Anda mungkin pernah mengalami kesulitan untuk uji Asumsi Klasik ketika mengerjakan skripsi atau tesis. Uji Asumsi Klasik bertujuan untuk menguji apakah persamaan garis regresi yang diperoleh linier dan bisa dipergunakan untuk melakukan peramalan, maka harus dilakukan uji asumsi klasik yaitu :
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal. Pembuktian apakah suatu data memiliki distribusi normal dapat dilihat pada bentuk distribusi datanya pada histogram maupun normal probability plot. Pada histogram, data dikatakan distribusi normal jika data tersebut berbentuk seperti lonceng. Sedangkan pada normal probability plot, data dikatakan normal jika ada penyebaran titik-titik disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Jika data menyebar disekitar garis normal dan mengikuti arah garis normal maka model regresi memenuhi asumsi normalitas (Ghozali, 2007).
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent). Model regresi yang baik seharusnya tidak tejadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal (variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol ). Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model
regresi dapat dilihat dari nilai tolerance dan lawannya VIF (Variance Inflaction Factor). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2007).
Analisis regresi merupakan studi mengenai ketergantungan variabel dependen dengan salah satu atau lebih variabel independen, dengan tujuan untuk mengestimasi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Ghozali, 2007). Hasil dari analisis regresi adalah berupa koefisien untuk masing-masing variabel independen.
Uji Goodness of Fit bertujuan untuk menguji ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit-nya. Secara statistik, dapat diukur dari nilai statistik F, koefisien determinasi (R2), dan nilai statistik t (Ghozali, 2007).
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Pengujian hipotesis dengan statistik F dapat dilakukan dengan membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nila F hitung lebih besar daripada nilai F tabel, maka H0 ditolak dan menerima Ha. Untuk membuat hipotesis untuk kasus pengujian F-test, yaitu: H0 : b1 = b2 = b3 = b4 = 0 Artinya: tidak ada pengaruh yang signifikan dari variabel-variabel independen secara simultan terhadap variabel dependen (Y). Ha : b1− b4 > 0 Artinya: ada pengaruh yang signifikan dari variabel-variabel independen secara simultan terhadap variabel dependen. Menentukan F tabel dan F hitung dengan tingkat kepercayaan sebesar 95 % atau taraf signifikansi sebesar 5 %, maka F hitung > F tabel, maka Ho ditolak dan Ha diterima, berarti masing-masing variabel bebas secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel terikat. Sedangkan jika F hitung < F tabel, maka Ho diterima dan Ha ditolak, berarti masing-masing variabel bebas secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel terikat.
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R2 antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Uji signifikansi parameter individual (uji statistik t) pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis yang dipakai adalah Ho : bi = 0, artinya suatu variabel independen tidak berpengaruh terhadap variabel dependen.Ha : bi > 0, artinya suatu variabel independen berpengaruh positif terhadap variabel dependen. Kriteria pengujian dengan tingkat signifikansi (a) = 0,05 ditentukan apabila t hitung > t tabel, maka H0 ditolak dan Ha diterima. Apabila t hitung < t tabel, maka H0 diterima dan Ha ditolak.
Selamat Mencoba ya.
good job
ReplyDelete