revisi makalah metpen kelompok 7

31
MAKALAH METODOLODI PENELITIAN UJI INSTRUMEN dan UJI ASUMSI KLASIK Disusun oleh : Choirunnisa (105020201111004) Yoseva Maria P.R (105020201111041) Agata Rahmi P. (105020203111003) Fransisca Alfarah G. (105020200111093) Jurusan Manajemen Fakultas Ekonomi

Upload: nanok-fitriadi

Post on 30-Nov-2015

1.274 views

Category:

Documents


111 download

TRANSCRIPT

Page 1: Revisi Makalah MetPen Kelompok 7

MAKALAH METODOLODI PENELITIAN

UJI INSTRUMEN dan UJI ASUMSI KLASIK

Disusun oleh :

Choirunnisa (105020201111004)

Yoseva Maria P.R (105020201111041)

Agata Rahmi P. (105020203111003)

Fransisca Alfarah G. (105020200111093)

Jurusan Manajemen

Fakultas Ekonomi

Universitas Brawijaya

2011 -2012

Page 2: Revisi Makalah MetPen Kelompok 7

KATA PENGANTAR

Segala puji bagi Allah Swt., Tuhan Semesta Alam.Shalawat dan salam semoga

senantiasa tercurah kepada Nabi Muhammad Saw., keluarga , sahabat, serta para

pengikutnya hingga akhir zaman nanti.

Makalah ini dibuat dengan tujuan sebagi bahan pembelajaran atau latihan penulis

dalam memahami Uji Instrumen dan Uji Asumsi Klasik dalam pembuatan skripsi dsb.

Penulis mengucapkan syukur kepada Tuhan Yang Maha Esa karena telah diberi

kemudahan dalam menyelesaikan makalah ini, dari proses awal sampai akhir.Dan juga

kepada Bapak Ahmad Sudiro , atas bimbingannya serta arahan dalam pembuatan makalah

ini, sehingga makalah ini bisa selesai tepat pada waktunya. Yang terakhir kepada Teman-

teman semua yang telah membantu dalam menyelesaiakan makalah ini.

Penulis juga memohon kritik serta saran yang membangun untuk makalah ini,

karena penulis yakin masih ada banyak kekurangan dalam proses pembuatan makalah ini.

Malang, 24 April 2012

Penulis

2

Page 3: Revisi Makalah MetPen Kelompok 7

DAFTAR ISI

Kata Pengantar ………………………………………………………………………….……...2

Daftar Isi ………………………………………………………………………………………...3

Bab I Pendahuluan ……………………………………………………………………………..4

1.1 Latar Belakang……………………………………………………………………….4

1.2 Rumusan Masalah…………………………………………………………………...4

1.3 Tujuan………………………………………………………………………………....5

Bab II Pembahasan …………………………………………………………..…………….…..6

2.1 Uji Asumsi Klasik ……………………………………………………………….….6

2.2 10 Asumsi yang ada dalam Asumsi Klasi……………………….……………….6

2.3 Uji Normalitas ……………………………………………………………………...9

2.4 Uji Autokorelasi………….………………………………………………………...11

2.5 Uji Multikolinearitas…………………………………………………………….…12

2.6 Uji Heterokdisitas…………………………………………………………………14

2.7 Uji Linearitas ………………………………………………………………….…..15

2.8 Uji Instrumen ( Reabilitas )………………………………………………………15

2.9 Uji Instrumen ( Validitas )………………………………………………………...18

Bab III Penutup ………………………………………………………………………………..23

Kesimpulan……………………………………………………………………………………..23

3

Page 4: Revisi Makalah MetPen Kelompok 7

Bab. 1 PENDAHULUAN

1.1 Latar Belakang

Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi

yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala

multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi

yang tidak bias jika telah memenuhi persyaratan BLUE (best linear unbiased estimator)

yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat

autokorelasi ( Sudrajat 1988 : 164). Jika terdapat heteroskedastisitas, maka varian tidak

konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas,

maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga

tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi

mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja menjadi

tidak efisien.

Dalam makalah ini, penulis membahas terkait asumsi klasik, autokorelasi, dan

multikolinearitas.Sebagaimana halnya setiap pengujian hipotesis dalam statistic , kita akan

mencoba mengetahui apakah nilai parameter-parameter yang ditaksir dalam model regresi

cocok dengan nilai yang dihipotesiskan dari parameter-parameter tersebut.Kita akan

membahas mengapa kita menggunakan Model Regeresi Linear Klasik.

Tentang Multikolinearitas mencoba menentuka apa yang terjadi jika dua variable

penjelas atau lebih berkorelasi.Ingat kembali salah satu asumsi CRLM mengenai variable –

variable penjelas yang tidak memiliki hubungan – hubungan linear sempurna diantara

mereka.Ini menunjukkan bahwa sepanjang variable-variable penjelas tidak berhubungan

linear sempurna , menaksir kuadrat terkecil biasa ( OLS ) masih menjadi penafsir tak bias

linear terbaik (BLUE-best linear unbiased estimator ).

1.2 Rumusan Masalah

1. Apa yang di maksud dengan asumsi klasik ?

2. Apa saja yang menjadi bagian dari Asumsi Klasik ?

3. Apa yang di maksud dengan Uji Normalitas ?

4. Apa yang di maksud Uji Autokorelasi ?

5. Apa yang di maksud Uji Multikolinearitas ?

4

Page 5: Revisi Makalah MetPen Kelompok 7

6. Apa yang di maksud Uji Heteroksiditas ?

7. Apa yang dimaksud Uji Linearitas ?

8. Apa yang di maksud dengan reabilitas dan Validitas ?

9. Bagaimana Pengujian secara Eksternal dilakukan ?

10. Bagaimana Pengujian secara Internal dilakukan ?

1.3 Tujuan Masalah

1. Untuk mengetahui maksud dari Asumsi Klasik.

2. Untuk mengetahui apa saja yang menjadi bagian dari asumsi klasik.

3. Untuk mengetahui apa yang dimaksud dengan uji Normalitas.

4. Untuk mengetahui apa yang dimaksud dengan uji Autokorelasi.

5. Untuk mengetahui apa yang dimaksud dengan uji Multikolinearitas.

6. Untuk mengetahui apa yang dimaksud dengan uji Heterokdisitas.

7. Untuk mengetahui apa yang dimaksud dengan uji Linearitas.

8. Untuk mengetahui apa yang dimaksud dengan reabilitas dan validitas.

9. Untuk mengetahui bagaimana pengujian secara eksternal dan internal itu dapat

dilakukan .

5

Page 6: Revisi Makalah MetPen Kelompok 7

Bab. II PEMBAHASAN

2.1 Uji Asumsi Klasik

A. Pengertian Asumsi Klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi

linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak

berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik

atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada

analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresi

linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.

Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan

untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung

dengan market model, atau market adjusted model. Perhitungan nilai return yang

diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji

heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan

yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan

tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji

asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan

perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada

uji yang lain.

Uji asumsi klasik merupakan terjemahan dari clasical linear regression model (CLRM)

yang merupakan asumsi yang diperlukan dalam analisis regresi linear dengan ordinary least

square (OLS). Sebagai informasi, semua ini berkat kejeniusan seorang matematikawan

Jerman bernama Carl Friedrich Gauss.

CLRM juga sering disebut dengan The Gaussian Standard, yang sebenarnya terdiri dari

10 item. Akan tetapi, yang sering kita jumpai dalam berbagai penelitian, atau berbagai buku

statistik terapan mungkin hanya 4 atau 5 saja. Mengapa? Berikut sedikit uraian tentang 10

item tersebut.

1.    Asumsi 1: Linear Regression Model.

Model regresi haruslah linear, meskipun bisa saja sebenarnya variabel terikat Y

dengan variabel bebas X tidak linear. Istilah linear sebenarnya ada dua macam, yaitu

linearitas pada variabel dan linearitas pada parameter.

Yang disebut dengan linearitas pada variabel adalah jika digambarkan dalam grafik

maka akan berbentuk garis lurus. Misalnya persamaan Y = a + bX. Seandainya

6

Page 7: Revisi Makalah MetPen Kelompok 7

persamaannya adalah Y = a + b X^2 maka disebut tidak linear, karena jika digambarkan

dalam grafik tidak membentuk garis lurus.

Atau secara umum dapat dikatakan jika X mempunyai pangkat 1. Sedangkan

linearitas pada parameter adalah merujuk kepada koefisiennya yaitu b. Jadi persamaan Y =

a + b X^2 dapat disebut linear jika koefisien b mempunyai pangkat 1. Asumsi yang

diperlukan dalam regresi linear adalah linearitas pada parameter, bukan linearitas pada

variabel.

2.    Asumsi 2: X values are fixed in repeated sampling.

Nilai variabel X diasumsikan stokastik atau dianggap tetap dalam sampel yang

berulang. Misalnya ada 7 data yang akan dianalisis dengan regresi (ini hanya contoh saja,

karena regresi dengan 7 data tampaknya terlalu sedikit).

Gaji (juta)        Pengeluaran (juta)

3                     2,5

3                     2

3                     3

4                     3

4                     2,5

5                     4,5

5                     4

Jadi misalnya ambil nilai tetap untuk X, yaitu gaji 3 juta maka sampel pertama

mempunyai pengeluaran 2,5 juta. Lalu ambil lagi sampel kedua dengan gaji 3 juta maka

pengeluarannya adalah 2 juta. Demikian seterusnya untuk sampel dengan gaji 4 juta dan 5

juta. Jadi nilai X dianggap tetap pada sampel yang berulang. (dalam regresi lanjut, dapat

diasumsikan bahwa X tidak stokastik).

3.    Asumsi 3: Zero mean value of disturbance ui

Nilai Y hasil prediksi dengan model regresi tentunya mempunyai kesalahan atau

tidak tepat sama dengan nilai Y pada data. Selisihnya sering disebut dengan disturbance

dan sering disimbolkan dengan u. Nilai ini harus mempunyai rata-rata sama dengan 0

(eksak). Ketika kita telah mendaptkan garis lurus pada model, maka nilai Y yang sebenarnya

bisa berada di atas atau di bawah garis lurus tersebut, akan tetapi jumlahnya akan

seimbang sehingg rata-ratanya sama dengan 0.

4.    Asumsi 4: Homoscedasticity or equal variance of ui

Homo berarti sama atau equal, scedasticity berarti disperse atau scatter atau ada

yang mengartikan sebaran. Jadi varians dari error atau disturbance haruslah sama pada

7

Page 8: Revisi Makalah MetPen Kelompok 7

masing-masing nilai X. Sebagai contoh, ada 3 orang dengan gaji 3 juta sehingga

memberikan tiga buah error dan mempunyai varians. Varians ini harus sama (equal) dengan

varians error pada nilai X yang lain misalnya 4 juta. Demikian seterusnya.

5.    Asumsi 5: No autocorrelation between the disturbances

Asumsi ini masih berkaitan dengan nilai error, yaitu bahwa untuk sembarang 2 buah

nilai X, maka kedua error itu tidak berkorelasi (atau mempunyai korelasi 0). Misalnya error

pada X sebesar 3 juta dengan Y sebesar 2,5 dengan error pada X sebesar 3 juta dengan Y

sebesar 2 juta tidak berkorelasi.

Pengertian lain adalah misalnya ada persamaan Y = a + b X + u dengan u adalah

error. Jika ada korelasi antara u dengan u-1 (error sebelumnya) maka model akan gagal,

karena Y pada model harusnya dipengaruhi oleh X saja, akan dipengaruhi oleh u. Demikian

seterusnya.

6.    Asumsi 6: Zero covariance between ui and Xi

Artinya nilai variabel bebas (Xi) dengan error (ui) tidak berkorelasi. Diasumsikan

bahwa Y adalah dipengaruhi oleh X dan u, sehingga X dan u harus tidak saling berkorelasi.

Jika X dan u berkorelasi, maka tidak mungkin mencari pengaruh masing-masing terhadap Y.

Jika X berkorelasi positif dengan u, maka jika X meningkat u juga meningkat, atau

jika X menurun maka u juga menurun (juga sebaliknya jika berkorelasi negatif). Sehingga

sulit untuk mengisolasi pengaruh X dan u terhadap Y. Asumsi ini sebenarnya akan terpenuhi

secara otomatis jika X merupakan stokastik karena untuk X bernilai tetap, u akan berubah.

7.    Asumsi 7: The number of observations n must be greater than the number of

parameters to be estimated

Asumsi ini sebenarnya tidak asing bagi matematika sederhana. Jika ada dua

parameter yang akan dicari nilainya maka tentunya tidak mungkin diselesaikan dengan satu

persamaan (observasi).

8.    Asumsi 8: Variability in X values

Harus ada variasi nilai dalam variabel X. Jika X nilainya sama untuk semua

observasi maka tentunya tidak dapat diestimasi. Meskipun ini mudah dimengerti namun

sering dilupakan.

 

9.    Asumsi 9: The regression model is correctly specified

Model regresi yang dibangun haruslah benar dalam arti sesuai dengan teori yang

telah dikembangkan. Seperti telah dijelaskan bahwa statistik hanyalah untuk menguji teori

8

Page 9: Revisi Makalah MetPen Kelompok 7

atau fenomena tertentu. Jadi jika menggunakan variabel yang sembarangan (atau tidak

berdasarkan teori tertentu) maka model regresi yang dihasilkan juga patut dipertanyakan.

10.    Asumsi 10: There is no perfect multicollinearity

Tidak ada hubungan linear yang tinggi antara variabel-variabel bebas dalam model

regresi. Jadi asumsi ini tentunya tidak bisa diterapkan pada regresi dengan satu variabel

bebas (regresi linear sederhana).

2.1 Uji Normalitas

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak.

Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji

normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya.

Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-

masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai

residualnya bukan pada masing-masing variabel penelitian.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam

kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian

besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka

tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai

maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang

normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan

kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif

dekat.

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square,

Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik

atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering

menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji

normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa

pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.

Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi

Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin

memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan

beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers

atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma

9

Page 10: Revisi Makalah MetPen Kelompok 7

natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva

normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke

samping kanan dan kiri.

Uji asumsi normalitas untuk mendeteksi kemungkinan normalitas kesalahan

penganggu. Uji ini dilakukan dengan cara uji chi square goodness of fit atau dapat dengan

langsung mengamati distribusi yang terbentuk dari output komputer untuk = 0 dan = 1

yang berarti berdistribusi normal. Metode yang digunakan untuk menguji normalitas dalam

penelitian ini adalah kolmogorov-smirnov. Apabila dari hasil pengujian normalitas, terlihat

sebaran data variabel X1, X2, X3, X4 dan X5 mengikuti kurva normal maka dapat langsung

diadakan pengujian hipotesis.

Untuk menentukan posisi normal dari sebaran data, langkah awal yang

dilakukanadalah menghitung standar deviasi.

• SD1 = 68 %

• SD2 = 95%

• SD3 = 99,7 %

Penentuan area ini penting, karena sebaran data yang dikatakan normal apabila

tersebar sebagai berikut:

• Sebanyak 68% dari observasi berada pada area SD1

• Sebanyak 95% dari sisanya berada pada area

• SD2

• Sebanyak 99,7% dari sisanya berada pada area SD3

sebaran data yang dikatakan normal :

10

Page 11: Revisi Makalah MetPen Kelompok 7

• Apabila data tidak normal, maka diperlukan upaya untuk mengatasi seperti:

memotong data yang out liers, memperbesar sampel, atau melakukan

transformasi data.

• Data yang tidak normal juga dapat dibedakan dari tingkat kemencengannya

(skewness). Jika data cenderung

• menceng ke kiri disebut positif skewness, dan jika data cenderung menceng ke

kanan disebut negatif skewness. Data dikatakan normal jika datanya simetris.

2.2 Asumsi Klasik Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t

dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah

untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada

korelasi antara observasi dengan data observasi sebelumnya.

Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar

rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari,

akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi

pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika

pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka

tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.

Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu

dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua

variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada

penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya

memerlukan uji autokorelasi.

Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan

Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange

Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan

11

Page 12: Revisi Makalah MetPen Kelompok 7

mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk

persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan

dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas,

sehingga data observasi menjadi berkurang 1.

Sebab-sebab Autokorelasi.

1. Inertia:

Data umumnya yg digunakan berbentuk kumulatif bukan individual series. Sehingga

nilai data pada satu titik lebih besar dari data sebelumnya.

2. Manipulasi Data

Menggunakan data tahunan menjadi triwulanan dengan cara membagi tiga data

tahunan secara langsung.

Tujuan Penerapan Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi

antara kesalahan pengganggu pada periode (t) dengan kesalahan pada periode t-1

(sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model

regresi yang baik adalah regresi yang bebas dari autokorelasi Uji autokorelasi dilakukan

dengan = 5%.menggunakan uji Durbin-Watson (D-W), dengan tingkat kepercayaan

Apabila D-W terletak antara -2 sampai +2 maka tidak ada autokorelasi (Santoso. 2002 : 219)

Mendeteksi Adanya Autokorelasi.

Dalam praktek scr umum, metode yg sering digunakan adalah: Durbin-Watson

Method.Dalam regresi linier tidak terjadi autokorelasi jika nilai Durbin-Watson : 1,70 – 2,30.

Akibat Autokorelasi

Akibatnya adalah nilai (t) hitung akan menjadi bias pula, karena nilai (t) diperoleh dari

hasil bagi Sb terhadap b (t = b/sb). Berhubung nilai Sb bias maka nilai (t) juga akan bias

atau bersifat tidak pasti (misleading). ( Karena adanya masalah korelasi dapat menimbulkan

adanya bias pada hasil regresi.)

2.3 Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara

variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang

tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap

12

Page 13: Revisi Makalah MetPen Kelompok 7

variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan

variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya

adalah kinerja.

Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara

motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi

yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau

antara kepemimpinan dengan kepuasan kerja.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah

dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau

dengan melihat eigenvalues dan condition index (CI).

Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai

berikut:

1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.

2. Menambah jumlah observasi.

3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat

atau bentuk first difference delta.

Multikolinieritas adalah suatu keadaan dimana terjadi korelasi linear yang ”perfect”

atau eksak di antara variable penjelas yang dimasukkan ke dalam model.

Sebagai gambaran penjelas

Konsekuensi Multikolinearitas

13

Page 14: Revisi Makalah MetPen Kelompok 7

Apabila belum terbebas dari masalah multikolinearitas akan menyebabkan nilai

koefisien regresi (b) masing-masing variabel bebas dan nilai standar error-nya (Sb)

cenderung bias, dalam arti tidak dapat ditentukan kepastian nilainya, sehingga akan

berpengaruh pula terhadap nilai (t).

Pendeteksian Multikolinearitas

Terdapat beragam cara untuk menguji multikolinearitas, di antaranya: menganalisis

matrix korelasi dengan Pearson Correlation atau dengan Spearman’s Rho Correlation,

melakukan regresi partial dengan teknik auxiliary regression.

 Pendapat Gujarati (1995:335) yang mengatakan bahwa bila korelasi antara dua variabel

bebas melebihi 0,8 maka multikolinearitas menjadi masalah yang serius.Gujarati juga

menambahkan bahwa, apabila korelasi antara variabel penjelas tidak lebih besar

dibanding korelasi variabel terikat dengan masing-masing variable penjelas, maka dapat

dikatakan tidak terdapat masalah yang serius.Dengan demikian, dapat disimpulkan bahwa

apabila angka korelasi lebih kecil dari 0,8 maka dapat dikatakan telah terbebas dari masalah

multikolinearitas.

Dalam kaitan adanya kolinear yang tinggi sehingga menimbulkan tidak terpenuhinya

asumsi terbebas dari masalah multikolinearitas, dengan mempertimbangkan sifat data dari

cross section, maka bila tujuan persamaan hanya sekedar untuk keperluan prediksi, hasil

regresi dapat ditolerir, sepanjang nilai (t) signifikan.

Tujuan Penerapan Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan

adanya korelasi antar variabel bebas (independen). Dalam model regresi yang baik

seharusnya tidak terjadi korelasi di antara variabel bebas. Uji Multikolinearitas dilakukan

dengan melihat nilai tolerance dan variance inflation factor (VIF) dari hasil analisis dengan

menggunakan SPSS. Apabila nilai tolerance value lebih tinggi daripada 0,10 atau VIF lebih

kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas (Santoso. 2002 :

206).

2.4 Uji Heteroskedastisitas

Uji Heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians

dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi

persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke

pengamatan yang lain tetap atau disebut homoskedastisitas.

14

Page 15: Revisi Makalah MetPen Kelompok 7

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan

memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang

baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah,

menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik

yang dapat digunakan adalah uji Glejser, uji Park atau uji White.

Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah

dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika

semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel

dengan variabel yang mengalami gangguan heteroskedastisitas.

Model akan menghadapi masalah heteroskedastisitas. Heteroskedastisitas

muncul apabila kesalahan (e) atau residual dari model yang diamati tidak memiliki varians

yang konstan dari satu observasi ke observasi lainnya rumus regresi diperoleh dengan

asumsi bahwa variabel pengganggu (error) atau e, diasumsikan memiliki variabel yang

konstan (rentangan e kurang lebih sama). Apabila terjadi varian e tidak konstan, maka

kondisi tersebut dikatakan tidak homoskedastik atau mengalami heteroskedastisitas.

2.5 Uji Linearitas

Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai

hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena

biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel

bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori

bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi

linear, misalnya masalah elastisitas.

Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak,

uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut

bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat

linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil

observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau

uji Lagrange Multiplier.

2.6 Uji Instrumen Penelitian

15

Page 16: Revisi Makalah MetPen Kelompok 7

I. Reliabilitas

1. Pengertian Reliabilitas

Reliabilitas diterjemahkan dari kata reliability. Pengukuran yang memiliki reliabilitas

yang tinggi maksudnya adalah pengukuran yang dapat menghasilkan data yang reliabel.

Ide pokok dalam konsep reliabilitas adalah sejauh mana hasil suatu pengukuran dapat

dipercaya. Hasil ukur dapat dipercaya apabila dalam beberapa kali pengukuran terhadap

kelompok subjek yang sama diperoleh hasil yang relatif sama, kalau aspek yang diukur

dalam diri subjek memang belum berubah.

Pengertian relatif menunjukkan bahwa ada toleransi terhadap perbedaan-perbedaan

kecil diantara hasil pengukuran. Bila perbedaan itu besar dari waktu ke waktu, maka

hasil pengukuran itu tidak dapat dipercaya. Reliabilitas sangat era kaitannya dengan

ketepatan dan penelitian pengukuran.

Pengukuran dikatakan stabil jika pengukuran pada suatu objek dilakukan berulang-

ulang pada waktu yang berbeda, menunjukkan hasil yang sama, dikatakan ekuifalen jika

menunjukkan hasil pngukuran yang sama jika dilakukan oleh peneliti lain atau memakai

contoh item lain serta dikatakan konsisten internal jika item-item atau indikator yang

digunakan adalah konsisten satu sama lain.

Tinggi rendahnya reliabilitas secara empiris ditunjukkan oleh suatu angka yang

disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukkan dengan nilai rxx

mendekati angka 1. Kesepakatan secara umum, reliabilitas yang dianggap sudah cukup

memuaskan jika lebih besar atau sama dengan 0.07 (dalam output SPSS dapat dilihat

pada nilai Alpha)

Uji Reliabilitas dilakukan dengan uji Alpha Cronbach. Rumus Alpha Cronbach

sebagai berikut:

Note:

16

Page 17: Revisi Makalah MetPen Kelompok 7

Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability) sementara

jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh tes secara konsisten

secara internal karena memiliki reliabilitas yang kuat. Atau, ada pula yang memaknakannya

sebagai berikut:

- Jika alpha > 0,90 maka reliabilitas sempurna

- Jika alpha antara 0,70 – 0,90 maka reliabilitas tinggi

- Jika alpha antara 0,50 – 0,70 maka reliabilitas moderat

- Jika alpha < 0,50 maka reliabilitas rendah

Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel: Segera

identifikasi dengan prosedur analisis per item. Item Analysis adalah kelanjutan dari tes Aplha

sebelumnya guna melihat item-item tertentu yang tidak reliabel. Lewat ItemAnalysis ini maka

satu atau beberapa item yang tidak reliabel dapat dibuang sehingga Alpha dapat lebih tinggi

lagi nilainya.

2. Pengujian Reliabilitas Kuisioner

2.1 Pengujian secara Eksternal

a. Teknik pengukuran ulang (Test-Retest)

Kuesioner diujikan sebanyak dua kali dengan responden yang sama, namun dengan

waktu yang berbeda. Selang waktu yang baik adalah antara 15 – 30 hari. Setelah diperoleh

hasil dari kedua pengukuran, maka keduanya dikorelasikan dengan korelasi product

moment. Kuesioner tersebut akan reliable bila hasil “r” hitung lebih besar dari “r” tabel.

b. Teknik Belah Dua

Mengujicobakan kuesioner kepada responden, kemudian dihitung validitas

itemnya. Item yang valid dikumpulkan menjadi satu, item yang tidak valid dibuang.

Membagi item yang valid menjadi dua dengan cara random. Skor untuk masing-

masing kelompok dijumlah. Sehingga terdapat dua jumlah total yakni dari bagian pertama

dan jumlah total bagian kedua, Mengkorelasikan kedua jumlah total dari bagian pertama dan

kedua dengan korelasi product moment. Kuesioner dikatakan reliable jika angka korelasi

belah dua lebih rendah dari angka korelasi total.

c. Teknik Pararel/ equivalent form atau alternative form

Membuat dua kuesioner yang digunakan untuk mengukur aspek yang sama. Kedua

kuesioner tersebut diberikan pada responden yang sama kemudian dicari validitasnya.

Untuk menghitung reliabilitas perlu mengkorelasikan skor total dari kedua jenis kuesioner

17

Page 18: Revisi Makalah MetPen Kelompok 7

tersebut dengan  teknik korelasi product moment. Kuesioner yang reliabel bila “r” hitung

lebih besar dari “r” tabel.

2.2  Pengujian secara Internal

Pengujian reliabilitas kuesioner dilakukan dengan menguji coba kuesioner hanya

satu kali, kemudian dilakukan analisis untuk memprediksi reliabilitas kuesioner tersebut.

Teknik yang dapat digunakan adalah :Teknik belah dua Spearman Brown (split half), Rumus

KR 20, Rumus KR 21, Analisis varians Hyot (Anova Hyot), Alfa Cronbach. Secara umum, uji

reliabilitas kuesioner penelitian dapat dilakukan dengan dua cara, yakni:

a. Repeated Measured (pengukuran berulang)

Teknik ini dapat dilakukan dengan cara test-retest, equibalent dan gabunga

keduanya. Terdapat tiga pilihan korelasi untuk teknik  uji ini yaitu: korelasi product moment

dari Pearson, Kendal’s tau-b dan Spearman. Untuk menentukan kuesioner reliable dengan

cara membandingkan nilai “r” hitung dan “r” tabel. Data tersebut reliable bila r hitung lebih

besar dari pada “r” table.

b. One Shot (sekali ukur)

Dapat dilakukan dengan software SPSS, dengan interpretasi sebagai berikut: untuk

keputusan kelompok, variable dikatakan reliable bila mempunyai koefisien reliabilitas alpha

sebesar 0.5 atau lebih, sedangkan untuk pengambilan keputusan individu maka reliabilitas

diperbolehkan adalah sebesar 0.90

II. Validitas

Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa yang

ingin diukur. Dalam pengujian instrumen pengumpulan data, validitas bisa dibedakan

menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun

menggunakan lebih dari satu faktor (antara faktor yang satu dengan yang lain ada

kesamaan).

Pengukuran validitas faktor ini dengan cara mengorelasikan antara skor faktor

(penjumlahan item dalam satu faktor) dengan skor total faktor (total keseluruhan faktor),

sedangkan pengukuran validitas item dengan cara mengorelasikan antara skor item dengan

skor total item.

Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total

(skor total), perhitungan dilakukan dengan cara mengorelasikan antara skor item dengan

skor total item. Bila kita menggunakan lebih dari satu faktor berarti pengujian validitas item

18

Page 19: Revisi Makalah MetPen Kelompok 7

dengan cara mengorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan

dengan mengorelasikan antara skor item dengan skor total faktor (penjumlahan dari

beberapa faktor).

Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang digunakan

untuk mengukur tingkat validitas suatu item dan untuk menentukan apakah suatu item layak

digunakan atau tidak. Dalam penentuan layak atau tidaknya suatu item yang akan

digunakan, biasanya dilakukan uji signifikansi koefisien korelasi pada taraf signifikansi 0,05,

artinya suatu item dianggap valid jika berkorelasi signifikan terhadap skor total. Atau jika

melakukan penilaian langsung terhadap koefisien korelasi, bisa digunakan batas minimal

korelasi 0,30. Menurut Azwar (1999) semua item yang mencapai koefisien korelasi minimal

0,30 daya pembedanya dianggap memuaskan.

Pada program SPSS teknik pengujian yang sering digunakan para peneliti untuk uji

validitas adalah menggunakan korelasi Bivariate Pearson (Produk Momen Pearson) atau

Corrected Item-Total Correlation. Validitas dapat dihitung dengan rumus:

Keterangan:

rxy = Koofisien korelasi antara variable X dan variable Y.

N= Jumlah siswa uji coba.

X= Skor item.

Y= Skor

Sementara itu, menurut Azwar (1996) validitas dibagi menjadi :

a. Validitas isi

Validitas isi menunjukkan sejauh mana item-item dalam test dapat mencakup

keseluruhan kawasan isi yang akan diukur oleh test tersebut. Pengertian mencakup

keseluruhan kawasan isi tidak hanya berarti komprehensif akan tetapi isinya juga harus

relevan dan tidak keluar dari batasan.

Untuk mengetahui validitas isi, dapat dilakukan dengan melihat apakah item-item

dalam test telah ditulis sesuai dengan blue print. Artinya, apakah sesuai dengan batasan

dominan ukur yang telah ditetapkan dan sesuai ukuran dengan indikator perilaku yang

diungkapkan.

b. Validitas konstruk

19

Page 20: Revisi Makalah MetPen Kelompok 7

Validitas konstruk adalah validitas yang menunjukkan seberapa jauh suatu test

mengukur traid atau konstruk teoritis yang akan diukur. Pengujian validitas konstruk dapat

dilakukan dengan analisis statistika seperti analisis faktor.

Menurut Azwar, suatu item dikatakan valid apabila nilai koefisiennya lebih besar atau

sama dengan o,3.

III. CONTOH UJI RELIABILITAS INSTRUMEN PENELITIAN DENGAN CRONBACH

ALPHA

Rumus untuk menghitung koefisien reliabilitas instrument dengan menggunakan

Cronbach Alpha adalah sebagai berikut:

No. Jawaban Angket

Resp 1 2 3 4 5 Total Total Kuadrat

1 4 4 3 4 4 19 361(a)

2 3 3 4 4 4 18 324

3 2 2 2 2 4 12 144

4 3 4 4 4 4 19 361

5 3 4 4 4 5 20 400

6 4 3 3 4 4 18 324

7 2 3 3 4 5 17 289

8 4 4 4 2 4 18 324

9 4 4 4 2 4 18 324

10 4 4 4 4 4 20 400

Jumlah 33 35 35 34 42 179 3251(c)

Jumlah kuadrat 115(b) 127 127 124 178 115

Keterangan:

20

Page 21: Revisi Makalah MetPen Kelompok 7

361(a) 192

115(b) 42+32+22+32+32+42+22+42+42+42

3251(c) 361+324+144+361+400+324+289+324+324+400

Menghitung Total Varians Butir Σσb2

Contoh menghitung varians Butir (σ b2 ) pertama

Varians butir ke-2 sampai ke-5 dapat dihitung dengan cara yang sama seperti

menghitung varians butir I. Dengan demikian, total varians butir:

Σσb2 = 0,61+0,45+0,45+0,84+0,16

= 2,51

Menghitung Total Varians σ t2

Menghitung Koefisien Cronbach Alpha

Untuk menjadi perhatian

a. Nilai-nilai untuk pengujian reliabilitas berasal dari skor-skor item angket yang valid.

Item yang tidak valid tidak dilibatkan dalam pengujian reliabilitas.

b. Instrumen memiliki tingkat reliabilitas yang tinggi jika nilai koefisien yang diperoleh

>0,60 (Imam Ghozali, 2002, Aplikasi Analisis Multivariat dengan Program SPSS,

21

Page 22: Revisi Makalah MetPen Kelompok 7

Semarang: Badan Penerbit Universitas Dipenogoro, hlm. 133). Ada pendapat lain

yang mengemukakan baik/buruknya reliabilitas instrumen dapat dikonsultasikan

dengan nilai r tabel.

c. Dari contoh di atas, dengan n=10 maka nilai r tabel pada taraf signifikan

(α)=0,05,adalah 0,632. Dengan demikian nilai r-hitung 0,58<r-tabel

0,632,perbandingan ini menunjukkan hasil yang tidak signifikan, atau dengan kata

lain reliabilitas instrumen buruk atau data hasil instrumen angket kurang dapat

dipercaya.

d. Interpretasi reliabilitas bisa juga menggunakan pertimbangan gambar di bawah ini

Bab 3 Penutup

3.1 Kesimpulan

22

Page 23: Revisi Makalah MetPen Kelompok 7

Uji asumsi klasik merupakan terjemahan dari clasical linear regression model

(CLRM) yang merupakan asumsi yang diperlukan dalam analisis regresi linear dengan

ordinary least square (OLS).

CLRM juga sering disebut dengan The Gaussian Standard, yang sebenarnya terdiri

dari 10 item yakni :

Asumsi 1: Linear Regression Model.

Asumsi 2: X values are fixed in repeated sampling.

Asumsi 3: Zero mean value of disturbance ui

Asumsi 4: Homoscedasticity or equal variance of ui

Asumsi 5: No autocorrelation between the disturbances

Asumsi 6 : Zero covariance between ui and Xi

Asumsi 7: The number of observations n must be greater than the number of parameters to

be estimated

Asumsi 8: Variability in X values

Asumsi 9: The regression model is correctly specified

Asumsi 10: There is no perfect multicollinearity

Reliabilitas diterjemahkan dari kata reliability. Pengukuran yang memiliki reliabilitas yang

tinggi maksudnya adalah pengukuran yang dapat menghasilkan data yang reliabel. Ide

pokok dalam konsep reliabilitas adalah sejauh mana hasil suatu pengukuran dapat

dipercaya. Hasil ukur dapat dipercaya apabila dalam beberapa kali pengukuran terhadap

kelompok subjek yang sama diperoleh hasil yang relatif sama, kalau aspek yang diukur

dalam diri subjek memang belum berubah.

Validitas adalah ketepatan atau kecermatan suatu instrumen dalam mengukur apa yang

ingin diukur. Dalam pengujian instrumen pengumpulan data, validitas bisa dibedakan

menjadi validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun

menggunakan lebih dari satu faktor (antara faktor yang satu dengan yang lain ada

kesamaan).

Daftar Pustaka

Arikunto, Suharsimi (2003) Dasar-dasar Evaluasi Pendidikan, Jakarta: Bumi Aksara.

Azwar, Saifuddin ( 2003) Reliabilitas dan Validitas, Yogyakarta: Pustaka Pelajar

23

Page 24: Revisi Makalah MetPen Kelompok 7

http://www.pascaldomain.asia.

24