Dasar Keputusan Uji Asumsi Klasik dan Regresi
Uji Asumsi Klasik merupakan persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda. Tujuan dalam pengujian ini untuk mengetahui dan memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi, tidak bias dan konsisten.
Uji Normalitas
Uji normalitas ini digunakan dalam sebuah penelitian dengan tujuan untuk mengetahui apakah data yang didapat dari angket berdistribusi normal atau tidak. Pembuktian apakah data tersebut memiliki distribusi normal atau tidak dapat dilihat pada bentuk distribusi datanya, yaitu pada histogram maupun normal probability plot. Pada histogram, data dikatakan memiliki distribusi yang normal jika data tersebut berbentuk seperti lonceng. Sedangkan pada normal probability plot, data dikatakan normal jika ada penyebaran titik-titik disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Selain pada histogram dan p plot, dapat juga dilakukan dengan menggunakan uji Chi Square, Skewness, dan Kurtosis atau Uji Kolmogorov Smirnov.
Dasar pengambilan keputusan dalan uji normalitas: jika nilai signifikansi >0,05 maka data tersebut berdistribusi normal. Jika nilai signifikansi <0,05 maka data tersebut tidak berdistribusi normal.
Dasar pengambilan keputusan dalan uji normalitas: jika nilai signifikansi >0,05 maka data tersebut berdistribusi normal. Jika nilai signifikansi <0,05 maka data tersebut tidak berdistribusi normal.
Uji Multikolinearitas
Uji asumsi multikolinieritas merupakan suatu bentuk pengujian data penelitian dimana uji ini bertujuan untuk mengetahui dan menguji model regresi adanya hubungan antara beberapa atau semua variabel di dalam penelitian.
Dasar pengambilan keputusan:
Melihat tolerance: Tidak terjadi multikolinearitas jika nilai tolerance >0,10, terjadi multikolinearitas jika nilai tolerance <0,10 atau =0,10.
Melihat nilai VIF: Tidak terjadi multikolinearitas jika nilai VIF <10,00, terjadi multikolinearitas jika nilai VIF >1,00 atau =10,00.
Dasar pengambilan keputusan:
Melihat tolerance: Tidak terjadi multikolinearitas jika nilai tolerance >0,10, terjadi multikolinearitas jika nilai tolerance <0,10 atau =0,10.
Melihat nilai VIF: Tidak terjadi multikolinearitas jika nilai VIF <10,00, terjadi multikolinearitas jika nilai VIF >1,00 atau =10,00.
Uji Heteroskedastisitas
Merupakan uji yang dilakukan untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lainnya. Cara mendeteksinya adalah dengan cara melihat grafik plot antar nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scaterplot antar SRESID dan ZPRED dalam sumbu Y adalah Y yang telah diprediksi, dan sumbu x adalah residual (Y.Pred – Y.Sesungguhnya) yang telah distudentized analisisnya.
Dasar pengambilan keputusan: tidak terjadi heteroskedastisitas jika nilai thitung<ttabel dan nilai signifikansi >0,05. Terjadi heteroskedastisitas jika nilai thitung>ttabel dan nilai signifikansi <0,05.
Dasar pengambilan keputusan: tidak terjadi heteroskedastisitas jika nilai thitung<ttabel dan nilai signifikansi >0,05. Terjadi heteroskedastisitas jika nilai thitung>ttabel dan nilai signifikansi <0,05.
Uji Autokorelasi
Uji autokorelasi adalah uji yang digunakan untuk melihat apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalah pengganggu pada periode t-1 (sebelumnya) dalam model regresi linear104. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Dasar pengambilan keputusan (Uji Durbin Watson):
Jika d < dL atau > (4-dL) maka hipotesis nol ditolak, berarti terdapat autokorelasi.
Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, tidak terdapat autokorelasi.
Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.
Dasar pengambilan keputusan (Uji Durbin Watson):
Jika d < dL atau > (4-dL) maka hipotesis nol ditolak, berarti terdapat autokorelasi.
Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, tidak terdapat autokorelasi.
Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.