Sj² = Varians belahan SX = Varian skor tes
3.4.1.3 Analisis Pengujian Asumsi Klasik
Menurut Sulaiman 2004 : 87 pengujian ini dimaksudkan untuk mendeteksi ada tidaknya multilinearitas, heteroskedastisitas, autokorelasi,
linearitas dan normalitas dalam hasil estimasi, karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji F dan uji T yang
dilakukan selanjutnya tidak valid dan secara statistik dapat mengancaukan kesimpulan yang diperoleh untuk itu dilakukan uji asumsinya. Tujuan
utama pengguna uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik linier dan tidak bias BLUE : Best Linier Unbiased
Estimator .
1. Multikolinearitas. Multikolinearitas berate ada hubungan yang pasti diantara
beberapa atau semua variabel indenpenden dari model regresi. Adapun cara pendekatanya adalah jika multikolinearitas tinggi, seseorang
mungkin memperoleh R² yang tinggi tetapi tidak satupun atau sangat sedikit koefisien yang ditaksir yang signifikan atau penting secara
statistik. Untuk mengetahui tidak ada gejala multikolinearitas dapat
dilihat dari nilai VIF Varians Inflation Factor 10.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
2. Heteroskedastisitas. Maksud dari penyimpangan heteroskedastisitas adalah variabel
independent adalah tidak konstan berbeda untuk setiap nilai tertentu variabel independen. Pada regresi linear berganda, nilai residual tidak
boleh ada hubungan dengan variabel independen. Uji heteroskedastitas dengan menggunakan uji rank Spearman,
yaitu meregresikan antara nilai kuadrat residual dengan nilai seluruh variabel bebas yang ada. Jika hasil regresi menunjukan nilai signifikan
T ≥ nilai , maka linear tidak terdapat heteroskedastisitas. Nilia
residual kauadrat kuadart adalah Y observasi – Y prediksi Selain itu pada Scartterplot akan dihasilkan gambar yang
memancarkan atau menyebarkan dan tidak mengumpul pada satu titik ataupun membentuk suatu pola tertentu apabila pada persamaan regresi
tidak terjadi heteroskedastisitas. 3. Autokorelasi
Terdapat korelasi di antara sesama data pengamatan dimana adanya suatu data dipengaruhi oleh data sebelumnya data time series
yang saling berhubungan, sehingga koefisien korelasi yang didapat menjadi kurang akurat. Mengukur autokorelasi dilihat dari nilai
Durbin Waston Test DW.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Menurut Yarnest 2003 : 73, deteksi adanya autokorelasi adalah sebagai berikut :
a. Jika nilai DW terletak antara d
u
dan 4 - d
u
atau d
u
≤ DW ≤ 4 – d
u
, berarti bebas dari autokorelasi. b. Jika nilai DW d
L
atau DW 4 – d
L
berarti terdapat autokorelasi.
4. Normalitas. Salah satu mengecek normalitas adalah plot probabilitas
normal. Melalui plot ini, masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi normal dan apabila titik-titik data
terkumpul disekitar garis lurus. Selain plot normal ada satu lagi untuk menguji normalitas yaitu
dengan Detrend Normal Plot. Jika sampel berasal dari polulasi normal, maka titik-titik tersebut seharusnya terkumpul disekitar garis lurus
yang melalui nol dan tidak mempunyai pola.
3.4.1.4 Teknik Analisis Regresi Linier Berganda
Kategori