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

 Aktifkan pilihan Covariancematrix dan ColliniearityDiagnostics

 Tekan Continue lalu Ok pada menu LinearRegression

Uji Asumsi Klasik | 2

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 X1 X2
1 Correlations X3 1,000 ,134 -,420
X1 ,134 1,000 -,806
X2 -,420 -,806 1,000
Covariances X3 ,021 ,004 -,012
X1 ,004 ,041 -,032
X2 -,012 -,032 ,039
a. DependentVariable: Y

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:
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.

Uji Asumsi Klasik | 3

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) Pilih Statistics di menu kemudian akan muncul tampilan Windows Linear
Regression: Statistics

Uji Asumsi Klasik | 4

  Aktifkan pilihan Durbin-Watson
 Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output
Model Summaryb
Model Adjusted R Std. Error of
R R Square Square theEstimate Durbin-Watson
1
dim
ensi
on0
,710a ,504 ,474 1,319 1,844
a. Predictors: (Constant), X3, X1, X2
b. DependentVariable: Y

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 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:

Uji Asumsi Klasik | 5

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

5) Hasil output

Uji Asumsi Klasik | 7

 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
 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

Uji Asumsi Klasik | 9

5) Hasil output

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.

Uji Asumsi Klasik | 10

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.

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 | 11