Uji asumsi klasik banyak digunakan dalam penelitian terutama penelitian kuantitatif. Namun, banyak orang yang belum memahami secara mendalam tentang pengertian, jenis dan pentingnya menggunakan uji asumsi ini pada sebuah penelitian.
Dalam artikel ini akan dibahas secara lengkap mengenai uji yang satu ini sehingga akan menambah pengetahuan dan membantu Anda jika memerlukan ini dalam menyelesaikan sebuah penelitian. Simak pembahasan lengkapnya sampai akhir artikel ini!
Pengertian Uji Asumsi Klasik
Asumsi klasik adalah persyaratan perhitungan statistik yang harus dipenuhi pada sebuah analisis regresi linear yang berdasarkan pada ordinary least square atau OLS. Perhitungan analisis yang bukan berdasarkan OLS tidak memerlukan uji asumsi yang satu ini.
Kemudian, apa itu model regresi? Model regresi adalah sebuah persamaan yang digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Model regresi memiliki dua jenis yakni model regresi berganda dan sederhana.
Regresi berganda adalah model regresi yang di dalamnya melibatkan lebih dari satu variabel independen dengan satu variabel dependen. Sedangkan model regresi sederhana adalah hanya ada satu variabel independen dengan satu variabel dependen.
Analisis yang satu ini biasanya digunakan untuk mengetahui seberapa besar pengaruh masing-masing variabel independen terhadap satu variabel dependen pada penelitian tersebut.
Jenis-Jenis
Dalam ilmu statistik, terdapat beberapa jenis uji asumsi yang klasik yang biasa digunakan dalam sebuah penelitian. Berikut pembahasan lengkapnya mengenai jenis-jenis uji asumsi yang klasik dalam ilmu statistik.
1. Uji Normalitas
Jenis uji asumsi yang klasik yang pertama adalah uji normalitas. Uji normalitas digunakan untuk melihat apakah suatu variabel dapat terdistribusi secara normal atau tidak. Sebuah model regresi berganda yang baik adalah memiliki residu yang terdistribusi secara normal.
Jadi, apabila ditemukan hasil bahwa suatu variabel tidak terdistribusikan secara normal, maka hasil uji statistiknya akan tidak baik atau menurun. Untuk melakukan uji normalitas ini Anda bisa menggunakan uji One Sample Kolmogorov Smirnov.
Suatu variabel yang kemudian diuji normalitas dengan uji One Sample Kolmogorov Smirnov dikatakan terdistribusi dengan normal jika nilai signifikansi diatas 5% atau 0,05.
Sedangkan suatu variabel yang kemudian diuji normalitas dengan uji One Sample Kolmogorov Smirnov dikatakan tidak terdistribusi dengan normal jika nilai signifikansi dibawah 5% atau 0,05.
Kemudian jika Anda mengalami nilai signifikansi mendekati 5% atau 0,05 pada penelitian Anda, sebagai contoh 0,049, maka bisa melakukan beberapa hal yakni:
- Memangkas outlier,
- Menambahkan data observasi, atau
- Mengubah data.
2. Uji Multikolinearitas
Jenis uji asumsi yang klasik yang kedua adalah uji multikolinearitas. Uji multikolinearitas digunakan untuk mengetahui apakah ada korelasi yang tinggi antara sebuah variabel independen terhadap variabel independen lainnya dalam model regresi linear berganda.
Jika hasil dari uji multikolinearitas menunjukkan bahwa satu variabel independen memiliki korelasi dengan variabel indepen lainnya, maka nilai uji statistik akan menurun. Hal ini karena seharusnya antar variabel independen tidak ada korelasi yang tinggi.
Metode uji ilmu statistik yang digunakan untuk menguji multikolinearitas adalah VIF atau variance inflation factor. Apabila hasil uji variance inflation factor atau VIF diatas angka 10, maka menunjukkan bahwa korelasi antar variabel independen tinggi.
Jadi dapat disimpulkan jika semakin tinggi hasil nilai uji VIF, maka semakin serius atau berat permasalahan mengenai multikolinearitasnya atau korelasi antar variabel independen pada sebuah penelitian.
3. Uji Heteroskedastisitas
Jenis uji asumsi klasik yang ketiga adalah uji heteroskedastisitas. Uji ini digunakan untuk mengecek apakah ada perbedaan yang tidak sama antara satu residu dengan pengamatan lainnya.
Model regresi berganda akan memiliki nilai uji statistik yang tinggi jika ada kesamaan antara satu residu dengan pengamatan lainnya. Kondisi ini disebut dengan homoscedasticity.
Proses uji heteroskedastisitas dapat dilakukan dengan metode scatterplot yakni dengan membuat plot nilai prediktif atau nilai ZPRED dengan nilai sisa atau nilai SRESID. Model regresi berganda yang baik yakni ketika grafik tidak menunjukkan pola tertentu.
Seperti menyempit dan melebar, berkumpul di tengah, atau melebar dan menyempit. Jika hasil uji heteroskedastisitas melanggar kondisi homoscedasticity, maka beberapa langkah yang bisa dilakukan diantaranya adalah:
- Mengubah data menjadi bentuk logaritmik, dan
- Semua variabel yang ada dalam penelitian dapat dibagi dengan variabel yang dianggap mengalami gangguan.
4. Uji Autokorelasi
Jenis uji asumsi yang klasik yang keempat adalah uji autokorelasi. Uji autokorelasi merupakan uji yang digunakan untuk melihat apakah ada korelasi antara suatu periode penelitian dengan periode-periode sebelumnya.
Uji statistik yang biasanya digunakan adalah uji Durbin-Watson dan uji Run Test. Namun, apabila data observasi lebih dari 100 data, maka lebih baik menggunakan uji Lagrange Multiplier.
Jika hasil dari uji statistik menunjukkan adanya permasalahan pada autokorelasi, maka beberapa langkah yang bisa dilakukan adalah:
- Menambahkan variabel dependen dari variabel independen sehingga data observasi akan berkurang satu,
- Mengubah data, dan
- Mengubah model regresi berganda menjadi persamaan perbedaan umum.
5. Uji Linearitas
Jenis uji asumsi yang klasik terakhir adalah uji linearitas. Uji linearitas digunakan untuk mengetahui apakah model regresi berganda yang sudah dibuat memiliki hubungan linear atau tidak. Uji yang satu ini termasuk jarang digunakan dibandingkan dengan keempat uji lainnya.
Uji linearitas pada model regresi berganda dapat menggunakan uji Durbin-Watson, tes pengali Lagrange, dan tes Ramsey.
Jenis Uji Asumsi Klasik pada Regresi Linear
Karena dalam ilmu statistik terdapat dua jenis regresi linear yakni sederhana dan berganda, maka ada perbedaan tahapan uji pada keduanya, yakni:
1. Pada Regresi Linear Sederhana
Uji yang harus dilakukan diantaranya adalah:
- Uji rasio atau data interval,
- Uji linearitas,
- Uji normalitas,
- Uji heteroskedastisitas,
- Uji outlier, dan
- Uji autokorelasi.
2. Pada Regresi Linear Berganda
Uji yang harus dilakukan diantaranya adalah:
- Uji rasio atau data interval,
- Uji linearitas,
- Uji normalitas,
- Uji heteroskedastisitas,
- Uji outlier,
- Uji multikolinearitas, dan
- Uji autokorelasi.
Pentingnya Melakukan Uji dalam Penelitian Kuantitatif
Uji asumsi yang klasik harus dilakukan sebelum menguji hipotesis. Mengapa demikian? Hal ini karena uji asumsi yang klasik merupakan syarat wajib yang harus dilakukan atau ditempuh pada penelitian kualitatif.
Namun, apabila hasil uji asumsi yang klasik tidak sesuai dengan harapan atau syarat maka tidak serta merta hasil analisis atau uji hipotesisnya salah atau invalid. Jadi, jika terjadi hasil uji yang tidak sesuai, ada baiknya tetap mempertahankan data yang ada.
Dibandingkan harus mengubah data dan hasilnya akan ada pemalsuan atau pembohongan data dari penelitian tersebut yang akhirnya penelitian pasti akan dianggap tidak valid.
Pembahasan secara lengkap mengenai uji asumsi klasik di atas dapat dijadikan bahan menambah pengetahuan dan pembelajaran jika Anda sedang melakukan penelitian kualitatif.
Dengan mengetahui secara mendalam mengenai uji tersebut, Anda bisa menghindari kesalahan atau kegagalan dari hasil uji mulai dari awal penentuan variabel dependen dan independen sampai dengan proses pengumpulan data observasi di lapangan.