PERTEMUAN 15 UJI ASUMSI KLASIK A. TUJUAN … fileMenjelaskan uji normalitas Uji normalitas merupakan pengujian untuk mengetahui apakah suatu data berdistribusi normal atau tidaka

Modul Metodologi Penelitian

1

S1 Manajemen, Universitas Pamulang

PERTEMUAN 15

UJI ASUMSI KLASIK

A. TUJUAN PEMBELAJARAN Pada pertemuan ini akan dijelaskan mengenai uji asumsi klasik. Melalui

ekspositori, Anda harus mampu:

15.1. Menjelaskan uji normalitas

15.2. Menjelaskan uji multikolinieritas

15.3. Menjelaskan uji heteroskedastisitas

15.4. Menjelaskan uji linieritas

15.5. Menjelaskan uji autokorelasi

B. URAIAN MATERI Tujuan Pembelajaran 15.1:

Menjelaskan uji normalitas

Uji normalitas merupakan pengujian untuk mengetahui apakah suatu data berdistribusi normal atau tidaka. Suatu model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal.

Berikut ini merupakan contoh kasus pengolahan uji normalitas: Seorang peneliti ingin menguji normalitas dari variabel Kinerja Karyawan (Y), Gaya Kepemimpinan (X1), Budaya Organisasi (X2) dan Kompensasi (X3). Langkah-Langkah:

1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran. 2) Pilih menu Analyze kemudian submenu Regression, lalu pilih Linear.


2


3) Tampak di layar menu Linear Regression

Pada kotak Dependent isikan variabel Y

Pada kotak Independent isikan variabel X1, X2 dan X3 Pada kotak Method pilih Enter

4) Pilih Plots di menu kemudian akan muncul tampilan Windows Linear

Regression: Plots


3


Aktifkan pilihan Histogram dan Normal probability plot

Tekan Continue lalu Ok pada menu Linear Regression 5) Hasil output


4


Dengan melihat tampilan grafik Histogram maupun grafik Normal P-

Plot of RegressionStandardizedResidual dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal. Sedangkan pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Jadi dapat disimpulkan bahwa model regresi pada penelitian ini memenuhi syarat untuk menjadi model regresi yang baik karena merupakan model regresi yang memiliki distribusi data normal atau mendekati normal.

Tujuan Pembelajaran 15.2:

Menjelaskan uji multikolinieritas

Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika terdapat atau terjadi korelasi, maka dinamakan terdapat masalah multikolinieritas.

Berikut contoh kasus multikolinieritas:

Seorang peneliti ingin menguji asumsi multikolinieritas dari variabel Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi (X2) dan Kepemimpinan (X3). Langkah-Langkah:

1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran. 2) Pilih menu Analize kemudian submenu Regression, lalu pilih Linear.


5



Pada kotak Dependent isikan variabel Y Pada kotak Independent isikan variabel X1, X2 dan X3

Pada kotak Method pilih Enter


6


4) Untuk menampilkan matriks korelasi dan nilai tolerance serta VIF pilih Statistics di menu kemudian akan muncul tampilan Windows Linear Regression: Statistics

Aktifkan pilihan Covariancematrix dan ColliniearityDiagnostics

Tekan Continue lalu Ok pada menu LinearRegression 5) Hasil output

Coefficientsa Model CollinearityStatistic

s Tolerance VIF

1 X1 ,299 3,348 X2 ,250 3,993 X3 ,703 1,423

a. DependentVariable: Y

Dari tabel Coefficients menunjukkan bahwa tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0,100 yang berarti tidak ada korelasi antar variabel independen. Dengan demikian dapat dikatakan bahwa tidak terjadi multikolinearitas.

Multikolinieritas juga diuji dengan menghitung nilai VIF (VarianceInflatingFactor). Bila nilai VIF lebih kecil dari 5 maka tidak terjadi multikolinieritas. Semua nilai VIF pada tabel Coefficients menunjukkan angka kurang dari 5. Dengan demikian dapat disimpulkan bahwa model pada


7


penelitian ini memenuhi syarat untuk menjadi model regresi yang baik karena tidak terjadi korelasi antar variabel independen (non-multikolinearitas).

CoefficientCorrelationsa

Model X3 X1 X2 1 Correlations X3 1,000 ,134 -,420

X1 ,134 1,000 -,806 X2 -,420 -,806 1,000

Covariances X3 ,021 ,004 -,012 X1 ,004 ,041 -,032 X2 -,012 -,032 ,039

a. DependentVariable: Y

Melihat tabel CoefficientCorrelations tampak bahwa terjadi korelasi yang cukup tinggi antara variabel X1 dan X2 dengan tingkat korelasi – 0,806 atau 80,6%. Karena nilainya masih di bawah 95% sehingga masih dapat dikatakan tidak terjadi multikolinearitas(non-multikolinearitas).


Menjelaskan heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi atau terdapat ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas. Berikut contoh kasus pengujian heteroskedastisitas: Seorang peneliti ingin menguji asumsiheteroskedastisitas dari variabel Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi (X2) dan Kepemimpinan (X3). Langkah-Langkah:

1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.

2) Pilih menu Analyze kemudian submenu Regression, lalu pilih Linear.


8





4) Pilih Plots di menu kemudian akan muncul tampilan Windows Linear

Regression: Plots


9


Masukkanvariable*SRESID pada kotak pilihan Y

Masukkanvariable*ZPRED pada kotak pilihan X

Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output

Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak

serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Jadi dapat disimpulkan bahwa model pada penelitian ini memenuhi syarat untuk menjadi model yang baik karena merupakan model yang homoskedastisitas atau varians dari nilai residual pengamatan satu ke pengamatan yang lain tetap.


10


.


Menjelaskan linieritas

Uji linieritas dilakukan dengan melihat scatterplot antara standar residual dengan prediksinya. Bila sebaran tidak menunjukkan pola tertentu maka dikatakan asumsi linieritas memenuhi syarat.

Hasil pengujian menunjukkan scatterplot tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa model pada penelitian ini memenuhi syarat untuk menjadi model yang baik karena asumsi linieritasterpenuhi.

Manusia memiliki hawa nafsu yang membuat manusia tidak pernah

merasa puas akan apa-apa yang telah dimiliki atau dicapai. Misalkan kita

awalnya berjalan kaki, ingin memiliki sepeda. Setelah memiliki sepeda ingin

naik sepeda motor, setelah memiliki sepeda motor ingin mobil dan seterusnya

tidak pernah berhenti hingga ajal menjemput.

Begitu pula dengan rasa ingin tahu manusia yang tidak pernah berhenti.

Manusia selalu berusaha mencari tahu apakah, siapakah, kapankah,

dimanakah, oleh apa dan bagaimana tentang suatu fenomena atau kejadian.

Rasa ingin tahu ini pula yang membuka pola pikir manusia untuk menjawab

berbagai pertanyaan dalam kehidupannya.

Dalam pemenuhan rasa ingin tahunya manusia pertama kali

menggunakan panca inderanya untuk menjelaskan berbagai fenomena di


11


lingkungannya. Panca indera tersebut hanya didukung oleh teknologi

seadanya sehingga berbagai hal yang memang tidak terjangkau oleh indera

manusia dijelaskan melalui berbagai mitos.

Mitos berkembang pesat karena keterbatasan dari alat pengamatan

manusia terhadap berbagai fenomena. Keterbatasan dan rasa keingintahuan

yang tinggi menyebabkan manusia membuat cerita sesuai dengan jalan

pemikirannya sendiri dan menyebar turun temurun sehingga menjadi sebuah

kepercayaan dan menjadi legenda.

Seiring dengan meningkatnya peradaban manusia dan bertambahnya

pengalaman manusia tentang suatu fenomena, maka mitos pun mulai sedikit

demi sedikit ditinggalkan. Pengetahuan pun mulai berdasar pada sebagian

mitos dan sebagian pengalaman serta rasionalitas. Inilah pengetahuan yang

kita kenal dengan pseudo science.

Peradaban manusia semakin meningkat dari waktu ke waktu ditambah

dengan meningkatnya arus penyebaran teknologi yang didukung oleh

percepatan informasi. Berbagai kemajuan inilah yang telah memacu

terciptanya pengetahuan yang berdasar pada metode ilmiah yang disebut

dengan science. Dunia semakin tanpa batas wilayah, dimana setiap orang

mampu berkomunikasi dan menyebarkan informasi dimana saja dengan

menggunakan fasilitas internet, sehingga pengetahuan meningkat berkali-kali

lipat dari sebelumnya.


Menjelaskan autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Kasus: Seorang peneliti ingin menguji asumsiautokorelasi dari variabel Kinerja Karyawan (Y), Struktur Organisasi (X1), Budaya Organisasi (X2) dan Kepemimpinan (X3). Langkah-Langkah:

1) Masukkan data X1, X2, X3 dan Y yang terdapat pada lampiran.


12


2) Pilih menu Analizekemudian submenuRegression, lalu pilih Linear.




4) Pilih Statistics di menu kemudian akan muncul tampilan Windows Linear Regression: Statistics


13


Aktifkan pilihan Durbin-Watson Tekan Continue lalu Ok pada menu Linear Regression

5) Hasil output

Model Summaryb Model

R R Square Adjusted R

Square Std. Error of theEstimate

Durbin-Watson

1 ,710a ,504 ,474 1,319 1,844

a. Predictors: (Constant), X3, X1, X2 b. DependentVariable: Y

Nilai DW sebesar 1,844 akan dibandingkan dengan nilai tabel yang memiliki signifikansi 5%, jumlah sampel 54 dan jumlah variabel independen 3. Oleh karena nilai ini lebih besar dari batas atas (du) 1,681 dan kurang dari 4-du, maka dapat disimpulkan tidak terdapat autokorelasi.


14


C. SOAL LATIHAN/TUGAS

1. Jelaskan tujuan dan langkah pengujian normalitas?

2. Jelaskan tujuan dan langkah pengujian multikolinieritas?

3. Jelaskan tujuan dan langkah pengujian heteroskedastisitas?

4. Jelaskan tujuan dan langkah pengujian linieritas?

5. Jelaskan tujuan dan langkah pengujian autokorelasi?

D. DAFTAR PUSTAKA

http://extraordinarynad.lecture.ub.ac.id/files/2012/12/Uji-Asumsi-Klasik.docx

Documents

PERTEMUAN 15 UJI ASUMSI KLASIK A. TUJUAN … fileMenjelaskan uji normalitas Uji normalitas merupakan pengujian untuk mengetahui apakah suatu data berdistribusi normal atau tidaka