UJI ASUMSI KLASIK PART 2

UJI ASUMSI KLASIK PART 2

Uji Linearitas

            Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi linear.Pengujian pada SPSS dengan menggunakan Test for Linearity dengan pada taraf signifikansi 0,05. Dua variabel dikatakan mempunyai hubungan yang linear bila signifikansi (Linearity) kurang dari 0,05

Cara membaca Uji Linearitas

            Apabila nilai Probability F hitung lebih besar dari tingkat alpha (0.05) maka model regresi memenuhi asumsi linearitas, begitu pula sebaliknya.

Uji Multikolinearitas

                      Multikolinearitas merupakan salah satu uji dari uji asumsi klasik yang merupakan pengujian yang dilakukan untuk mengidentifikasi suatu model regresi dapat dikatakan baik atau tidak. Secara konsep, multikolinearitas adalah situasi dimana terdapat dua variabel yang saling berkorelasi. Adanya hubungan diantara variabel bebas adalah hal yang tak bisa dihindari dan memang diperlukan agar regresi yang diperoleh bersifat valid. Namun, hubungan yang bersifat linier harus dihindari karena akan menimbulkan gagal estimasi (multikolinearitas sempurna) atau sulit dalam inferensi (multikolinearitas tidak sempurna).

                      Uji Multikolinieritas dilakukan untuk melihat apakah ada keterkaitan antara hubungan yang sempurna antara variable-variabel independen. Jika didalam pengujian ternyata didapatkan sebuah kesimpulan bahwa antara variable independent tersebut saling terikat, maka pengujian tidak dapat dilakukan kedalam tahapan selanjutnya yang disebabkan oleh tidak dapat ditentukannya koefisien regresi variable tersebut tidak dapat ditentukan dan juga nilai standard errornya menjadi tak terhingga.

                      Untuk mengetahui hasil uji dari uji multikolinieritas dapat dilihat dari beberapa cara, yakni sebagai berikut:

1.      Dengan melihat nilai tolerance:

                      Apabila nilai tolerancenya sendiri lebih besar dari 0,10 maka dapat disimpulkan tidak terjadi multikolinieritas. Sedangakan bilan nila tolerancenya lebih kecil dari 0,10 maka kesimpulan yang didapat adalah terjadi multikolinieritas.

2.      Dengan melihat nilai VIF:

                      Jika nilai VIF lebih dari 10, maka kita akan mendapat kesimpulan bahwa data yang kita uji tersebut memiliki multikolinieritas, Sedangkan jika nilai VIF dibawah 10, maka kita akan mendapat kesimpulan bawa data yang kita uji tidak memiliki kolinieritas.

3.      Rumus: VIF=1/1-R²

              Dalam hal ini, apabila data yang kita uji mengalami multikolinieritas, maka dapat diatasi dengan beberapa cara, yakni dengan cara:

·         Menggabubgkan data time series dan juga cross section

·         Transformasi variabel

·         Menghapus atau mengeluarkan variable bebas yang menjadi penyebab timbulnya multikolinieritas, namun dengan cara ini kita harus melakukannya dengan hati-hati dan teliti, karena apabila data yang kita keluarkan ternyata penting secara teoretis, maka akan menimbulkan bias spesifikasi.

            Yang kedua kita juga dapat menambahkan data baru, namun cara ini hanya dapat digunakan apabila terjadi didalam sampel, dan bukan didalam populasi dari variable-variabel yang sedang diamati. Karena apabila kita menambah data kedalam populasi dari variable-variable yang sedang diamati, maka tidak akan terjadi apa-apa atau tidak akan menyelesaikan masalah multikolinieritas.

Uji Autokorelasi (1)

            Autokorelasi adalah adanya korelasi antara anggota serangkaian observasi yang diurutkan menurutkan waktu, konsekuensi dari adanya autorkorelasi adalah model regreasi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel kriterium (variabel dependent) pada nilai variabel prediktor (variabel independent).

Uji Kelayakan Model

            Menurut Widarjono (2010:282) setelah peneliti melakukan estimasi analisis faktor konfirmatori, langkah selanjutnya dalam menginterpretasikan hasil dari analisis faktor konfirmatori adalah mengevaluasi kesesuaian atau kebaikan suatu model secara menyeluruh (over all fit model) yang dalam bahasa indonesia disebut "uji kelayakan model'. terdapat beberapa metode untuk menguji kebaikan atau kesesuaian suatu model secara menyeluruh.