Uji Asumsi Klasik

Uji asumsi klasik adalah sebuah metode analisis yang digunakan dalam sebuah penelitian ilmiah untuk menguji apakah hipotesis yang dikemukakan sesuai dengan hasil yang diperoleh selama pengujian. Macam uji asumsi klasik ini terbagi menjadi dua kategori, yaitu regresi linier berganda atau regresi linier sederhana.

Perbedaan kedua kategori ini hanya terletak pada uji multikolinearitas yang syaratnya hanya bisa diaplikasikan pada metode regresi linier berganda. Saat Anda ingin menggunakan uji asumsi klasik menggunakan SPSS atau metode statistika lainnya, Anda perlu menerapkan metode uji yang sesuai dengan data yang sudah dikumpulkan sesuai hipotesis yang dibuat di awal.

1.Uji Normalitas

Salah satu jenis uji asumsi klasik menurut para ahli adalah uji normalitas. Uji ilmiah yang satu ini digunakan untuk menguji apakah nilai residu memiliki persebaran yang normal atau kebalikannya.

Pada dasarnya uji normalitas seringpula dikategorikan normal residual dan baru dapat ditarik kesimpulan dengan benar apabila nilai observasi dengan nilai prediksi dari hasil penelitian yang dikumpulkan dibandingkan menggunakan metode regresi estimasi dan asumsi kombinasi nilai diasumsikan normal.

Setelah menggunakan true regression model, apabila error yang terjadi masih terdistribusi sebanding dengan OLS dan tidak bias maka variabel yang digunakan dalam penelitian dapat dikatakan valid. Namun demikian, metode uji normalitas, umumnya tidak bisa digunakan untuk menguji hipotesis yang variabelnya berbentuk skala dikotomi, seperti lansia – muda, perempuan – laki-laki, penghujan – kemarau, panas terik – gelap gulita. Pada aplikasi uji ilmiah SPSS, uji normalitas ini bisa dibuktikan dengan beberapa jenis tes, seperti P-Plot, Kolmogorov–Smirnov, atau Chi-Square.

Meski begitu, pada saat Anda menerapkan salah satu dari uji normalitass, perhatikan data yang diuji, apabila persebarannya tidak normal atau Anda mendapatkan kesimpulan hipotesis yang invalid, Anda bisa mencoba beberapa cara berikut:

a. Uji asumsi klasik normalitas bisa diuji kembali dengan menambah jumlah sampel penelitian yang sedang dilakukan, mengingat umumnya semakin banyak dan variatif ukuran sampel maka data yang dihasilkan akan semakin mengerucut ke pola distribusi normal.

b. Uji asumsi klasik spss dengan metode uji normalitas bisa diulang kembali dengan merubah transformasi regresi linier menjadi bentuk regresi polinomial. Namun demikian, perubahan ini bisa diterapkan apabila distribusi data bersifat parabolik atau sinusoidal.

c. Anda bisa mengulang kembali cara Anda memasukkan data pada SPSS dan melihat apakah ada outliers yang menyebabkan persebaran data menjadi tidak normal.

d. Pada penelitian tertentu, metode regresi linier bisa dirubah menjadi bentuk regresi logaritmik. Regresi macam ini bisa disesuaikan dengan analogi dan hipotesis yang ditetapkan pada pengkajian ilmiah. Data akan diolah menjadi beberapa pilihan logaritma, seperti linier log atau log-log.

2. Uji Multikolinearitas

Dari macam-macam uji asumsi klasik yang dapat diinterpretasikan dalam SPSS sesuai data yang dikumpulkan, ada uji multikolinearitas yang dapat dibuat kesimpulan menggunakan nilai tolerance dan nilai variance inflation factor (VIF).

• Jika pengujian data berdasarkan pada nilai tolerance, maka pada saat nilai lebih besar dari 0,10 tandanya sama sekali tidak terjadi indikasi multikolinieritas pada model regresi. Namun apabila nilainya lebih kecil dari 0,10 kemungkinan yang terjadi adalah kebalikannya, dimana multikolinieritas sudah terjadi pada model regresi.
• Nilai tolerance berbanding terbalik dengan nilai VIF. Pada nilai VIF, apabila nilai lebih besar dari 10 maka telah terjadi multikolinieritas pada tipe regresi linier. Sementara itu, apabila nilai VIF lebih kecil dari 10,00 didefinisikan tidak ada multikolinieritas.

Contoh uji asumsi klasik tipe uji multikolinearitas adalah ketika Anda sedang menguji seberapa tinggi pengaruh minat dan motivasi siswa untuk mendapatkan nilai tinggi di masa pandemi, meski hanya belajar online. Hasil penelitian yang terlihat dari SPSS umumnya akan menunjukkan 2 hal, yaitu apakah ada korelasi antara variabel independen dengan variabel dependen atau tidak.

Apabila standar error besar, dengan nilai T hitung lebih kecil dari T table, maka hal tersebut dapat disimpulkan bahwa tidak ada hubungan linear atau hubungan saling mempengaruhi antara variabel yang digunakan dalam penelitian. Jika disesuaikan dengan rumus uji asumsi klasik satu ini, ada beberapa solusi yang bisa diterapkan untuk menguji kembali gejala multikolinearitas yang muncul pada regresi linear, seperti:

a. Mengeluarkan beberapa variabel yang tingkat korelasi atau hubungannya tinggi,
b. Melihat kembali data yang diuji, jika perlu Anda bisa menambahkan sampel baru agar sebaran data yang didapatkan lebih bervariasi.
c. Mengeluarkan data ekstrim yang korelasinya tinggi atau melakukan transformasi dari data yang sudah dikumpulkan sebelumnya dengan rumus berbeda, seperti Log atau Lag.
d. Mencoba uji asumsi klasik variabel moderating atau jenis uji asumsi lain yang dapat lebih mendeteksi gejala multikolinearitas.

3. Uji Heterokedastisitas

Dalam definisi uji asumsi klasik, khususnya uji heterokedastisitas dapat diketahui bahwa uji ini bertujuan untuk mengetahui apakah ada ketidaksamaan variasi dari nilai residual yang muncul dari satu pengamatan ke pengamatan lain.

Apabila model regresinya benar, umumnya yang terjadi adalah homokedastisitas (nilai Sig. lebih besar dari 0,05), mengingat nilai residual dari satu pengamatan ke pengamatan lain sifatnya tetap. Secara ilmiah, data yang Anda analisis masuk kedalam kategori heterokedastisitas apabila menunjukkan indikasi nilai Sig (Signifikansi) lebih kecil dari 0,05.

4. Uji Autokorelasi

Pengertian uji asumsi klasik berjenis uji autokorelasi adalah uji ilmiah yang berdasarkan pada ada tidaknya korelasi atau hubungan antara periode waktu satu dengan periode waktu yang sebelumnya. Nantinya dari pengujian akan ditemukan ada tidaknya pengaruh dari satu variabel dengan variabel lainnya.

Uji ilmiah autokorelasi umumnya hanya digunakan untuk menguji data yang memiliki runtutan waktu dan bukan menguji data kuesioner yang didapatkan datanya secara serempak atau di waktu yang sama. Cara uji asumsi klasik autokorelasi dibedakan menjadi beberapa jenis, yaitu :

• Run test

Urutan uji asumsi klasik model run test diperlukan untuk membuktikan apakah korelasi antar residual cukup tinggi dan bagaimana proses terjadinya, apakah terjadi secara acak pada saat pengujian data atau tidak. Hasilnya dianggap valid apabila output yang diberikan sistem SPSS kurang dari 0,05, dimana tidak ada korelasi antar data residu.

• Model uji Durbin-Watson

Dalam buku uji asumsi klasik, hasil metode uji DW ini valid apabila sudah dibandingkan dengan nilai table statistik, dimana jumlah sampel sekitar 100 dengan variabel bebas berjumlah 3-4 dengan tingkat adjustable 5%. Pada dasarnya uji satu ini menggunakan regresi dengan rumus saving, earning, wealth, dan size.

5. Uji Linearitas

Uji asumsi klasik linearitas adalah salah satu dari jenis uji asumsi klasik yang mengedepankan ada tidaknya hubungan linear dari data yang dikumpulkan. Uji linearitas bisa dibuktikan dengan beberapa jenis analisis, seperti grafik residual atau scatterplot. Namun demikian, sebelum melakukan uji linearitas, perhatikan syarat data statistik dan jumlah variabel yang bisa digunakan.