Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan PERTEMUAN 6 Mieke Nurmalasari Manajemen Informasi Kesehatan

KEMAMPUAN AKHIR YANG DIHARAPKAN Mahasiswa mampu menguraikan apa yang menjadi asumsi analisis regresi linier berganda dan cara mengatasinya jika asumsi tersebut tidak terpenuhi. Mahasiswa dapat menganalisis ketepatan penggunaan analisis regresi dan korelasi berganda berdasarkan hasil dari uji asumsi dan standarisasi.

Kenapa dilakukan uji asumsi ? Uji asumsi analisis regresi berganda perlu dilakukan sebagai salah satu syarat agar model regresi yang kita peroleh dapat dikatakan baik. Baik di sini maksudnya adalah: BLUE= Best, Linear, Unbiased

BLUE = Best, Linear, Unbiased Best = yang terbaik, hasil regresi dikatakan “best” apabila garis regresi yang dihasilkan untuk melakukan estimasi atau peramalan dari sebaran data mempunyai error yang kecil.

Linear = merupakan kombinasi dari data sampel Linear dalam model artinya model yang digunakan dalam analisis regresi telah sesuai dengan kaidah OLS (Ordinary Least Square) dimana variabel-variabel penduganya hanya berpangkat satu. Sedangkan linear dalam parameter menjelaskan bahwa parameter yang dihasilkan merupakan fungsi linear dari sampel.

Unbiased = rata-rata nilai harapan harus sama dengan nilai sebenarnya atau dengan kata lain tidak bias. Estimator dikatakan tidak bias jika nilai harapan estimator b samam dengan nilai yang benar dari b (nilai rata-rata b = b). Jika nilai rata-rata b tidak sama dengan nial b maka selisishnya itu disebut bias.

Uji asumsi analisis regresi Uji Normalitas Uji Heteroskedastisitas Uji Multikolinearitas Uji Autokorelasi

Uji asumsi analisis regresi Uji Normalitas Hipotesis: H0 : Data menyebar normal H1: Data tidak menyebar normal Untuk mengetahui apakah distribusi data pada setiap variabel normal atau tidak salah satu caranya dengan menggunakan Normal P-P plot. Jika sebaran data berada di sekitar garis diagonal dan mengikuti arah diagonal, maka model regresi dikatakan memenuhi asumsi normalitas.

Uji asumsi analisis regresi 2. Uji Heteroskedastisitas: Agar analisis regresi berganda bisa dilakukan syaratnya harus memiliki ragam yang sama (homoskedastisitas) Hipotesis: H0 : Tidak terjadi heteroskedastisitas H1: Terjadi heteroskedastisitas Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai Prediksi) dengan SRESID (nilai residualnya). Tidak ada pengumpulan data di tengah menyerupai bulatan, menyempit atau melebar menyerupai corong)

3. Uji Multikolinearitas Multikolinearitas adalah suatu kondisi dimana terdapat hubungan yang kuat antar variabel bebasnya. Sehingga tidak terjadi tumpang tindih informasi yang diberikan variabel bebas terhadap variabel tidak bebasnya. Suatu data terbebas dari masalah multikolinearitas jika: VIF (Variance Inflation Factor) < 10 Tolerance > 0.1

4. Uji Autokorelasi Autokorelasi, artinya adanya korelasi berurutan, dimana jika terdapat dua pengamatan yang berbeda maka saling berkorelasi. Model regresi yang baik mensyaratkan tidak adanya masalah autokorelasi.

Hipotesis: H0 : Tidak terjadi autokorelasi H1 : terjadi autokorelasi Dengan cara membandingkan nilai statistik uji durbin watson (d) dengan tabel durbin watson (nilai dL dan nilai dU). Keputusan: dU < d < 4 –dU maka Ho diterima (tidak terjadi autokorelasi) d < dL atau d > 4 – dL maka H0 ditolak (terjadi autokorelasi) dL < d < dU atau 4 – dU < d <4 – dL, maka tidak ada kesimpulan.