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 cross sectional.

Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen
(Ghozali, 2013). Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya,
maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu.

Contoh soal:
Seorang ekonom di PT. Abadi Jaya ingin mengadakan penelitian tentang apa saja faktor
yang mempengaruhi minat pelanggan dalam membeli sebuah produk. Berikut ini adalah
data yang berhasil dikumpulkan dari hasil survei terhadap 30 orang responden yang
merupakan konsumen produk tersebut.
Minat
Iklan di Rekomendas
Membeli
Media i Orang Lain
Produk
2.25 3.5 3.27
3.75 4.00 2.59
4.00 3.75 3.71
2.50 3.5 4.15
3.35 2.5 3.86
2.55 3.00 2.15
3.75 3.25 4.00
2.25 2.75 3.14
3.00 3.00 2.15
3.25 3.25 2.75
2.15 2.75 3.00
3.60 3.00 3.25
2.86 3.50 3.77
3.15 3.50 2.86

1
 2

2.25 3.75 3.22

2.75 3.50 3.75
3.25 3.25 3.50
3.35 3.75 2.75
2.15 3.50 2.86
2.85 3.00 3.25
3.86 3.75 3.80
4.00 3.75 4.15
2.75 3.00 3.25
2.86 2.75 2.86
3.15 3.00 4.13
3.50 3.25 3.75
3.25 3.75 2.15
2.78 4.00 3.23
2.85 3.75 3.00
3.15 3.50 2.75

Langkah-langkah uji Multikolinearitas:

1. Input data ke dalam SPSS

2. Pilih menu Analyze  Regression  Linear

 3

3. Masukkan variabel yang dipengaruhi (dependen) dan variabel yang mempengaruhi

(independen) ke kotaknya masing-masing.

4. Pilih menu Statistics. Lalu checklist Collinearity diagnostics (untuk memunculkan

nilai Tolerance dan Variance Inflation Factor)
 4

5. Klik OK. Hasil output:

 5

Uji Normalitas
Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal.
Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai
residual-nya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan
pada masing-masing variabel.

Langkah-langkah uji Normalitas:

1. Memunculkan nilai residual dengan cara pilih menu Analyze  Regression 
Linear
 6

2. Masukkan variabel yang dipengaruhi (dependen) dan variabel yang mempengaruhi

(independen) ke kotaknya masing-masing

3. Pilih menu Save. Lalu pada bagian Residuals checklist Undstandardized.

 7

4. Klik Continue dan OK. Nilai residual akan muncul pada Data View.

5. Pilih Analyze  Descriptive Statistics  Explore

 8

6. Masukkan Unstandardized Residuals ke dalam kotak Dependent List.

7. Pada menu Plots, checklist opsi “Normality plots with tests” dan kosongkan opsi
yang lain dan tekan Continue.
 9

8. Pada bagian Display (kiri bawah), pilihlah opsi Plots.

9. Klik OK . Hasil Output:

 10

Uji Heteroskedastisitas
Untuk mengetahui keadaan dimana terjadinya ketidaksamaan varians dari data
pada model regresi, maka perlu dilakukan uji heteroskedastisitas (Ghozali, 2013).
Beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan
melihat grafik scatterplot, uji Glejser, uji Park, uji White, dan uji Spearman. Namun
pada modul ini akan dibahas mengenai uji Spearman dengan mencari korelasi antara
nilai residual dengan variabel bebasnya. Jika ditemukan adanya korelasi antara variable
bebas dengan nilai residual, maka dapat disimpulkan terjadi heterokedastisitas.

Langkah-langkah uji Heteroskedastisitas:

1. Pilih menu Analyze  Correlate  Bivariate
 11

2. Masukkan variabel independen dan Unstandardized Residuals ke kotak variabel.

Kemudian centang Spearman pada Correlation Coefficients.

3. Klik OK. Hasil Output:

 12

Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi
linear ada korelasi antar kesalahan pengganggu (residual) pada periode t dengan
kesalahan periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Autokorelasi sering muncul pada data time series.
Sedangkan pada data cross section, masalah Autokorelasi relatif jarang terjadi. Dalam
modul ini yang akan digunakan adalah metode pengujian Run Test. Run Test
digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika ya,
maka terjadi masalah Autokorelasi.
 13

Langkah-langkah uji Autokorelasi:

1. Pilih menu Analyze  Nonparametric Tests  Legacy Dialogs  Runs

2. Masukkan Unstandardized Residual ke dalam Test Variable List

3. Klik Continue dan OK. Hasil Output:

14
 15

Soal Latihan
1. Dalam meningkatkan produksi perbaikan barang maka PT. Alpha Jasa melakukan
penelitian dengan menguji pengaruh pada variabel independen dan variabel
dependen sehingga dari hasil yang peroleh perusahaan dapat meningkatkan/
memperbaiki sistem produksinya tersebut agar lebih efektif dan efisien. Berikut ini
adalah data yang berhasil dikumpulkan dari hasil survei.
Tingkat Tingkat Tingkat Kualitas Tingkat Produksi
Mesin Permintaan Karyawan Perbaikan Barang

3 3.75 4.14 2.37

2.25 2.55 3.15 4.18

2.86 2.75 2.76 3.28

3.05 3.5 4 2.55

2.02 3 3.86 3.15

2.75 3.05 2.75 4

3.86 3.75 3.25 4.14

3.02 2.75 2.13 2.75

4 4.5 4.15 3.85

3.5 4 3.75 2.77

2.08 2.5 2.86 3.24

2.86 3 3.13 3.86

3.05 3.25 3.27 2.19

2.75 3.25 3.18 4.15

3 2.75 2.86 2.77

4 3.75 3.95 3.78

2.25 2.5 3 2.86

2.75 2.75 3.27 3.22

2.86 3.25 4 3.75

3.35 3.5 4.15 3.85

3.06 3.25 3.18 3.75

 16

3.35 3.75 3.96 4.15

4.18 4.5 4.15 3.25

2.66 3 2.77 2.89

2.58 2.75 2.86 3

3.13 3.5 3.24 4.15

4.04 4.5 4.14 3.85

2.96 3 2.89 3.13

3.58 3.75 3.25 4.25

3.71 3.5 3.18 3.78

Sebelum melakukan uji pengaruh terhadap variabelnya, PT. Alpha Jasa harus
melakukan pengujian asumsi klasik!

2. Sebuah perusahaan farmasi PT. Mediklin Farma akan meluncurkan sebuah obat
baru yaitu obat jerawat dengan kandungan Clinidamycin dan Fosfat. Namun setelah
1 tahun produknya diperjualkan di pasar, obat tersebut tidak mengalami kenaikan
penjualan. Penjualan tetap stagnant dengan angka yang relatif rendah dan jauh dari
ekspektasi.
Untuk itu dilakukanlah penelitian untuk mencari tahu apakah perilaku konsumen
dalam memilih obat dan kualitas produk berpengaruh signifikan terhadap brand
image. Walaupun perilaku konsumen sering kali berubah-ubah, demi penghematan
waktu perusahaan hanya melakukan penelitian sebanyak 1 kali. Berikut datanya:

Perilaku Konsumen Kualitas Produk Brand Image

4.00 3.33 4
4.33 3.33 4.5
3.33 2.67 3.75
4.33 4.50 4.5
3.67 3.67 3.75
4.33 4.00 4.5
2.67 2.67 2.5
2.67 2.67 2.5
3.00 3.67 3.5
3.33 3.00 3.25
 17

3.67 4.00 3.75

3.33 3.33 3.25
3.33 4.33 3.5
3.33 4.33 3.25
4.00 4.00 4
4.00 5.00 4
5.00 4.67 5
3.67 4.00 3.75
3.00 2.67 3.25
3.00 3.33 3.25
3.33 3.33 3.5
4.67 4.33 4.5
4.00 3.67 4
5.00 4.33 5
3.33 3.67 3.5
3.33 2.67 3.25
4.00 3.33 4
2.67 2.33 2.75
3.67 3.00 3.5
3.67 3.33 3.75
Sebelum mengolah datanya menggunakan metode regresi berganda, peneliti harus
melakukan uji untuk memastikan datanya layak dan memenuhi syarat, lakukan uji
kelayakan sebelum regresi berganda.