MATERI APLIKOM LANJUT UJI ASUMSI KLASIK
Pada minggu kemarin saudara sudah melakukan analisis regresi berganda. Sebelum melakukan analisis regresi maka sebaiknya dilakukan uji asumsi klasik terlebih dahulu. Uji asumsi klasik ada 4 yaitu: 1. Uji normalitas Bisa dengan 2 cara: dengan test of normality menggunakan Kolmogorof Smirnov atau dengan melihat scaterplot Sudah kita bahas di materi deskriptip statistic dan explore Uji berikutnya sudah saudara pelajari pada saat regresi baik regresi sederhana maupun regresi berganda. Data yang digunakan dalam uji asumsi klasik ini menggunakan data pada saat saudara belajar regresi berganda minggu kemarin. 2. Uji Multikolinearitas Untuk menguji ada tidaknya korelasi antar variabel bebas. Ada 2 metode uji multikolinearitas, yaitu: a. Dengan membandingkan nilai koefisien determinasi individual (r 2) dengan nilai determinasi secara serentak (R2) Jika (r2) > (R2), maka terjadi multikolinearitas Jika (r2) < (R2), maka tidak terjadi multikolinearitas Model Summary
Model 1
R
R Square a
,977
Adjusted R
Std. Error of the
Square
Estimate
,954
,951
3,115
a. Predictors: (Constant), Kemampuan kerja
Model Summary
Model 1
R
R Square a
,969
,940
Adjusted R
Std. Error of the
Square
Estimate ,935
3,576
Model Summary
Model
R
Std. Error of the
Square
Estimate
R Square
,969a
1
Adjusted R
,940
,935
3,576
a. Predictors: (Constant), Pemahaman terhadap tugas
Model Summary
Model
R
Std. Error of the
Square
Estimate
R Square
,965a
1
Adjusted R
,930
,925
3,851
a. Predictors: (Constant), Motivasi kerja
b
Model Summary
Model 1
R
R Square a
.984
Adjusted R
Std. Error of the
Square
Estimate
.969
.960
Durbin-Watson
2.803
1.219
a. Predictors: (Constant), Motivasi kerja, Pemahaman tugas, Kemampuan kerja b. Dependent Variable: Produktivitas kerja
Dari hasil terlihat nilai (r2) < (R2) ; 0,954; 0,940 dan 0,930 < 0.969 maka tidak terjadi multikolinearitas antar variabel independen
b. Dengan melihat nilai tolerance dan inflation factor (VIF) pada model regresi kriterianya : nilai tolerance < 0,1 atau nilai VIF > 10; maka terjadi multikolinearitas dari hasil dapat dilihat bahwa ketiga variabel nilai tolerance < 0,1 dan nilai VIF .>10, jadi kesimpulannya terjadi multikolinearitas antar variabel bebas. Untuk mengatasinya dengan cara melakukan proses transformasi diantara variabel yang mengalami multikoliniearitas
Coefficientsa Standardized Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Coefficients
Collinearity Statistics
Beta
2.929
3.557
Kemampuan kerja
.370
.226
Pemahaman tugas
.309
Motivasi kerja
.274
t
Sig.
Tolerance
VIF
.823
.428
.417
1.638
.130
.044
22.854
.216
.311
1.428
.181
.060
16.662
.201
.270
1.359
.201
.072
13.860
a. Dependent Variable: Produktivitas kerja
3. Uji Autokorelasi Model regresi yang baik seharusnya tidak terjadi autokorelasi. Metode pengujianya menggunakan Durbin Watson (DW test). Dikatakan tidak terdapat autokorelasi apabila nilai DW berkisar diantara -2 sampai dengan + 2. Dari hasil terlihat nilai DW = 1,219, berarti tidak terjadi autokorelasi
Model Summaryb
Model 1
R .984a
R Square
Adjusted R
Std. Error of the
Square
Estimate
.969
.960
Durbin-Watson
2.803
1.219
a. Predictors: (Constant), Motivasi kerja, Pemahaman tugas, Kemampuan kerja b. Dependent Variable: Produktivitas kerja
4. Uji Heteroskedastisitas Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Ada 3 cara uji heteroskedastisitas yaitu: a. Uji koefisien korelasi Spearman’s rho yaitu mengkorelasikan variabel independen dengan residualnya. Jika signifikansi > 0,05, maka tidak terjadi heteroskedastisitas Dari hasil terlihat nilai signifikansi adalah 0,869; 0,889 dan 0,800 atau > 0,05, maka tidak terjadi heteroskedastisitas.
Correlations
Spearman's
Unstandardized
Correlation Coefficient
rho
Residual
Sig. (2-tailed)
Unstandardized
Kemampuan
Pemahaman
Motivasi
Residual
kerja
tugas
kerja
1.000
-.046
-.039
.071
.
.869
.889
.800
15
15
15
15
-.046
1.000
**
.965**
.869
.
.000
.000
15
15
15
15
-.039
.967**
1.000
.941**
.889
.000
.
.000
15
15
15
15
Correlation Coefficient
.071
**
**
1.000
Sig. (2-tailed)
.800
.000
.000
.
15
15
15
15
N Kemampuan kerja
Correlation Coefficient Sig. (2-tailed) N
Pemahaman tugas
Correlation Coefficient Sig. (2-tailed) N
Motivasi kerja
N
.965
.967
.941
**. Correlation is significant at the 0.01 level (2-tailed).
b. Uji Gletser kriterianya jika koefisien parameter signifikan, maka terdapat heteroskedastisitas. Cara pengujiannya dengan meregresikan undstandardised residual sebagai dependent dengan seluruh variabel independen yang lain. Dari hasil didapat angka signifikansi semua 1,000 atau > 0,05, atau tidak signifikan, maka tidak terdapat heteroskedastisitas.
a
Coefficients
Standardized Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Coefficients Beta
Collinearity Statistics t
Sig.
.000
1.000
Tolerance
VIF
-1.421E-15
2.954
Kemampuan kerja
.000
.180
.000
.000
1.000
.063
15.766
Pemahaman tugas
.000
.201
.000
.000
1.000
.063
15.766
Motivasi kerja
.000
.201
.000
.000
1.000
.072
13.860
a. Dependent Variable: Unstandardized Residual
c. Melihat pola titik-titik pada grafik regresi kriterianya: -
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka terjadi heteroskedastisitas.
-
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Dari hasil terlihat titik-titik tidak membentuk pola tertentu, maka tidak terjadi heteroskedastisitas.
