Uji asumsi klasik adalah?☑️ Berikut pengertian menurut para ahli plus Contoh uji asumsi klasik menggunakan SPSS dan Eviews☑️
Uji asumsi klasik biasanya dipakai untuk mengecek apakah dalam suatu model penelitian regresi linear Ordinary Least Square memuat persoalan terkait asumsi klasik.
Umumnya, ini dibutuhkan ketika Anda hendak memanfaatkan analisis regresi berganda di mana harus memenuhi sejumlah asumsi agar menghasilkan kesimpulan yang valid.
Pengertian Uji Asumsi Klasik
Menurut (Ghozali 2018), pengertian uji asumsi klasik adalah metode statistik pada analisis regresi linier berganda yang bertujuan untuk menilai apakah terdapat masalah asumsi klasik atau tidak pada model regresi linear Ordinary Least Square (OLS).
Tujuan dari uji asumsi klasik adalah untuk menilai parameter penduga yang digunakan sahih dan tidak bias. Selain itu, uji asumsi klasik juga memiliki fungsi untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif ataukah tidak
Asumsi klasik kerap dipakai untuk meninjau apakah dalam suatu model penelitian Ordinary Least Square (OLS) ditemukan persoalan terkait asumsi klasik, seperti multikolinearitas, normalitas, autokorelasi, hingga heteroskedastisitas.
Namun, jauh sebelum itu, Anda perlu memahami apa sebenarnya yang dimaksud model penelitian Ordinary Least Square (OLS)?
Dalam bahasa Indonesia, OLS disebut juga metode perhitungan kuadrat terkecil. Ini mengasumsikan bahwa analisis cocok dengan model hubungan antara satu atau lebih variabel penjelas dan variabel hasilnya kontinu.
regresi OLS sendiri terbagi menjadi 2 macam, yaitu: regresi linear berganda dan juga regresi linear sederhana. Sebuah analisis regresi yang tidak berdasarkan pada OLS ini tidak memerlukan persyaratan uji asumsi klasik, misalnya pada pengujian regresi logistic serta pengujian regresi ordinal.
Dengan adanya dua jenis yang berbeda pada regresi linear, maka syarat atau asumsi klasik pada regresi linear juga ada dua macam, diantaranya sebagai berikut :
- Uji Asumsi Klasik Pada Regresi Linear Sederhana
Asumsi klasik pada regresi linear sederhana antara lain:
a. Data interval atau rasio
b. linearitas
c. normalitas
d. heteroskedastisitas
e. Outlier
f. Autokorelasi (Hanya untuk data time series atau runtut waktu).
- Uji Asumsi Klasik Pada Regresi Linear Berganda
Asumsi klasik pada regresi linear berganda antara lain:
a. Data interval atau rasio
b. linearitas
c. normalitas
d. heteroskedastisitas
e. Outlier
f. Multikollinearität
g. Autokorelasi (Hanya untuk data time series atau runtut waktu).
Konsep Dasar Uji Asumsi Klasik
Setidaknya ada empat macam konsep dasar uji asumsi klasik yang umum digunakan dalam model penelitian regresi linear. Uji asumsi klasik tidak boleh dilakukan sebarangan sebab ada aturan urutan tersendiri. Berikut langkah-langkah yang perlu Anda laksanakan.
- Uji Normalitas
Ini untuk memastikan bahwa data Anda terdistribusi normal ataukah tidak. Keberadaannya adalah wajib dalam sebuah penelitian. Uji normalitas merupakan model regresi yang baik harus memenuhi distribusi normal.
Ghozali (2017:145) menyatakan bahwa uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang dianggap baik adalah memiliki distribusi normal atau mendekati normal.
Uji statistik yang digunakan untuk menilai normalitas dalam penelitian ini adalah uji Jarque Bera (JB) dengan histogram-normality test. Dengan tingkat signifikansi 5%, indikator yang digunakan untuk pengambilan keputusan bahwa data tersebut terdistribusi normal atau tidak adalah sebagai berikut:
a. Apabila nilai probabilitas lebih besar (>) dari 0,05 maka data terdistribusi secara normal.
b. Apabila nilai probabilitas lebih kecil (<) dari 0,05 maka data tidak terdistribusi secara normal.
- Uji Multikolinearitas
Multikolinearitas adalah hubungan linier antar variabel bebas. Adanya multikolinearitas dalam penelitian memberikan efek tingginya variabel suatu pada sampel. Ini berarti telah terjadi standar error yang besar. Jadi regresi seharusnya tidak memuat gejala multikolinearitas.
Tujuan pemakaiannya untuk mengecek ada atau tidaknya korelasi antar variabel. Namun, uji multikolinearitas baru dilaksanakan jika terdapat lebih dari satu variabel independen.
Ghozali (2017:71) menyatakan bahwa uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi terdapat korelasi yang tinggi atau sempurna antar variabel independen.
Model regresi yang baik seharusnya tidak ada korelasi diantara variabel. Bila ada korelasi yang tinggi diantara variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikat menjadi terganggu.
Ghozali (2017:73) menyatakan dengan tingkat signifikansi 90%, adanya multikolinearitas antar variabel independen dapat dideteksi dengan menggunakan matriks korelasi dengan ketentuan sebagai sebagai berikut:
a. Jika nilai matriks korelasi antar dua variabel independen lebih besar dari (>) 0,90 maka terdapat multikolinearitas.
b. Jika nilai matriks korelasi antar dua variabel independen lebih kecil (<) 0,90 maka tidak terdapat multikolinearitas.
- Uji Heteroskedastisitas
Pengujian yang kedua ini dilakukan dalam rangka memastikan apakah model ada ketidaknyamanan varian residual antar pengamat dalam suatu model regresi.
Model regresi yang baik tidak menimbulkan variasi berbeda antara lintas pengamat. Dalam hal ini, sebuah penelitian semestinya tidak mendeteksi adanya heteroskedastisitas.
Ghozali (2017:85) menyatakan bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain.
Jika varians dari residual satu pengamatan ke pengamatan yang lain konstan maka disebut homoskedastisitas dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang dianggap baik adalah residual satu pengamatan ke pengamatan lain yang konstan atau homoskedastisitas atau tidak terjadi heteroskedastisitas.
Uji statistik yang digunakan untuk menilai heteroskedastisitas dalam penelitian ini adalah uji Breusch Pagan . Ghozali (2017:90) menyatakan bahwa uji Breusch Pagan dapat dilakukan dengan meregres nilai absolute residual terhadap variabel independen lain. Dengan tingkat signifikansi 5%, adanya heteroskedastisitas dapat diketahui dengan kriteria sebagai berikut:
a. Jika nilai probabilitas variabel independen lebih besar (>) dari 0,05 maka tidak terjadi heteroskedastisitas.
