Uji Asumsi Klasik dan Normalitas Data Menggunakan SPSS

techno-x-zone - Salam jumpa lagi sobat techno X, sudah lama sekali admin tidak mempostingkan sesuatu di blog ini hehehe. Harap maklum kesibukan dunia nyata tidak bisa terelakkan. Okey, pada hari ini admin akan berbagi pengalaman tentang bagaimana melakukan pengujian asumsi klasik (heteros, auto, multi kol) dan normalitas data. Hal ini sangat penting bagi sobat-sobat yang sementara menyusun skripsi dan bersifat penelitian kuantitatif/empiris. Dalam pengujian ini, admin berpedoman pada aplikasi Statistical Package for the Social Sciences atau yang biasa disingkat SPSS. Kali ini, SPSS yang digunakan adalah versi 24 alias yang terbaru. Okey lanjut ke TKP......

Pengujian Asumsi Klasik dan Normalitas Data

Pengujian asumsi klasik dibagi menjadi 3, yakni Heteroskedastisitas, Multikolinearitas dan Autokorelasi. Model regresi yang baik bebas dari ketiga jenis masalah ini. Data dalam model regresi, selain bebas dari pengujian asumsi klasik, juga harus terdistribusi dengan normal. Baiklah, langkah-langkahnya adalah sebagai berikut.

1. Buka SPSS kalian
2. Sediakan data yang dibutuhkan untuk melakukan regresi misalnya seperti ini.

3. Kemudian klik analyze - regression - linear

4. Kemudian klik pada Statistics dan centang estimate, model fit, R squared change, part and partial correlations, collinearity diagnostics, Durbin-Watson, dan casewise diagnostics. Klik continue.



5. Kemudian klik Plots dan masukkan *ZPRED ke Y dan *SRESID ke X serta centang histogram dan normal probability plot. Klik continue.



6. Kemudian klik Save dan centang pada Residuals Unstandardized. Klik continue.

7. Kemudian masukkan variabel dependen dan independen yang akan diuji, lalu klik ok.




8. Window output akan muncul dan menampilkan hasil regresi.

Dari hasil ini, kemudian dapat disimpulkan pengujian autokorelasi dan multikolinearitas. Untuk autokorelasi lihat pada kolom Durbin Watson. Dalam buku Santoso tahun 2012, untuk menentukan ada atau tidaknya autokorelasi, digunakan ketentuan sebagai berikut.

a. Angka DW di bawah -2 maka terdapat autokorelasi positif

b. Angka DW di antara -2 sampai +2 berarti tidak terdapat autokorelasi

c. Angka DW di atas +2 maka terdapat autokorelasi negatif

Atau sobat bisa juga menggunakan ketentuan Ghozali, tetapi lebih mudah yang dikemukakan oleh Santoso. Berdasarkan gambar diatas, DW = 0.906 maka dapat disimpulkan tidak terdapat autokorelasi.

Sementara untuk multikolinearitas, periksa pada Collinearity Statistic bagian VIF (Variance Inflation Factor) di mana VIF ini harus berada dibawah 10 (VIF<10) dan nilai tolerance > 0,10. Berdasarkan gambar diatas, karena VIF = 1 serta tolerance diatas 0,10 maka tidak terdapat multikolinearitas.

Uji signifikansi dapat dilihat pada bagian t-sig dan perhatikan apabila sig berada dibawah 0,05, maka variabel independen berpengaruh terhadap variabel dependen dan sebaliknya.

9. Kemudian untuk menguji apakah suatu data terdistribusi dengan normal, kita akan melakukan pengujian Kolmogorov-Smirnov. Klik analyze - nonparametic tests - legacy dialogs - 1 Sample K-S.

10. Kemudian masukkan unstandardized residual yang muncul akibat proses regresi, centang normal dan klik ok.

11. Untuk menentukan apakah data terdistribusi dengan normal adalah dengan memeriksa bagian Asymp. Sig (2-tailed) di mana data yang normal tidak signifikan pada 0,05. Berdasarkan hasil pada gambar dibawah, dapat dilihat tingkat signifikannya lebih kecil dari 0,05 (p-value < 0,05). Untuk mengobati masalah ini, biasanya peneliti mengonversi data menjadi Z-score dan membuang data yang outlier (nilai Z-Score diatas 3) atau mengonversi data menjadi logaritma natural (LN), squareroot (SQRT), Logaritma (Log) maupun reciprocal (1/data). Atau bisa juga dengan membuang data yang ekstrem/outlier.

12. Untuk memeriksa apakah data heteroskedastisitas atau tidak, maka dilakukan dengan menggunakan uji glejser. Carannya adalah dengan mengabsolutkan residual yang terbentuk dari regresi dan kemudian menggunakan residual yang telah diabsolutkan tersebut pada persamaan regresi sebagai variabel dependen. Klik transform, pilih compute.

Pada target variabel, isikan misalnya ABSRES. Kemudian pada numeric expression, ketik ABS(RES_1) jika residu yang tadi bernama RES_1. Jika sudah, klik ok. Setelah itu akan muncul ABSRES sebagai variabel yang baru.

13. Lakukan pengujian regresi seperti yang tadi, tetapi klik save dan hilangkan centang pada unstandardized residual, kemudian ganti variabel dependen dengan ABSRES yang telah dibuat tadi sementara variabel independen tetap sama seperti yang tadi. Klik ok.

Kemudian periksa pada bagian uji t signifikan atau tidak. Apabila pengujian ini signifikan (p-value <0,05) maka dapat disimpulkan bahwa terjadi heteroskedastisitas. Pada contoh di atas, variabel CG memiliki tingkat signifikansi pada 0.006 yang mengindikasikan telah terjadi heteroskedastisitaas.

Demikian langkah-langkah melakukan pengujian asumsi klasik dan normalitas data dengan menggunakan SPSS. Perlu dicatat, masih ada cara lain untuk melakukan pengujian asumsi klasik dan normalitas data pada SPSS selain cara di atas. Sekian dan Terima Kasih.

Semoga Bermanfaat.