Uji Asumsi Klasik Regresi: Penjelasan Lengkap untuk Skripsi

Analisis regresi linier adalah salah satu metode statistik yang paling banyak digunakan dalam penelitian skripsi, terutama untuk menguji pengaruh satu atau lebih variabel independen terhadap variabel dependen. Namun, agar hasil regresi dapat dipercaya dan valid secara statistik, data harus terlebih dahulu memenuhi sejumlah asumsi klasik. Kegagalan memenuhi asumsi ini dapat membuat estimasi koefisien menjadi bias dan kesimpulan penelitian menjadi tidak akurat.

Mengapa Uji Asumsi Klasik Penting?

Asumsi klasik merupakan fondasi dari model regresi linier yang disebut BLUE (Best Linear Unbiased Estimator). Jika asumsi ini dilanggar, model tidak lagi menghasilkan estimasi yang optimal dan tidak bisa digunakan untuk menarik kesimpulan yang sahih. Oleh karena itu, uji asumsi klasik wajib dilakukan sebelum menginterpretasikan hasil regresi.

Empat Uji Asumsi Klasik Utama

1. Uji Normalitas

Tujuan: Memastikan bahwa residual (selisih antara nilai aktual dan prediksi) berdistribusi normal.

Cara pengujian di SPSS:

• Gunakan uji Kolmogorov-Smirnov (K-S) atau Shapiro-Wilk melalui menu Analyze → Descriptive Statistics → Explore
• Periksa juga grafik P-P Plot residual

Kriteria kelulusan:

• Nilai Sig. K-S > 0,05 → residual berdistribusi normal
• Titik-titik pada P-P Plot mendekati garis diagonal → distribusi normal

Penanganan jika tidak normal:

• Transformasi data (logaritma, akar kuadrat)
• Mengeluarkan data outlier yang ekstrem
• Menggunakan metode non-parametrik sebagai alternatif

2. Uji Multikolinearitas

Tujuan: Memastikan tidak ada korelasi yang kuat antar variabel independen, karena hal ini dapat membuat estimasi koefisien menjadi tidak stabil.

Cara pengujian di SPSS:

• Jalankan regresi, lalu aktifkan opsi Collinearity Diagnostics di menu Statistics
• Perhatikan nilai VIF (Variance Inflation Factor) dan Tolerance

Kriteria kelulusan:

• VIF < 10 → tidak ada multikolinearitas
• Tolerance > 0,10 → tidak ada multikolinearitas

Penanganan jika multikolinearitas terjadi:

• Menghapus salah satu variabel yang berkorelasi tinggi
• Menggabungkan variabel yang berkorelasi menjadi satu indeks
• Menggunakan metode ridge regression

3. Uji Heteroskedastisitas

Tujuan: Memastikan varians residual bersifat konstan (homoskedastis) di semua nilai variabel independen.

Cara pengujian:

• Secara visual: amati Scatterplot antara ZPRED (nilai prediksi) dan SRESID (residual standar). Jika titik-titik menyebar acak tanpa pola, asumsi terpenuhi.
• Secara statistik: gunakan Uji Glejser (Analyze → Regression → Linear dengan residual absolut sebagai dependen variabel)

Kriteria kelulusan:

• Scatterplot: titik menyebar tidak membentuk pola tertentu
• Glejser: Sig. semua variabel > 0,05

Penanganan jika heteroskedastisitas terjadi:

• Transformasi data (log atau sqrt)
• Menggunakan Weighted Least Squares (WLS)

4. Uji Autokorelasi

Tujuan: Memastikan tidak ada korelasi antar residual dari satu observasi ke observasi lainnya. Umumnya relevan untuk data time series atau panel.

Cara pengujian di SPSS:

• Aktifkan statistik Durbin-Watson di menu Statistics saat menjalankan regresi

Kriteria kelulusan (dengan tabel DW):

• Nilai DW mendekati 2,0 → tidak ada autokorelasi
• Acuan umum: DW antara 1,5 – 2,5 dianggap bebas autokorelasi

Penanganan jika autokorelasi terjadi:

• Menambahkan variabel lag
• Menggunakan metode Cochrane-Orcutt atau Newey-West standard errors

Urutan Pengujian yang Disarankan

Dalam praktik penelitian skripsi, urutan uji asumsi klasik yang umum dilakukan adalah:

1. Uji Normalitas — pastikan residual normal sebelum langkah lain
2. Uji Multikolinearitas — cek hubungan antar variabel independen
3. Uji Heteroskedastisitas — periksa konsistensi varians residual
4. Uji Autokorelasi — terutama jika data berbentuk deret waktu

Cara Melaporkan di Bab 4 Skripsi

Setiap uji asumsi klasik perlu dilaporkan secara ringkas. Contoh penulisan:

"Hasil uji normalitas Kolmogorov-Smirnov menunjukkan nilai signifikansi sebesar 0,148 (> 0,05), sehingga residual dinyatakan berdistribusi normal. Nilai VIF untuk semua variabel independen berada di bawah 10 dan nilai tolerance > 0,1, yang berarti tidak terjadi multikolinearitas. Hasil uji Glejser menunjukkan semua variabel memiliki Sig. > 0,05, sehingga tidak terdapat gejala heteroskedastisitas. Nilai Durbin-Watson sebesar 1,987 mengindikasikan tidak adanya autokorelasi."

Tips Penting

• Jangan langsung laporkan hasil regresi tanpa menampilkan hasil uji asumsi klasik — penguji biasanya menanyakan ini
• Jika data tidak memenuhi asumsi, jangan disembunyikan; jelaskan langkah penanganannya secara transparan
• Beberapa dosen mengizinkan penggunaan regresi meskipun asumsi normalitas sedikit dilanggar, asalkan ukuran sampel cukup besar (n > 30) karena Central Limit Theorem berlaku

Jika kamu membutuhkan bantuan dalam menjalankan dan menginterpretasikan seluruh uji asumsi klasik, layanan olah data SPSS dari Jokify siap memberikan pendampingan akademik yang tepat dan terstruktur.