Anda di halaman 1dari 3

Uji Asumsi Klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data ross se tional. Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada !ariabel tertentu. "isalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. #erhitungan nilai return yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik. Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. $idak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. %nalisis dapat dilakukan tergantung pada data yang ada. Sebagai ontoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. &emudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain. 1. Uji Normalitas Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. "odel regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing'masing !ariabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bah(a uji normalitas dilakukan pada masing'masing !ariabel. )al ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing'masing !ariabel penelitian. #engertian normal se ara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas sis(a yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata'rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. #engamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata'rata, modus dan median relati* dekat. Uji normalitas dapat dilakukan dengan uji histogram, uji normal # #lot, uji +hi Square, Ske(ness dan &urtosis atau uji &olmogoro! Smirno!. $idak ada metode yang paling baik atau paling tepat. $ipsnya adalah bah(a pengujian dengan metode gra*ik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu'raguan, meskipun tidak ada jaminan bah(a pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode gra*ik. Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signi*ikansi Kolmogorov Smirnov sebesar ,,,-.) maka dapat di oba dengan metode lain yang mungkin memberikan justi*ikasi normal. $etapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah

yaitu/ melakukan trans*ormasi data, melakukan trimming data outliers atau menambah data obser!asi. $rans*ormasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, in!erse, atau bentuk yang lain tergantung dari bentuk kur!a normalnya, apakah ondong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri. 2. Uji Multikolinearitas Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara !ariabel'!ariabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara !ariabel'!ariabel bebasnya, maka hubungan antara !ariabel bebas terhadap !ariabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan !ariabel bebasnya moti!asi, kepemimpinan dan kepuasan kerja dengan !ariabel terikatnya adalah kinerja. Logika sederhananya adalah bah(a model tersebut untuk men ari pengaruh antara moti!asi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara moti!asi dengan kepemimpinan, moti!asi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja. %lat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan !arian e in*lation *a tor (012), korelasi pearson antara !ariabel'!ariabel bebas, atau dengan melihat eigen!alues dan ondition inde3 (+1). 4eberapa alternati* ara untuk mengatasi masalah multikolinearitas adalah sebagai berikut/ 5. "engganti atau mengeluarkan !ariabel yang mempunyai korelasi yang tinggi. 6. "enambah jumlah obser!asi. 7. "entrans*ormasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk *irst di**eren e delta. 3. Uji Heteroskedastisitas Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. "odel regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan !arians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas. Deteksi heteroskedastisitas dapat dilakukan dengan metode s atter plot dengan memplotkan nilai 8#9:D (nilai prediksi) dengan S9:S1D (nilai residualnya). "odel yang baik didapatkan jika tidak terdapat pola tertentu pada gra*ik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji #ark atau uji ;hite. 4eberapa alternati* solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentrans*ormasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positi*. %tau dapat juga dilakukan dengan membagi semua !ariabel dengan !ariabel yang mengalami gangguan heteroskedastisitas. . Uji Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t '5). Se ara sederhana adalah bah(a analisis regresi adalah untuk melihat pengaruh antara !ariabel bebas terhadap !ariabel terikat, jadi tidak boleh ada korelasi antara obser!asi dengan data obser!asi sebelumnya. Sebagai ontoh adalah pengaruh antara tingkat in*lasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat in*lasi pada bulan tertentu, katakanlah bulan 2ebruari, akan dipengaruhi oleh tingkat in*lasi bulan Januari. 4erarti terdapat gangguan autokorelasi pada model tersebut. +ontoh lain, pengeluaran rutin dalam suatu rumah tangga. &etika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relati* tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan 2ebruari akan rendah. Uji autokorelasi hanya dilakukan pada data time series !runtut "aktu# dan tidak perlu dilakukan pada data ross se tion seperti pada kuesioner di mana pengukuran semua !ariabel dilakukan se ara serempak pada saat yang bersamaan. "odel regresi pada penelitian di 4ursa :*ek 1ndonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. 4eberapa uji statistik yang sering dipergunakan adalah uji Durbin';atson, uji dengan 9un $est dan jika data obser!asi di atas 5,, data sebaiknya menggunakan uji Lagrange "ultiplier. 4eberapa ara untuk menanggulangi masalah autokorelasi adalah dengan mentrans*ormasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generali<ed di**eren e equation). Selain itu juga dapat dilakukan dengan memasukkan !ariabel lag dari !ariabel terikatnya menjadi salah satu !ariabel bebas, sehingga data obser!asi menjadi berkurang 5. $. Uji %inearitas Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bah(a hubungan antara !ariabel bebas dengan !ariabel terikatnya adalah linear. )ubungan antar !ariabel yang se ara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas. Jika ada hubungan antara dua !ariabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bah(a hubungan tersebut bersi*at linear atau tidak. Uji linearitas digunakan untuk mengkon*irmasikan apakah si*at linear antara dua !ariabel yang diidenti*ikasikan se ara teori sesuai atau tidak dengan hasil obser!asi yang ada. Uji linearitas dapat menggunakan uji Durbin';atson, 9amsey $est atau uji Lagrange "ultiplier.