Asumsi klasik dalam regresi adalah beberapa pesyaratan yang harus ditaati saat kita akan menggunakan prosedur regresi linier berganda. Asumsi tersebut di antaranya ialah: otokorelasi, multikolinieritas, normalitas data, heteroskedastisitas.
1. Otokorelasi
Otokorelasi adalah terjadinya korelasi dalam variabel bebas yang mengganggu hubungan variabel bebas tersebut dengan variabel terikat. Untuk pengujian otokorelasi maka dapat mengacu pada perolehan nilai Durbin – Watson (DW). Model regresi linear berganda tidak terjadi mengalami masalah otokorelasi jika: - 2 ≤ DW ≤ 2 (Anderson, 2001:733). Dengan menggunakan software (misal SPSS), maka nilai ini dapat diketahui jika kita mengaktifkan atau memberi tanda checklist pada opsi Durbin-Watson
2. Multikolinieritas
Multikolinieritas adalah terjadinya korelasi antar variabel bebas dalam regresi linier berganda dengan nilai yang sangat tinggi maupun sangat rendah. Untuk pengujian multikolinieritas maka dapat mengacu pada nilai variance inflation factor (VIF) dengan ketentuan jika nilai VIF > 5 maka terjadi multikolinieritas (beberapa referensi menyebutkan syarat lebih ketat, yakni VIF < 2 untuk bisa dikatakan tidak terjadi multikolinieritas). Selain mengacu pada nilai VIF, kita juga bisa mengacu pada nilai korelasi antar variable bebas dengan ketentuan jika nilai koefesien korelasi antara variable bebas > 0,7 atau < - 0,7 maka model regresi linear berganda mengalami masalah multikolinieritas (Anderson, 2001:644).
3. Normalitas
Data memiliki distribusi normal ketika distribusinya simetris seperti bentuk kurva bel. Secara visual menunjukkan frekuensi tertinggi berada di tengah-tengah, yaitu berada pada rata-rata nilai distribusi dengan kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya. Kurva normal juga dapat memiliki bentuk yang berbeda-beda, tergantung dari nilai rata-rata dan simpangan baku populasi. Uji normalitas dilakukan dengan mengacu pada hasil uji 1-Sample Kolmogorov Smirnov, yakni apabila nilai signifikansi > 0,05 maka dapat disimpulkan bahwa data telah berdistribusi normal.
4. Heteroskedastisitas
Homoskedastisitas merupakan sebuah asumsi bahwa variabel terikat menunjukkan tingkatan varian yang sama pada seluruh variable bebasnya. Apabila penyebaran nilai varian pada seluruh variabel bebas tidak sama, maka dikatakan bahwa model regresi linear berganda tersebut memiliki masalah heteroskedastisitas. Untuk menguji terjadinya kesamaan varian pada semua variable bebas, maka kita dapat melakukan uji Levene pada data variable kategorik, dengan ketentuan terjadi kesamaan varian apabila nilai signifikansi Levene test > 0,05. Untuk variabel berskala metrik, maka kita dapat menggunakan uji Box’s M, dengan ketentuan pengujiannya sama dengan seperti halnya pada pengujian Levene test.
Untuk mengetahui apakah terjadi masalah heteroskedastisitas dalam model regresi linear berganda, maka kita dapat mengacu pada perolehan nilai signfikansi (sig), yakni apabila nilai Sig. < 0,05, maka dalam model tersebut terjadi heteroskedastisitas. Dengan menggunakan software (misal: SPSS), caranya adalah dengan me-regresikan variabel-variabel bebas dengan variabel residual yang telah diabsolutkan.
0 comments:
Post a Comment