Apa yang terjadi jika salah satu uji asumsi tidak terpenuhi?

Table of Contents Show

Pengertian Uji Asumsi Klasik
Pengertian Regresi Linear OLS
Pengertian Asumsi Klasik
Asumsi Klasik pada Regresi Linear
Penjelasan Masing-Masing Asumsi Klasik
Apa yang akan terjadi jika salah satu uji asumsi tidak terpenuhi?
Bagaimana jika uji heteroskedastisitas tidak terpenuhi?
Apa Akibatnya Jika dalam analisis regresi kita tidak melakukan uji asumsi klasik?
Mengapa asumsi harus dipenuhi dalam sebuah persamaan regresi?

Pengertian Uji Asumsi Klasik

Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah asumsi klasik.

Berdasarkan pengertian uji asumsi klasik di atas, maka mungkin akan muncul beberapa pertanyaan pada para pembaca sekalian, yaitu antara lain:

Apa yang dimaksud dengan Regresi Linear OLS?
Apa yang dimaksud dengan Asumsi klasik?
Apa saja jenis asumsi klasik pada regresi OLS?

Untuk menanggapi beberapa pertanyaan tadi, dalam kesempatan ini statistikian akan coba jelaskan satu persatu dan membahasnya secara tuntas. Marilah kita mulai dengan pengertian regresi linear OLS.

Uji Asumsi Klasik

Pengertian Regresi Linear OLS

Regresi linear OLS adalah sebuah model regresi linear dengan metode perhitungan kuadrat terkecil atau yang di dalam bahasa inggris disebut dengan istilah ordinary least square. Di dalam model regresi ini, ada beberapa syarat yang harus dipenuhi agar model peramalan yang dibuat menjadi valid sebagai alat peramalan. Syarat-syarat tersebut apabila dipenuhi semuanya, maka model regresi linear tersebut dikatakan BLUE. BLUE adalah singkatan dari Best Linear Unbiased Estimation.

Apa saja syarat pada regresi linear OLS? jawabannya ada bagian di bawah nanti.

Pengertian Asumsi Klasik

Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada model regresi linear OLS agar model tersebut menjadi valid sebagai alat penduga.

Asumsi Klasik pada Regresi Linear

Jenis Regresi Linear OLS

Sebelum kita membahas lebih jauh apa saja asumsi klasik yang harus dipenuhi pada regresi linear OLS, alangkah lebih baik jika kita mengetahui dulu bahwa regresi OLS ada 2 macam, yaitu: regresi linear sederhana dan regresi linear berganda.

Regresi Linear sederhana atau disebut dengan simple linear regression, adalah regresi linear dengan satu variabel bebas dan satu variabel terikat. Sedangkan regresi linear berganda atau disebut juga dengan multiple linear regression adalah regresi linear dengan satu variabel terikat dan beberapa variabel bebas. Arti kata beberapa maksudnya adalah 2 variabel atau lebih.

Jenis Uji Asumsi Klasik Pada Regresi Linear

Dengan adanya dua jenis yang berbeda pada regresi linear, maka syarat atau asumsi klasik pada regresi linear juga ada dua macam.

Uji Asumsi Klasik Pada Regresi Linear Sederhana

Asumsi klasik pada regresi linear sederhana antara lain:

Data interval atau rasio,
Linearitas,
Normalitas,
Heteroskedastisitas,
Outlier,
Autokorelasi (Hanya untuk data time series atau runtut waktu).

Uji Asumsi Klasik Pada Regresi Linear Berganda

Asumsi klasik pada regresi linear berganda antara lain:

Data interval atau rasio,
Linearitas,
Normalitas,
Heteroskedastisitas,
Outlier,
Multikollinearitas,
Autokorelasi (Hanya untuk data time series atau runtut waktu).

Perbedaan Asumsi Klasik Regresi Linear Sederhana dan Berganda

Berdasarkan penjelasan di atas, terlihat jelas bahwa asumsi klasik antara regresi linear sederhana dan berganda hampir sama. Letak perbedaannya hanya pada uji multikolinearitas, dimana syarat tersebut hanya untuk regresi linear berganda.

Penjelasan Masing-Masing Asumsi Klasik

Data interval atau rasio tidak perlu diuji menggunakan perhitungan ataupun dengan aplikasi komputasi seperti SPSS, STATA atau software statistik lainnya. Cukup data yang ada, yaitu tiap variabel terutama variabel dependen adalah berskala data interval atau rasio. Untuk memahami jenis-jenis atau skala data, pelajari artikel kami tentang: Jenis data dan pemilihan analisis statistik.

Sedangkan untuk asumsi klasik lainnya yang telah disebutkan di atas, kami sudah membahas pengertian dan penjelasannya satu persatu secara detail dan lengkap di website statistikian ini. Bahkan berbagai cara dengan software statistik dan contoh pengujian serta cara mengatasinya sudah dibahas juga dalam berbagai artikel kami. Silahkan anda pelajari semuanya agar pemahaman anda menjadi lengkap dan luas perihal regresi linear dan asumsi klasiknya. Maka jangan kemana-mana, stay with me untuk belajar ilmu statistik secara komprehensif hanya di statistikian.

Demikian penjelasan singkat kami tentang uji asumsi klasik regresi linear dengan SPSS.

Apa yang akan terjadi jika salah satu uji asumsi tidak terpenuhi?

Jika terdapat salah satu asumsi yang tidak terpenuhi, maka ada kecurigaan bahwa analisis yang diperoleh kurang akurat, error yang besar, koefisien yang tidak minim, variabel bebas yang tidak terdeteksi sehingga bisa menyebabkan kesalahan interpretasi.

Bagaimana jika uji heteroskedastisitas tidak terpenuhi?

Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan. Heteroskedastisitas adalah kebalikan dari homoskedastisitas, yaitu keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua pengamatan setiap variabel bebas pada model regresi.

Apa Akibatnya Jika dalam analisis regresi kita tidak melakukan uji asumsi klasik?

Pada umumnya ke 4 tahapan tersebut tidak dilaksanakan peneliti namun langsung ke tahapan uji t dan uji F. Jika tidak dilakukan uji asumsi klasik maka akan timbul ketidakpastian bahwa persamaan regresi yang didapatkan tersebut memiliki ketepatan dalam estimasi, tidak bias dan konsisten. Oleh sebab itu paper ini ...

Mengapa asumsi harus dipenuhi dalam sebuah persamaan regresi?

Tujuan pengujian asumsi klasik adalah untuk memberikan kepastian bahwa persamaan regresi yang diperoleh memiliki ketepatan dalam estimasi, tidak bias, dan konsisten. Sebelum melakukan analisis regresi terlebih dahulu dilakukan pengujian asumsi.