Anda di halaman 1dari 21

UJI ASUMSI KLASIK

Uji asumsi klasik adalah persyaratan statistik yang harus


dipenuhi pada analisis regresi linear berganda yang
berbasis `    
  (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 dapat dipergunakan pada analisis
regresi linear sederhana dan uji autokorelasi tidak perlu
diterapkan pada data cross sectional, atau uji normalitas
tidak perlu dilakukan pada penelitian sensus (semua
anggota populasi dipergunakan sebagai sampel
penelitian).
Õ   
             
R   
   
  


 
   
      
     
         
  


       

Õ 
  ! 
 

    

   

   
  
   

 

   

    ! 
 
 " 
   
  


 
  


   ! 
 
     
   
"        

 #    
     $   
         

 



     

   
 
 


    

  
  

%  
    
 

&


    

 
  !
   


    
   
 
   
  ! 





    
  

 

 
   
   
     

  
Uji Asumsi Klasik
Meliputi:

1. Uji multikolinearitas
2. Uji heteroskedastisitas
3. Uji normalitas
4. Uji autokorelasi
Uji Multikolinearitas

Multikolinieritas adalah suatu kondisi


dimana terjadi korelasi yang kuat diantara
variabel-variabel bebas (X) yang
diikutsertakan dalam pembentukan model
regresi linier.

Model regresi yang baik seharusnya tidak


terdapat korelasi diantara variabel
bebasnya.
viri-ciri yang sering ditemui apabila model regresi
linier kita mengalami multikolinieritas adalah:

1. Terjadi perubahan yang berarti pada koefisien model


regresi (misal nilainya menjadi lebih besar atau
kecil) apabila dilakukan penambahan atau
pengeluaran sebuah variabel bebas dari model
regresi.
2. Diperoleh nilai R-square yang besar, sedangkan
koefisien regresi tidak signifikan pada uji parsial.
3. Tanda (+ atau -) pada koefisien model regresi
berlawanan dengan yang disebutkan dalam teori
(atau logika). Misal, pada teori (atau logika)
seharusnya b1 bertanda (+), namun yang diperoleh
justru bertanda (-).
4. Nilai standard error untuk koefisien regresi menjadi
lebih besar dari yang sebenarnya (overestimated)
Untuk mendeteksi apakah model regresi kita mengalami
multikolinieritas, dapat diperiksa menggunakan (Ghozali,
2001):
1. VIF (Variance Inflation Factor).
Jika nilai VIF ” 10 maka tidak terjadi
multikolinearitas.
Nilai VIF > 10 berarti telah terjadi multikolinieritas
2. Eigenvalues dan vondition Index (vI).
3. Nilai R2 sangat tinggi, tetapi secara individual
variabel-variabel independen banyak yang tidak
signifikan mempengaruhi variabel-variabel dependen .
4. Menentukan koefisien korelasi antara M 
  yang satu dengan M    yang
lain. Jika antara dua M    memiliki
korelasi yang cukup tinggi (umumnya di atas 0,09)
maka di dalam model regresi terdapat
multikoleniaritas.
h    

2'% ' 
' &!'  
'    
 
'  !' 
   
Ä'(
           '
 ')

&


4       "   

'*   

      +'
Õ   "     !' 
 
 å !  "    
 +' 
     
        "    '%   
 "       '  
%&'Õ   "   h  
 
 å!'  "   %&' 

     % 
, 
 "   h
      

  
'   

     
-'.
    !! 
         

&


  "#" 
 
 


 "#" 
$ % 
    
2 '( 
 
 
'

    
         '
 
( 
 
 
'


Uji heteroskedastisitas

Uji heteroskedaktisitas bertujuan


menguji apakah dalam model regresi
terjadi ketidaksamaan ð  dari
residual satu pengamatan ke
pengamatan lain.

Model yang baik adalah yang


homoskedastisitas atau tidak terjadi
heteroskedaktisitas.
(    
 
 , 
      

'

2 , / 
Ä Õ  0 1 & 
2 , & 
3 , 0
Uji Autokorelasi
(      ,    
 
   

 
  
#  &




 
 
  "  
 


 
  

,     ,



,    
 
    
   



    

 


 
  $2 
  4 ,    ! 


      

5


 " 
      

  
" 
  
  Õ  

    
 

  "    



  "   
 



Untuk mendeteksi ada atau tidaknya
autokorelasi dapat dilakukan dengan:
Uji Durbin-Watson (D-W)
Apabila nilai D-W berada di sekitar
angka 2, berarti model regresi kita
aman dari kondisi autokorelasi
h 
%  
  &!  
    

 
   !      
(
            
  )

 

      
 
 
&


2       "   

 *   


     + Õ   "   
 !  
 
 å !  "    
 +  
     
&        "     %   

"          %& Õ   "  
h  
 
 å!  "   %&
 
      % 
, 
 "  
h
4      

  
 
  

     
6 &    !!  
    
   # 

&


(1

'(   

) 
( 
 
 
'

    

         ' 
( 
 
 
'


  
,
   ,

 
, 
    ! 
       

 
  
     

Õ   
       

    
 
 
%
      




 , 5    "$ 
" 5$
 (
 0 1
° Analisis Statistik
Dengan melihat nilai V ` dan V
Langkah Analisis
1. Dari menu utama SPSS pilih menu w , lalu
pilih Non ±parametrik Test
2. Kemudian pilih submenu 1-sample K-S, dilayar
akan tampak tampilan windows One-sample
Kolmogorov-Smirnov test
3. Pada kotak test variable list, isikan   ., dan
aktifkan test Distribution pada kotak Normal
4. Pilih Ok