ASIK
Uji Asumsi Klasik
Pengertian
Analisis yang dilakukan untuk menilai apakah dalam sebuah model regresi te
rdapat masalah-masalah asumsi klasik
Pengertian Regresi Linear OLS
• Sebuah model regresi linear dengan metode perhitungan kuadrat terkecil atau dalam bahasa ingg
ris disebut dengan istilah ordinary least square.
• Ada beberapa syarat yang harus dipenuhi agar model peramalan yang dibuat menjadi valid sebag
ai alat peramalan.
• Syarat-syarat tersebut apabila terpenuhi semuanya, maka model regresi linear tersebut dikatakan
BLUE (Best Linear Unbiased Estimation)
Pengertian Asumsi Klasik
• Asumsi Klasik adalah syarat-syarat yang harus dipenuhi pada model regresi linear agar model ter
sebut menjadi valid sebagai alat penduga
Jenis Uji Asumsi Klasik
Asumsi klasik pada regresi linear berganda an
Uji Asumsi Klasik tara lain:
ar Berganda Normalitas,
Heteroskedastisitas,
Multikollinearitas,
Pengalaman
Model Jenis Kelamin Kerja Usia
1 Correlations Jenis Kelamin 1.000 -.525 -.581
Pengalaman -.525 1.000 -.057
Kerja
Usia -.581 -.057 1.000
Covariances Jenis Kelamin 7987381.601 -965693.244 -336358.099
Pengalaman -965693.244 423275.139 -7591.684
Kerja
Usia -336358.099 -7591.684 41909.197
a. Dependent Variable: Income
1.339
Karena nilai DW 1.339 lebih kecil dari du dan lebih besar dari
dl, maka tidak menghasilkan kesimpulan yang pasti
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi linear terjadi ketida
ksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada cara mendeteksi ada atau tidaknya heteroskedastisitas, yaitu Spearman’ rho, Uji Glejser, Uji
Park, dan Melihat Pola Grafik.
Pada pembahasan ini akan dilakukan uji heteroskesastisitas dengan melihat Grafik Plotpre antar
a nilai prediksi variabe dengan residualnya SRESID.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tert
entu pada grafik scatterplot antara ZRESID dan ZPRED di mana sumbu Y adalah Y yang dipredi
ksi, dan sumbu X adalah residual (prediksi – Y sesungguhnya) yang telah di-studentized.
Dasar Analisis:
Ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, mel
ebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas, serta titik-titik menyebar dia atas dan di bawah 0 pada sumbu Y, maka ti
dak terjadi heteroskedastisitas.
Uji Heteroskedastisitas
Sum of
Model Squares df Mean Square F Sig.
1 Regression 683,476 1 683,476 7,954 ,008a
Residual 3265,299 38 85,929
Total 3948,775 39
a. Predictors: (Constant), kepercayaan terhadap dosen
b. Dependent Variable: Motivasi Belajar
Sum of
Squares df Mean Square F Sig.
Motivasi Belajar Between (Combined) 2136,742 24 89,031 ,737 ,755
* kepercayaan Groups Linearity 683,476 1 683,476 5,658 ,031
terhadap dosen Deviation from Linearity 1453,266 23 63,185 ,523 ,921
Within Groups 1812,033 15 120,802
Total 3948,775 39