UJI ASUMSI DALAM ANALISIS REGRESI

A. PENDAHULUAN
Ada empat jenis asumsi yang akan diuji, yaitu:
Multikolinearitas Otokorelasi Heteroskedastisitas Normalitas

1. Multikolinearitas
Multikolinearitas terjadi bila antar dua atau lebih dari dua variabel independen memiliki korelasi yang signifikan atau sempurna atau mendekati 1 atau -1. Tujuannya untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terdapat multikolinearitas.

Deteksi adanya multikolinearitas:

Berdasarkan besaran VIF (Variance Inflation Factor)
VIF > 5, berarti terdapat multikolinearitas.

Berdasarkan besaran Condition Index

Condition Index > 15, berarti terdapat multikolinearitas.

Berdasarkan besaran korelasi antarvariabel independen

Korelasi antar variabel independen kuat (>0,5), berarti terdapat multikolinearitas.

Multikolinearitas dapat diatasi dengan cara antara lain:

Mengeluarkan salah satu variabel independen, misalnya variabel independen A dan B saling berkorelasi dengan kuat, maka dapat dipilih variabel A atau B yang dikeluarkan dari model regresi. Menambah jumlah subjek (n) sehingga standar error menjadi kecil.

2. Otokorelasi
Otokorelasi terjadi bila terdapat hubungan yang signifikan antar dua data yang berdekatan. Tujuan: menguji apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (periode sebelumnya).

Model regresi yang baik seharusnya bebas dari otokorelasi. Otokorelasi pada sebagian besar kasus ditemukan pada regresi yang datanya adalah time series atau berdasarkan periode waktu, seperti bulanan, tahunan, dan seterusnya. Deteksi adanya otokorelasi:
-2 < D-W < 2, berarti tidak terdapat otokorelasi

Otokorelasi dapat diatasi dengan menambah data observasi.

3. Heteroskedastisitas
Heteroskedastisitas terjadi bila untuk setiap nilai variabel independen terdapat beberapa skor variabel dependen dengan variansi berbeda. Tujuannya untuk menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual suatu pengamatan dengan pengamatan lainnya.

Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Deteksi adanya heteroskedastisitas:
Jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur (bergelombang, melebar kemudian menyempit) atau titik-titik tersebut mengumpul di satu sisi, berarti terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar (memencar), berarti tidak terjadi heteroskedastisitas.

4. Normalitas
Tujuannya untuk menguji apakah dalam suatu model regresi, variabel dependen, variabel independen atau keduanya mempunya distribusi normal atau tidak. Model regresi yang baik seharusnya distribusi datanya normal atau mendekati normal.

Deteksi adanya normalitas:

Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi tersebut memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan/atau tidak mengikuti arah garis diagonal, maka model regresi tersebut tidak memenuhi asumsi normalitas.