Pengertian Uji Asumsi Klasik Regresi Linear dengan SPSS

17
98208

Uji Asumsi Klasik

Pengertian Uji Asumsi Klasik

Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah asumsi klasik.

Berdasarkan pengertian uji asumsi klasik di atas, maka mungkin akan muncul beberapa pertanyaan pada para pembaca sekalian, yaitu antara lain:

  1. Apa yang dimaksud dengan Regresi Linear OLS?
  2. Apa yang dimaksud dengan Asumsi klasik?
  3. Apa saja jenis asumsi klasik pada regresi OLS?

Untuk menanggapi beberapa pertanyaan tadi, dalam kesempatan ini statistikian akan coba jelaskan satu persatu dan membahasnya secara tuntas. Marilah kita mulai dengan pengertian regresi linear OLS.

Uji Asumsi Klasik
Uji Asumsi Klasik

Pengertian Regresi Linear OLS

Regresi linear OLS adalah sebuah model regresi linear dengan metode perhitungan kuadrat terkecil atau yang di dalam bahasa inggris disebut dengan istilah ordinary least square. Di dalam model regresi ini, ada beberapa syarat yang harus dipenuhi agar model peramalan yang dibuat menjadi valid sebagai alat peramalan. Syarat-syarat tersebut apabila dipenuhi semuanya, maka model regresi linear tersebut dikatakan BLUE. BLUE adalah singkatan dari Best Linear Unbiased Estimation.

Apa saja syarat pada regresi linear OLS? jawabannya ada bagian di bawah nanti.

Pengertian Asumsi Klasik

Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model regresi linear OLS agar model tersebut menjadi valid sebagai alat penduga.

Asumsi Klasik pada Regresi Linear

Jenis Regresi Linear OLS

Sebelum kita membahas lebih jauh apa saja asumsi klasik yang harus dipenuhi pada regresi linear OLS, alangkah lebih baik jika kita mengetahui dulu bahwa regresi OLS ada 2 macam, yaitu: regresi linear sederhana dan regresi linear berganda.

Regresi Linear sederhana atau disebut dengan simple linear regression, adalah regresi linear dengan satu variabel bebas dan satu variabel terikat. Sedangkan regresi linear berganda atau disebut juga dengan multiple linear regression adalah regresi linear dengan satu variabel terikat dan beberapa variabel bebas. Arti kata beberapa maksudnya adalah 2 variabel atau lebih.

Jenis Uji Asumsi Klasik Pada Regresi Linear

Dengan adanya dua jenis yang berbeda pada regresi linear, maka syarat atau asumsi klasik pada regresi linear juga ada dua macam.

Uji Asumsi Klasik Pada Regresi Linear Sederhana

Asumsi klasik pada regresi linear sederhana antara lain:

  1. Data interval atau rasio,
  2. Linearitas,
  3. Normalitas,
  4. Heteroskedastisitas,
  5. Outlier,
  6. Autokorelasi (Hanya untuk data time series atau runtut waktu).
Uji Asumsi Klasik Pada Regresi Linear Berganda

Asumsi klasik pada regresi linear berganda antara lain:

  1. Data interval atau rasio,
  2. Linearitas,
  3. Normalitas,
  4. Heteroskedastisitas,
  5. Outlier,
  6. Multikollinearitas,
  7. Autokorelasi (Hanya untuk data time series atau runtut waktu).
Perbedaan Asumsi Klasik Regresi Linear Sederhana dan Berganda

Berdasarkan penjelasan di atas, terlihat jelas bahwa asumsi klasik antara regresi linear sederhana dan berganda hampir sama. Letak perbedaannya hanya pada uji multikolinearitas, dimana syarat tersebut hanya untuk regresi linear berganda.

Penjelasan Masing-Masing Asumsi Klasik

Data interval atau rasio tidak perlu diuji menggunakan perhitungan ataupun dengan aplikasi komputasi seperti SPSS, STATA atau software statistik lainnya. Cukup data yang ada, yaitu tiap variabel terutama variabel dependen adalah berskala data interval atau rasio. Untuk memahami jenis-jenis atau skala data, pelajari artikel kami tentang: Jenis data dan pemilihan analisis statistik.

Sedangkan untuk asumsi klasik lainnya yang telah disebutkan di atas, kami sudah membahas pengertian dan penjelasannya satu persatu secara detail dan lengkap di website statistikian ini. Bahkan berbagai cara dengan software statistik dan contoh pengujian serta cara mengatasinya sudah dibahas juga dalam berbagai artikel kami. Silahkan anda pelajari semuanya agar pemahaman anda menjadi lengkap dan luas perihal regresi linear dan asumsi klasiknya. Maka jangan kemana-mana, stay with me untuk belajar ilmu statistik secara komprehensif hanya di statistikian.

Demikian penjelasan singkat kami tentang uji asumsi klasik regresi linear dengan SPSS.

Jasa Olah Data Aman Terpercaya

17 KOMENTAR

  1. Selamat malam pak, mau nanya kalau varibel terikatnya ada 2 dan variabel bebasnya 1 itu bisa dikatakan regresi linier sederhana gak ya pak ?

  2. Selamat malam pak , saya ingin bertanya untuk menguji regresi linear berganda dibutuhkan data rasio atau interval, lalu bgaimana dengan data yang bersifat ordinal? apakah tidak bisa menguji regresi linear berganda?

  3. Selamat sore pak , saya mau bertanya pak kalau jenis variabelnya ada 3 : independen, dependen, moderasi analisis datanya gmna ya pak ? mohon penjelasannya ya pak

  4. Selamat malam pak,
    Pak, bagaimana jika dalam satu penelitian terdapat 4 model regresi. Apa masing2 uji asumsi klasiknya dilakukan sebanyak 4 kali juga? Terimakasih pak

  5. Saya menggunakan uji faktor sebelum linear berganda… stepnya bagaimana ya pak?

    Asumsi klasik-> uji faktor->asumsi klasik-> limear berganda

    Atau
    Uji faktor -> asumsi klasik-> linear berganda

    Bagaimana step yg benar ya pak?

    • Silahkan anda lakukan analisis faktor terlebih dahulu sebagai syarat-syarat untuk validitas reliabilitas jika analisis faktor yang anda maksud adalah CFA. Jika analisis faktor yang anda maksud adalah PCA maka silahkan lakukan PCA terlebih dahulu untuk membentuk variabel-variabel. Selanjutnya baru anda masuk ke dalam tahap uji regresi linier berganda sesuai hasil analisis faktor yang telah anda lakukan dan sesuai dengan hipotesis atau tujuan penelitian anda. Dalam pemahaman asumsi klasik, uji regresi linier berganda harus dilakukan terlebih dahulu baru kemudian anda bisa cek asumsinya adakah yang dilanggar atau tidak menggunakan berbagai uji asumsi yang sesuai. Seperti itu seharusnya urutan anda bekerja.

  6. Saya melakukan regresi linier sederhana dengan salah satu variabel dummy…setiap kali saya menghitung linieritas dengan spss nilai linieritasnya tidak pernah muncul dan muncul pesan ” with fewer than three groups, linierity measures for var 1 and var 2 cannot be computed”..mohon pencerahannya om

    • Saya tidak akan langsung menjawab pertanyaan anda, melainkan memberikan pengertian prinsip lebih dulu. Model regresi linear yang dibentuk akan menghasilkan model prediksi, misalnya Y Prediksi = a + b1 X1 + b2 X2. Kemudian dapat dihitung residualnya yaitu dengan rumus residual = Y Aktual – Y Prediksi. Kemudian uji asumsi itu menggunakan nilai-nilai dari residual tersebut. Misalnya uji autokorelasi menilai stasioneritas residual. Asumsi heteroskedastisitas adalah menilai korelasi antara residual dengan y prediksi. Asumsi normalitas adalah menilai sebaran data residual. Asumsi outlier menilai adanya pencilan data pada residual. Sedangkan uji multikolinearitas menilai adanya korelasi kuat antar variabel bebas.

  7. Selamat malam ka, saya ingin bertanya

    Jadi penelitian saya komparatif tapi untuk pengujian analisis datanya lebih baik pakai Uji Kolmogorov atau Uji Shapiro?

    • Untuk uji normalitas pada regresi linier, anda bisa memilih berbagai uji normalitas misalnya uji kolmogorov smirnov dan Shapiro Wilk. Untuk menentukan uji normalitas apa yang digunakan sebaiknya disesuaikan dengan ketersediaan aplikasi komputasi yang anda miliki serta disesuaikan dengan jumlah sampelnya. Misalnya untuk Shapiro Wilk akan efektif pada sampel kecil 7 – 50 sampel. Sedangkan kolmogorov lebih efektif untuk sampel yang lebih besar.

TINGGALKAN KOMENTAR

Please enter your comment!
Please enter your name here