Dalam melakukan analisis data kuantitatif seringkali kita menggunakan uji persyaratan analisis. Dalam artikel ini akan dibahas tentang persyaratan uji analisis untuk Regresi Berganda yang juga sering disebut dengan istilah Uji Asumsi Klasik. Menurut Damodar Gujarati (2006) agar model regresi tidak bias atau agar model regresi BLUE (Best Linear Unbiased Estimator) maka perlu dilakukan uji asumsi klasik terlebih dahulu. Uji persyaratan analisis untuk regresi berganda yang sering digunakan adalah sebagai berikut:
1. Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah data berdistribusi normal atau tidak berdistribusi normal. Dalam penelitian ini uji normalitas dilakukan dengan mengamati penyebaran data pada sumbu diagonal suatu grafik. Menurut Singgih Santoso (2001) ketentuannya adalah sebagai berikut:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis diagonal, maka regresi tidak memenuhi asumsi normalitas.
2. Multikolinearitas
Multikolinieritas digunakan untuk menguji suatu model apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu terhadap variabel terikat. Pengujian ini untuk mengetahui apakah antar variabel bebas dalam persamaan regresi tersebut tidak saling berkorelasi. Untuk mendeteksi multikolinieritas adalah dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF), di mana menurut Hair et al dalam Duwi Priyatno (2009) variabel dikatakan mempunyai masalah multikolinearitas apabila nilai tolerance lebih kecil dari 0,1 atau nilai VIF lebih besar dari 10.
3. Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah terjadi penyimpangan model karena gangguan varian yang berbeda antar observasi satu ke observasi lain. Pengujian heteroskedastisitas dilakukan dengan mengamati grafik scatter plot pada output SPSS, dimana menurut Duwi Priyatno (2009) ketentuannya adalah sebagai berikut:
- Jika titik-titiknya membentuk pola tertentu yang teratur maka diindikasikan terdapat masalah heteroskedastisitas.
- Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah heterokedastisitas.
4. Autokorelasi
Autokorelasi digunakan untuk menguji suatu model apakah antara variabel pengganggu masing-masing variabel bebas saling mempengaruhi. Untuk mengetahui apakah pada model regresi mengandung autokorelasi dapat digunakan pendekatan D-W (Durbin Watson). Menurut Singgih Santoso (2001) kriteria autokorelasi ada 3, yaitu:
a. Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif.
b. Nilai D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi.
c. Nilai D-W di atas 2 berarti diindikasikan ada autokorelasi negatif.
5. Uji Linearitas
Uji Linieritas digunakan untuk mendeteksi adanya hubungan linier antara variabel X dan Y yang bisa dilakukan, sebagai berikut :
a. Plot antara residu (e) versus Y-topi
Jika plot yang bersangkutan menggambarkan suatu scatter diagram (diagram pencar) dalam arti tidak berpola maka dapat dikatakan tidak terjadi mispesifikasi pada fungsi regresi, hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier.
b. Plot antara variabel X versus Y
Jika plot menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi.
c. Plot antara residu versus X
Jika plot menggambarkan diagram pencar maka linieritas ini sudah terpenuhi.
(Siswandari, 2000:28)
Social Plugin