Uji Asumsi Klasik | Pengertian dan Lima Macam Jenisnya

Uji Asumsi Klasik – Dalam bidang penelitian, uji asumsi klasik memiliki kaitan yang erat dengan metode penelitian kuantitatif.

Hal ini dikarenakan terdapat kekhawatiran apabila data penelitian tidak bisa terdistribusi dengan baik, yang mana memberikan isyarat pada peneliti untuk melakukan uji asumsi klasik sebelum uji hipotesis.

Selain hal tersebut, faktor lain yang menjadi dasar pentingnya melakukan uji asumsi klasik adalah kekhawatiran apabila data tidak dapat memenuhi kondisi syarat teknik statistika.

Namun, apa sih sebenernya uji asumsi klasik itu? Berikut merupakan penjelasannya termasuk dengan jenis-jenisnya mulai dari normalitas, multikollinearitas, dll.


Pengertian Uji Asumsi Klasik


Uji Asumsi Klasik | Pengertian dan Lima Macam Jenisnya
pixabay.com

Uji asumsi klasik merupakan suatu persyaratakan statistik yang perlu dipenuhi pada analisis regresi linear berganda dengan basis ordinary least square (OLS).

Untuk analisis regresi yang tidak berdasar pada OLS dan tidak membutuhkan persyaratan asumsi klasik misalnya seperti regresi ordinal atau logistik.

Jenis uji asumsi klasik yang biasa digunakan adalah uji multikolinieritas, normalitas, linearitas, autokorelasi, dan uji heteroskedastisitas.

Untuk urutan tes yang harus dipenuhi terlebih dahulu sebenarnya tidak ada ketentuan khususnya. Analisis tetap bisa dilakukan bergantung pada data yang ada.

Tujuannya adalah supada ada ketegasan pada padanan regresi yang diperoleh memiliki ketagasan dalam perkiraan, tetap dan tidak bias.


Jenis-Jenis


1. Uji Normalitas

Uji Asumsi Klasik | Pengertian dan Lima Macam Jenisnya
pixabay.com

Uji normalitas merupakan pengujian yang dilakukan supaya nilai residu yang tersalurkan bisa terlihat, baik itu berlangsung secara normal atau sebaliknya.

Ini karena model regresi yang benar memiliki penyaluran residu dengan skala normal. Maka, tujuan dari uji normalitas ialah menghitung nilai residu dan bukan diterapkan pada tiap variabel.

Jika berbicara uji normalitas, tidak ada metode yang dikatakan paling tepat. Bisa saja memakai metode histogram, skewness, kurtosis atau chi-square.

Tiap metode mempunyai kelebihan dan kekurangan masing-masing, tapi yang pasti tiap metode bisa menghitung resido normal dan perbedaannya tidak signifikan.

2. Uji Multikollinearitas

Uji Asumsi Klasik | Pengertian dan Lima Macam Jenisnya
pixabay.com

Uji multikollinearitas merupakan pengujian yang mempunyai kegunaan sebagai jembatan supaya bisa memahami level hubunguan yang tinggi diantara dua variabel dalam sebuah uji coba.

Jika tingkat hubungan yang diperoleh mempunyai skor yang tinggi, artinya ada kendala tiap korelasi antara variabel dependen dan independent.

Alat statistic yang biasa digunakan untuk melakukan uji multikolinearitas adalah Variance Inflation Factor.

3. Uji Heteroskedastizitas

pixabay.com

Uji heteroskedastizitas adalah pengujian yang dilakukan apabila ada ketidaksesuaian satu residu dengan pengamatan yang lain.

Metode scatterplot adalah metode yang umum digunakan untuk melakukan pengujian heteroskedastizitas.

Dengan menggunakan metode ini, nilai ZPRED dan juga nilai SRESID bisa diplot. Nanti apabila ada grafik yang tidak mempunyai corak tertentu maka model tersebut termasuk baik.

4. Uji Autokorelasi

pixabay.com

Uji autokorelasi merupakan pengujian yang dilakukan untuk data runtun waktu dikarenakan tidak membutuhkan penggunaan data cross section.

Tujuan dilakukannya pengujian ini untuk mengetahui hubungan antara periode t dengan periode t-1 (periode yang sudah terjadi sebelumnya).

Metode durbin Watson merupakan jenis metode yang umum digunakan karena yang paling akurat dalam mendeteksi autokorelasi.

Untuk metode lain yang yang bisa digunakan ialah pengubahan model regresi sehingga akan terbentuk persamaan umum dan perbedaan.

5. Uji Linearitas

pixabay.com

Uji linearitas merupakan suatu pengujian yang dilakukan untuk mengetahui keberadaan korelasi linear di pada model yang sedang dibangun.

Sebenarnya jenis pengujian ini termasuk yang cukup jarang dilakukan karena pembangunan model biasanya memakai teori korelasi variabel independen dan dependen linier sebagai landasannya.

Tapi, apabila korelasi linier tidak terbentuk, maka analisis yang menggunakan regresi linier tidak bisa dipakai.

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.