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 (R 2 ) Jika (r 2 ) > (R 2 ), maka terjadi multikolinearitas Jika (r 2 ) < (R 2 ), maka tidak terjadi multikolinearitas Model R R 1,977 a,954,951 3,115 a. Predictors: (Constant), Kemampuan kerja Model R R 1,969 a,940,935 3,576
Model R R 1,969 a,940,935 3,576 a. Predictors: (Constant), Pemahaman terhadap tugas Model R R 1,965 a,930,925 3,851 a. Predictors: (Constant), Motivasi kerja b Model R R Durbin-Watson 1.984 a.969.960 2.803 1.219 a. Predictors: (Constant), Motivasi kerja, Pemahaman tugas, Kemampuan kerja b. Dependent Variable: Produktivitas kerja Dari hasil terlihat nilai (r 2 ) < (R 2 ) ; 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
Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) 2.929 3.557.823.428 Kemampuan kerja.370.226.417 1.638.130.044 22.854 Pemahaman tugas.309.216.311 1.428.181.060 16.662 Motivasi kerja.274.201.270 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 b Model R R Durbin-Watson 1.984 a.969.960 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 Unstandardized Kemampuan Pemahaman Motivasi Residual kerja tugas kerja Spearman's rho Unstandardized Residual Correlation Coefficient 1.000 -.046 -.039.071 Sig. (2-tailed)..869.889.800 Kemampuan kerja Correlation Coefficient -.046 1.000.967 **.965 ** Sig. (2-tailed).869..000.000 Pemahaman tugas Correlation Coefficient -.039.967 ** 1.000.941 ** Sig. (2-tailed).889.000..000 Motivasi kerja Correlation Coefficient.071.965 **.941 ** 1.000 Sig. (2-tailed).800.000.000. **. 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. Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1 (Constant) -1.421E-15 2.954.000 1.000 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.