Uji Asumsi Klasik terdiri dari;

1.    Normalitas

            Uji Normalitas adalah suatu pengujian yang bertujuan ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Kriteria pengujian : Angka signifikasi (SIG) > 0,05, maka data distribusi normal. Angka signifikasi (SIG) < 0,05, maka data tidak berdistribusi normal.

2.    Uji Linieritas

       Uji Linieritas dilakukan sebelum analisis regresi dan korelasi yang ditujukan untuk menguji apakah sebuah regresi variabel terikat dan bebas keduanya mempunyai garis linier atau tidak. Model regresi yang didapat diolah yang mendekati normal.

3.    Uji Autokorelasi

       Uji autokorelasi bertujuan untuk menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Salah satu cara yang digunakan untuk mendeteksi ada atau tidak adanya autokorelasi adalah dengan Uji Durbin-Watson (DWtest) yaitu dengan membandingkan nilai DW harus lebih besar dari nilai du dan lebih kecil dari 4-du atau (du < DW < 4 – du).

4.    Uji Multikolinieritas

       Menunjukkan bahwa antara variabel independent mempunyai hubungan langsung (berkolerasi) sempurna. Konsekuensi dari Multikolinieritas  akan menyebabkan koefisien regresi nilainya kecil, dan standar error regression nilainya besar sehingga pengujian individunya menjadi tidak signifikan. Ciri adanya Multikolinieritas adalah R tinggi dab Ftest banyak yang tidak signifikan.

Mendeteksi Multikolinieritas dilakukan melalui :

1)    Dengan menggunakan variance inflation faktor (VIF), jika VIF lebib besar dari 5 maka variabel tersebut mempunyai persoalan Multikolinieritas dengan variabel bebas lainnya

2)    Menggunakan nilai eugen value mendekati nol

3)    Menggunakan nilai condition index, multikolinieritas akan terjadi jika index melebihi 15, dan benar-benar masalah serius jika indeks melebihi 30

5.    Uji Heteroskedastisitas

       Menunjukkan bahwa varians dari setup error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varian error harus bersifat homogen. Heteroskedastisitas merupakan asumsi penting dari analisis regresi Brier berganda, yaitu gangguan (error terms), error terms yang muncul dalam fungsi regresi populasi homoskedestik, yaitu semua gangguan tadi mempunyai varian yang sama. Sedangkan jika varian tidak sama akan terjadi heterokedesitas. Heterokedesitas terjadi akibat perubahan situasi yang tidak digambarkan dalam spesifikasi model regresi.

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *