Uji Asumsi Klasik

Tujuan pengujian asumsi klasik ini adalah untuk memberikan

kepastian bahwa persamaan regresi yang didapatkan memiliki
ketepatan dalam estimasi, tidak bias dan konsisten. Perlu diketahui,
terdapat kemungkinan data aktual tidak memenuhi semua asumsi
klasik ini. Beberapa perbaikan, baik pengecekan kembali data outlier
maupun recollecterror data dapat dilakukan. Uji asumsi klasik yang
dikemukakan dalam modul ini antara lain: uji multikolinearitas, uji
autokorelasi, uji heteroskedastisitas, uji normalitas dan uji linearitas.
1. Uji Asumsi Multikolinieritas
Tujuan digunakannya uji ini adalah untuk menguji apakah pada
model regresi ditemukan adanya korelasi antar variabel independen.
Jika terdapat atau terjadi korelasi, maka dinamakan terdapat problem
multikolinieritas (multiko). Model regresi yang baik seharusnya tidak
terjadi kerelasi di antara variabel independen.
Kasus:
Seorang peneliti ingin menguji asumsimultikolinieritas dari variabel
Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi
(X2) dan Kepemimpinan (X3).
Langkah-Langkah:
1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.
2) Pilih menu Analize kemudian submenu Regression, lalu pilih
Linear.

Uji Asumsi Klasik | 1

3) Tampak di layar menu Linear Regression

Pada kotak Dependent isikan variabel Y

Pada kotak Independent isikan variabel X1, X2 dan X3

Pada kotak Method pilih Enter

4) Untuk menampilkan matriks korelasi dan nilai tolerance serta VIF

pilih Statistics di menu kemudian akan muncul tampilan
Windows Linear Regression: Statistics

Uji Asumsi Klasik | 2

Aktifkan
pilihan
ColliniearityDiagnostics

Covariancematrix

Tekan Continue lalu Ok pada menu LinearRegression

dan

5) Hasil output
Coefficientsa
Model
CollinearityStatistics
Tolerance
VIF
1
X1
,299
3,348
X2
,250
3,993
X3
,703
1,423
a. DependentVariable: Y

Dari tabel Coefficients menunjukkan bahwa tidak ada variabel

independen yang memiliki nilai Tolerance kurang dari 0,100 yang
berarti tidak ada korelasi antar variabel independen. Dengan
demikian dapat dikatakan bahwa tidak terjadi multikolinearitas.
Multikolinieritas juga diuji dengan menghitung nilai VIF
(VarianceInflatingFactor). Bila nilai VIF lebih kecil dari 5 maka tidak
terjadi multikolinieritas. Semua nilai VIF pada tabel Coefficients
menunjukkan angka kurang dari 5. Dengan demikian dapat
disimpulkan bahwa model pada penelitian ini memenuhi syarat
untuk menjadi model regresi yang baik karena tidak terjadi
korelasi antar variabel independen (non-multikolinearitas).
CoefficientCorrelationsa
Model
X3
1
Correlations
X3
1,000
X1
,134
X2
-,420
Covariances
X3
,021
X1
,004
X2
-,012
a. DependentVariable: Y

X1
,134
1,000
-,806
,004
,041
-,032

X2
-,420
-,806
1,000
-,012
-,032
,039

Melihat tabel CoefficientCorrelations tampak bahwa terjadi

korelasi yang cukup tinggi antara variabel X1 dan X2 dengan
tingkat korelasi 0,806 atau 80,6%. Karena nilainya masih di
bawah 95% sehingga masih dapat dikatakan tidak terjadi
multikolinearitas(non-multikolinearitas).
2. Uji Asumsi Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode sebelumnya.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Kasus:

Uji Asumsi Klasik | 3

Seorang peneliti ingin menguji asumsiautokorelasi dari variabel

Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi
(X2) dan Kepemimpinan (X3).
Langkah-Langkah:
1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.
2) Pilih menu Analizekemudian submenuRegression, lalu pilih
Linear.

3) Tampak di layar menu Linear Regression

Uji Asumsi Klasik | 4

Pada kotak Dependent isikan variabel Y

Pada kotak Independent isikan variabel X1, X2 dan X3

Pada kotak Method pilih Enter

4) Pilih Statistics di menu kemudian akan muncul tampilan Windows

Linear Regression: Statistics

Aktifkan pilihan Durbin-Watson

Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output
Model Summaryb
Model
Adjusted R
R
R Square
Square
1
,710a
,504
,474
a. Predictors: (Constant), X3, X1, X2
b. DependentVariable: Y

dime
nsion

Std. Error of
theEstimate
1,319

Durbin-Watson
1,844

Nilai DW sebesar 1,844 akan dibandingkan dengan nilai tabel

yang memiliki signifikansi 5%, jumlah sampel 54 dan jumlah
variabel independen 3. Oleh karena nilai ini lebih besar dari batas
atas (du) 1,681 dan kurang dari 4-du, maka dapat disimpulkan
tidak terdapat autokorelasi.
3. Uji Asumsi Heteroskedastisitas.
Uji ini bertujuan untuk menguji apakah dalam model regresi
terjadi atau terdapat ketidaksamaan varians dari rersidual dari satu
pengamatan ke pengamatan yang lain. Jika varians dari nilai residual
dari satu pengamatan ke pengamatan yang lain tetap, maka disebut

Uji Asumsi Klasik | 5

dengan Homokedastisitas. Dan jika varians berbeda dari satu

pengamatan ke pengamatan yang lainnya, maka disebut
Heteroskedastisitas.
Menurut Singgih Santoso dalam bukunya
yang berjudul Buku Latihan SPSS Statistik Parametrik, menyabutkan
bahwa model regresi yang baik adalah yang tidak terjadi
Heteroskedastisitas, atau dengan kata lain model regresi yang baik
adalah yang Homokedastisitas.
Kasus:
Seorang peneliti ingin menguji asumsiheteroskedastisitas dari
variabel Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya
Organisasi (X2) dan Kepemimpinan (X3).
Langkah-Langkah:
1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.
2) Pilih menu Analizekemudian submenuRegression, lalu pilih
Linear.

3) Tampak di layar menu Linear Regression

Uji Asumsi Klasik | 6

Pada kotak Dependent isikan variabel Y

Pada kotak Independent isikan variabel X1, X2 dan X3

Pada kotak Method pilih Enter

4) Pilih Plots di menu kemudian akan muncul tampilan Windows

Linear Regression: Plots

Masukkanvariable*SRESID pada kotak pilihan Y

Masukkanvariable*ZPRED pada kotak pilihan X

Tekan Continue lalu Ok pada menu Linear Regression

Uji Asumsi Klasik | 7

5) Hasil output

Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara

acak serta tersebar baik diatas maupun dibawah angka nol pada
sumbu Y. Jadi dapat disimpulkan bahwa model pada penelitian ini
memenuhi syarat untuk menjadi model yang baik karena
merupakan model yang homoskedastisitas atau varians dari nilai
residual pengamatan satu ke pengamatan yang lain tetap.
4. Uji asumsi Normalitas
Uji ini bertujuan untuk menguji apakah dalam sebuah model
regresi, variabel independen, variabel dependen, atau keduanya
mempunyai distribusi normal atau tidak. Suatu model regresi yang
baik adalah yang memiliki distribusi data normal atau mendekati
normal.
Kasus:
Seorang peneliti ingin menguji asumsiheteroskedastisitas dari
variabel Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya
Organisasi (X2) dan Kepemimpinan (X3).
Langkah-Langkah:
1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.
2) Pilih menu Analizekemudian submenuRegression, lalu pilih
Linear.

Uji Asumsi Klasik | 8

3) Tampak di layar menu Linear Regression

Pada kotak Dependent isikan variabel Y

Pada kotak Independent isikan variabel X1, X2 dan X3

Uji Asumsi Klasik | 9

Pada kotak Method pilih Enter

4) Pilih Plots di menu kemudian akan muncul tampilan Windows

Linear Regression: Plots

Aktifkan pilihan Histogram dan Normal probability plot

Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output

Uji Asumsi Klasik | 10

Dengan melihat tampilan grafik Histogram maupun grafik

Normal P-Plot of RegressionStandardizedResidual dapat
disimpulkan bahwa grafik histogram memberikan pola distribusi
yang normal. Sedangkan pada grafik normal plot, terlihat titik-titik
menyebar disekitar garis diagonal. Kedua grafik ini menunjukkan
bahwa model regresi tidak menyalahi asumsi normalitas. Jadi
dapat disimpulkan bahwa model regresi pada penelitian ini
memenuhi syarat untuk menjadi model regresi yang baik karena
merupakan model regresi yang memiliki distribusi data normal
atau mendekati normal.

5. Uji Asumsi Linearitas

Uji linieritas dilakukan dengan melihat scatterplot antara standar
residual dengan prediksinya. Bila sebaran tidak menunjukkan pola
tertentu maka dikatakan asumsi linieritas memenuhi syarat.

Uji Asumsi Klasik | 11

Hasil pengujian menunjukkan scatterplot tidak membentuk pola

tertentu sehingga dapat disimpulkan bahwa model pada
penelitian ini memenuhi syarat untuk menjadi model yang baik
karena asumsi linieritasterpenuhi.

Uji Asumsi Klasik | 12