yang baik adalah pada model regresi yang bebas dari autokolerasi. Untuk mendeteksi terdapat atau tidaknya autokorelasi adalah dengan melakukan uji Run Test.

Run test merupakan bagian dari statistik non-parametik yang dapat digunakan untuk melakukan pengujian, apakah antar residual terjadi korelasi yang tinggi. Apabila antar residual tidak terdapat hubungan korelasi, dapat dikatakan bahwa residual adalah random atau acak. Dengan hipotesis sebagai dasar pengambilan keputusan adalah sebagai berikut (Ghozali, 2016):

Apabila nilai Asymp. Sig. (2-tailed) kurang dari 5% atau 0,05, maka untuk H0 ditolak dan Ha diterima. Hal tersebut berarti data residual terjadi secara tidak acak (sistematis).

Apabila nilai Asymp. Sig. (2-tailed) lebih dari 5% atau 0,05, maka untuk H0 diterima dan Ha ditolak. Hal tersebut berarti data residual terjadi secara acak (random).

 

Referensi:

Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.

Sekaran, U. & Bougie, R.J., (2016). Research Methods for Business: A skill Building Approach. 7th Edition, John Wiley & Sons Inc. New York, US.

Dr. Mulyono, S.E., M.M.
  1. Terimakasih, postingannya pak Dr. Mulyono, saya sedang bingung uji klasik regresi linier berganda pada penelitian saya tentang pengaruh kepemimpinan, iklim organisasi, motivasi dan kepuasan kerja terhadap kinerja guru.

  2. mau bertanya, untuk yang di uji asumsi klasik itu semua variabel atau variabel yang signifikan aja?

    • Uji asumsi klasik dilakukan sebelum buat model, jd belum tau variabel apa yg berpengaruh segnifikan

  3. Mengapa variabel eksogennya ada 4? Adakah filosofinya?

  4. Terima kasih atas ilmunya,bertanya pak..apakah untuk Uji asumsi klasik pada path analysis di lakukan pada setiap model jalur..terima kasih

  5. Terimakasih atas penjelasannya

  6. Apakah boleh tidak melakukan uji linearitas? Penelitian saya menggunakan metode kuantitatif . Analisis yg digunakan analisis regresi linear berganda