UJI
ASUMSI KLASIK
Disusun oleh : Komarudin
BAB I
LATAR BELAKANG
Pengertian
Uji Asumsi Klasik ΙΙ Model Regresi yang diperoleh dari metoda ordinary Least
Squares/OLS (kuadrat terkecil biasa) Merupakan model regresi yang menghasilkan
Best Linear Unbias Estimator/Blue (estimator linear tidak bias yang terbaik).
Hal tersebut dipenuhi dengan beberapa asumsi klasik yaitu Non
Multikolinearitas, Homoskedastisitas, Non Autokorelasi, Independent Variable
adalah Non stokastik, Distribusi kesalahan adalah Normal, dan Nilai rata-rata
kesalahan populasi pada model stokastik adalah sama dengan nol.
Non
Multikolinearitas artinya antara variabel bebas yang satu dengan variabel bebas
yang lain, tidak saling berhubungan secara sempurna. Homoskedastisitas Artinya
Varians variabel bebas adalah konstan untuk setiap nilai tertentu. Non
autokorelasi artinya tidak terdapat pengaruh dari variabel dalam model melalui
tenggang waktu. Independent variable adalah non stokastik memberi arti bahwa
nilainya konstan pada setiap kali percobaan yang dilakukan secara berulang.
Penyimpangan
asumsi klasik pada nonmultikolinearitas, homoskedastisitas dan Non
autokorelasi, sangat berpengaruh terhadap pola perubahan Variabel Terikat.
Sedangkan untuk penyimpangan asumsi klasik yang lain, hanya memberi sedikit
pengaruh atau tidak berpengaruh sama sekali terhadap pola perubahan Variabel
bebas.
BAB II
PEMBAHASAN
Uji
asumsi klasik
Uji
asumsi klasik adalah persyaratan statistik yang harus di penuhi pada analisis
regresi linier berganda yang berbasis ordinary least square (OLS). Jadi
analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi
klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak
semua uji asumsi klasik harus dilakukan pada analisis regresi linier, misalnya
uji asumsi multikolinearitas tidak dilakukan pada analisis regresi linier
sederhana dan uji autokorelasi tidak perlu di terapkan pada cross sectional.
Uji
asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linier yang
bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return
saham yang dihitung dengan market model, atau market adjusted model.
Perhitungan nilai return yang diharapkan dapat dilakukan dengan regresi, tetapi
tidak perlu diuji klasik.
Uji
asumsi klasik yang sering digunakan yaitu multikolinearritas, uji
heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak
ada ketentuan yang pasti tentang urutan uji mana duluyang harus dipenuhi.
Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh,
dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang
tidak memenuhi persyaratan. Kemudian dilakukan perbaikan uji tersebut, dan
setelah memenuhi persyaratan, dilakukan pada uji yang lain.
1.
Uji
normalitas
Uji
normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau
tidak. Model regresi yang baik adalah memiliki nilai residual yang
terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing
variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak
yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak
dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya
bukan pada masing –masing variabel penelitian.
Pengertian
normal secara sederhana dapat dianalogikan dengan sebagian besar berada pada
kategori sedang atau rata-rata. Jika kelas
tersebut bodoh semnua maka tidak normal, atau sekolah luar biasa. Dan
sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal
atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan
nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul
di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.
Uji
normalitas dapat dilakukan dengan uji histogram, uji normalP Plot, uji square,
skewness dan kurtosis atau uji kolgorov smirnov. Tidak ada metode yang paling
baik atau paling tepat.
Tipsnya
adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan
persepsi diantara beberapa pengamat, sehingga pengujian uji normalitas dengan
uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa
pengujian dengan uji statistik lebih baik dari pada dengan metode grafik.
Jika
residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi
kolmogorov smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang
mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka
dapat dilakukan beberapa langkah yaitu: memberikan transformasi data, melakukan
logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari
bentuk kurva normalnya, apoakah condong ke kiri, ke kanan, mengumpul di tengah
atau menyebar ke samping kanan dan kiri.
2.
Uji
multikolinearitas
Uji
multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi
antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika
ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan
antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai
ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan
dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika
sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara
motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jika tidak ada
korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan
kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.
Alat
statistik yang sering digunakan untuk menguji gangguan multikolinearitas dengan
variance inflation factor (VIF), korelasi pearson antara variabel-variabel
bebas, atau dengan melihat eigenvalues dan condition index (ci)
Beberapa alternatif cara untuk mengatasi
masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggu
2. Menambah jumlah observasi
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.
3.
Uji
heteroskedastisitas
Uji
heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians
dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang
memenuhi persyaratan dimana terdapat kesamaan varians dari residual satu
pengamatan ke pengamatan yang lain tetap atau di sebut homoskedastisitas.
Deteksi
heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan nilai
ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik
didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di
tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.
Uji statistik yang dapat digunakan adalah uji glejser, uji park atau uji white.
Beberapa
alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan
mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika
semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua
variabel dengan variabel yang memahami gangguan heteroskedastisitas.
4.
Uji
autokorelasi
Uji
autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu t dengan
periode sebelumnya (t-1). Secara sederhana adalah bahwa analisis regresi adalah
untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi
tiadakboleh ada korelasi antara observasi dengan data observasi sebelumnya.
Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai
tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu,
katakanlah bulan februari, akan di pengaruhi oleh tingkat inflasi bulan
januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh
lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan januari
satu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada
pengaruh dari apapun, pengeluaran pada bulan februari akan rendah.
Uji
autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak
perlu dilakukan pada data cross section seperti pada kuesioner dimana
pengukuran di bursa efekindonesia dimana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi
Beberapa
uji statistik yang sering dipergunakan adalah uji durbin-watson, uji dengan run
test dan jika data observasi di atas 100 data sebaiknya menggunakan uji
lagrange multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi
adalah dengan mentranformasikan data atau bisa juga dengan mengubah model
regresi ke dalam bentuk bersamaan beda umum (generalized difference equation).
Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel
terikatnya menjadi salah satu variabel beas, sehingga data observasi menjadi
berkurang 1
5.
Uji
linearitas
Uji
linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai
hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian,
karena biasanya model dibentuk berdasarkan telaah teroritis bahwa hubungan
antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar
variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah
tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
Jika ada hubungan antara dua variabel yang
belum diketahui apakah linear atau tidak, uji linearitas tidak dapat
digunakan untuk mengkonfirmasikan apakah
sifat linier antara dua variabel yang diidentifikasikan secara teori sesuai
atau tidak dengan hasil observasi yang ada. Uji linieraritas dapat menggunakan
uji durbin-watson
BAB III
Kesimpulan
Uji
asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi
linear berganda yang
berbasis ordinary least square (OLS).
Uji
asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji
heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak
ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi.
Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh,
dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang
tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan
setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.
Uji
normalitas
adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak.
Uji
multikolinearitas
adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel
bebas dalam suatu model regresi linear berganda.
Uji
heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke
pengamatan yang lain.
Uji
autokorelasi
adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan
periode sebelumnya (t -1).
Uji linearitas dipergunakan untuk melihat apakah
model yang dibangun mempunyai hubungan linear atau tidak.
Kesimpulan,
untuk yang memiliki data panel
dan hendak melakukan uji asumsi klasik, maka yang diwajibkan bagi anda adalah
uji heteroskedastisitas dan uji multikolinearitas. Untuk uji autokorelasi dan
normalitas sebaiknya tidak dilakukan, karena hasilnya tidak memberikan makna sama
sekali. Dan sekali lagi, tidak ada uji asumsi klasik khusus untuk data panel,
karena uji asumsi klasik hanya untuk data yang posisinya jelas apakah time
series atau cross section, adapun data panel sendiri lebih bersifat cross
section. Adapun untuk uji regresinya silahkan anda menggunakan regresi data
panel yang disediakan aplikasi Eviews. Caranya? Silahkan di googling hehe…
#DiaryAlFatih
Komentar
Posting Komentar