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 cross sectional. 1. Uji Normalitas 2. Uji Multikolinearitas 3. Uji Heteroskedastisitas 4. Uji Autokorelasi 5. Uji Linearitas >> Konsep (arti definisi, teori,konsep) >> Fungsi >> Jenis (macam dan kriteria) >> Mitos & Kebiasaan & SALAH KAPRAH dalam uji asumsi klasik >> Konsep (arti definisi, teori,konsep) >> OLS (Ordinary Linear Square) >> Ada beberapa metode yang dapat digunakan untuk mengestimasi fungsi regresi, salah satunya adalah OLS (Ordinary Linear Square). OLS merupakan metode estimasi fungsi regresi yang paling sering digunakan. Kriteria OLS adalah "Line of Best Fit" atau dengan kata lain jumlah kuadrat dari deviasi antara titik-titik observasi dengan garis regresi adalah minimum. >> Asumsi BLUE BLUE: (Best, Linear, Unbiased, Estimator.) Adalah asumsi yang dikembangkan oleh Gauss dan Markov, yang kemudian teori tersebut terkenal dengan sebutan Gauss-Markov Theorem.
1) Best, hasil model regresi adalah terbaik dan menghasilkan
error yang kecil. 2) Linear, model yang digunakan dalam regresi sesuai kaidah model OLS yaitu linear dan pangkat variabel-variabelnya paling tinggi adalah satu 3) Unbiased, nilai yang diharapkan (hasil estimasi menggunakan model regresi) sama dengan nilai yang benar 4) Estimator, model regresi yang terbentuk memiliki varians yang minimal dari estimator lainnya. >> Konsep (arti definisi, teori,konsep) Menurut Ghozali (2011) menyatakan bahwa : “Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. >> Fungsi Dengan kata lain, uji normalitas dilakukan untuk mengetahui sifat distribusi data penelitian yang berfungsi untuk mengetahui apakah sampel yang diambil normal atau tidak dengan menguji sebaran data yang dianalisis Seperti kdetahui bahwa Uji t dan Uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal >> Konsep (arti definisi, teori,konsep) Distribusi normal merupakan suatu kurve berbentuk lonceng. Penyebab data tidak normal, karena terdapat nilai ekstrim dalam data seri yang diambil. Nilai ektrim adalah nilai yang terlalu rendah atau terlalu tinggi. >> Mitos & Kebiasaan & SALAH KAPRAH dalam uji asumsi klasik Uji normalitas dalam regresi dilakukan pada nilai ABSOLUTE REDIDUALNYA, BUKAN PADA TIAP VARIABEL !!! Pemikiran yang salah : Jika tidak normal, maka model regresi tidak bisa digunakan !!. Model regresi masih bisa digunakan dengan beberapa langkah penyesuaian >> Grafik , dengan cara : >> Grafik , dengan cara : >> Uji One sample Kolmogorov Smirnov , dengan cara : 1. Analyze…nonparametric test…1-sample KS 2. Masukkan nilai yg akan ditest dan biarkan default normal. OK. 3. Pada output perhatikan nilai signifikansi bila >0,05 berarti H0 tidak dapat ditolak dimana data berdistribusi normal. >> Nilai Standar , dengan cara : 1. Analyze…descriptive statistics…descriptive 2. masukkan variabel yang akan diuji 3. Klik save standardized values as variables. OK. 4. pada spss data editor perhatikan muncul nilai Z 5. Terjadi outlier bila terdapat nilai Z<-1,96 dan Z>1,96 6. pada output spss : Bila nilai descriptive statistics tidak ada yang menunjukkan nilai Z yang lebih tinggi dari 3.0 maka berarti tidak ada outlier. >> Grafik , dengan cara : 1. Graph…histogram. 2. masukkan variabel yg akan diuji 3. klik display normal curve. OK. 4. Perhatikan output: apakah menceng kiri/kanan atau normal? >> SALAH KAPRAH Uji Normalias 1. Kesalahan : uji normalitas dalam analisis regresi dilakukan uji tiap variabel. Yg benar : uji normalitas dalam analisis regresi dilakukan terhadap keseluruhan model regresi dengan menguji residualnya. 2. Kesalahan : model regresi yang tidak normal, tidak bisa dipakai. Yg benar : model regersi yang tidak normal masih bisa diperbaiki dengan beberapa cara >> Konsep (arti definisi, teori,konsep) Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali,2011). Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. >> PENYEBAB Karena sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama- sama sepanjang waktu. Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor yang sama. >> Konsep (arti definisi, teori,konsep) Cara untuk mengetahui akankah terjadi multikolonieritas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Infkation Factor (VIP). Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregresi terhadap variabel independen lainnya. Tolerance mengukur variabilitas-variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. >> Jenis (macam dan kriteria) 1. Cara jaman dulu : Perhatikan nilai R2 yang sangat tinggi, tetapi secara individual variabel independennya banyak yang tidak signifikan 2. Dengan melihat Matriks korelasi antar variabel independent. Bila antar variabel independent ada korelasi yang cukup tinggi (umumnya diatas 0,9) berarti ada gejala multikol. Dengan cara : 1. Analyze…correlate…bivariate. 2. masukkan variabel yang akan diuji 3. lihat pengujian yg sesuai apakah pearson, Kendal atau spearmen. OK. 3. Tolerance dan VIF (paling sering dugunakan) Dengan cara : 1. Analyze…regresi…linear 2. masukkan variabel dependen dan independent 3. Klik statistic: aktifkan collinearity diagnostic. OK Kriteria yang digunakan yaitu Nilai Cutoff tolerance adalah < 0,10 atau VIF > 10 menunjukkan adanya gejala multikol.