Asumsi Klasik

Analisis regresi merupakan suatu analisis statistik parametrik. Dalam melakukan analisis regresi terdapat asumsi-asumsi yang harus dipenuhi. Asumsi-asumsi ini dinamakan dengan asumsi klasik.

1. uji normalitas
uji normalitas dilakukan untuk menguji apakah data sampel yang diambil mengikuti sebaran distribusi normal atau tidak. Uji ini dapat dilakukan dengan melihat histogram atau plot datanya. Jika data mengikuti sampel menyebar merata kesemua daerah kurva normal maka dapat disumpulkan data sampel berdistribusi normal. Selain itu normalitas dapat dilihat dari hasil uji statistik misalanya uji Kolmogorov Smirnov, Liliefors Dan Shapiro-Wilk.

2. Uji multikolonieritas
uji multikolonieritas bertujuan untuk menguji apakah model regresi yang diperoleh terdapat korelasi antara variabel bebas (independen) (Ghozali,2005). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel-variabel independennya. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi dapat menggunakan tolerance value dan variance inflation factor (VIF).
Tolerance digunakan untuk mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel lainnya. Nilai cutoff yang umum dipakai untuk menunjukan multikolonieritas adalah nilai Tolerance lebih kecil sama dengan 0,01 atau sama dengan nilai VIF lebih besar sama dengan 10.

3. Uji homogenitas
Uji homogenitas atau disebut juga sebagai uji heteroskesdastisitas dapat dilihat dengan menggunakan Scatter Plot nilai residual variabel dependen. Jika data menyebar (tidak mengumpul di satu sudut/bagian) maka dapat disimpulkan bahya data sampel homogen.

4. Linearitas
Linearitas dapat dilihat dari plot datanya. Jika data sampel tidak mengikuti garis linear maka dapat digunakan analisis regresi non-linear.


5. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya (Ghozali,2005). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi dapat dilakukan dengan menggunakan Uji Durbin-Watson (DW test). Uji Durbin-Watson (DW test) digunakan untuk autokorelasi tingkat 1 dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag di antara variabel independen. Berikut adalah kriteria Penentuan Uji Durbin-Watson (DW test):
•Jika 4 – dl < dw>dl maka tidak terjadi autokorelasi.
•Jika dw < dl, koefisien korelasinya lebih besar dari nol terjadi autokorelasi positif. •Jika dw > 4- dl, koefisien korelasinya lebih kecil dari nol, maka terjadi autokorelasi negatif
•Jika dw terletak antara 4 – du dan 4- dl maka hasilnya tidak dapat disimpulkan.

sumber:
Ghozali, Iman. 2005. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang. Badan Penerbit Universitas Diponegoro.
Wahana Komputer. 2005. Pengembangan Analisis Multivariat dengan SPSS 12. Jakarta. Salemba Infotek.

Analisis Regresi

Analisis regresi banyak digunakan dalam berbagai bidang, misalnya saja industri, teknik sipil, pertanian, lingkungan, kedokteran, pemasaran, kependudukan dsb.

Model regresi dapat digunakan untuk mengukur kekuatan hubungan antar variabel dependen (terikat) dan variabel independen (bebas), mengetahui pengaruh suatu atau beberapa variabel independen  terhadap varibel dependen, memprediksi pengaruh suatu variabel atau beberapa variabel dependen dan variabel independen.

Model regresi terdiri dari variabel yaitu variabel dependen (Y) variabel independen. Variabel dependen (x) . variabel dependen adalah variabel yang dipengaruhi oleh suatu variabel independen, sedangkan variabel independen adalah variabel yang mempengaruhi variabel dependennya.

Analisis Regresi Linear Sederhana

Analisis regresi sederhana terdiri dari satu variabel dependen (Y) dan satu variabel independen (X). bentuk umum regresi sederhana:

Y=b0+b1X

Dengan Y adalah variabel dependen; X adalah variabel independen ; b0 adalah konstanta yang menunjukkan bahwa tanpa ditambahkan X nilai Y akan bertambah sebesar b0; dan b1 adalah koefisien X.

Analisis Regresi Berganda

Analisis regresi berganda terdiri dari satu variabel dependen (Y) dan variabel independen (X) yanh lebih dari satu.

Bentuk umum persamaan regresi berganda adalah:

Y=b0+b1X1+b2X2+…+biXi+e

Dengan  b0 adalah konstantaa; b1,b2,…,bi adalah koefisien model regresi untuk X1, X2, …, Xi, dan e (error) atau yang sering disebut dengan residual merupakan selisih antara nilai sebenarnya dengan garis taksiran yang dirumuskan (e=Y-Y’) dengan Y adalah nilai sebenarnya pada variabel dependen dan Y’  adalah nilai taksiran variabel dependen.