Ruang : 05SAKP010/447
a. Statitistik parametrik
b. Statistik nonparametrik
3. Membuat kisi-kisi tes sebagai acuan dan arah pengembangan instrumen tes.
4. Membuat tes.
Masalah yang kemungkinan muncul dari penggunaan metode ini adalah adanya a
carry over effect. A carry over effect adalah ketidak percayaan pada hasil karena
insrumen diberikan dua kali pada responden. Artinya ketika responden mengerjakan
soal tes kedua kalinya, pasti pengerjaan tes yang pertama akan sedikit banyak
mempengaruhinya. Responden bisa jadi mengingat jawaban terdahulu atau
memperbaiki kesalahan dari jawabannya yang terdahulu.
Asumsi klasik antara regresi linear sederhana dan berganda hampir sama. Hanya saja
letak perbedaannya terdapat pada uji multikolinearitas, dimana syarat tersebut hanya
untuk regresi linear berganda.
1. a) Merumuskan hipotesis
2. b) Menentukan nilai uji statistik
3. c) Menentukan taraf nyata (α)
4. d) Menentukan kriteria pengujian hipotesis
Uji Multikoliniearitas ini bertujuan menguji apakah pada model regresi ditemukan
adanya korelasi antar variabel independen. Menurut Ghozali (2011:103), berpendapat
bahwa “Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel bebas (independen)”.Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variable independen. Menurut Singgih
Santoso (2015:234) “Jika terbukti ada multikolinieritas, sebaiknya salah satu dari
variabel independen yang ada dikeluarkan dari model, lalu pembuatan model regresi
diulang kembali”.
Beberapa metode pengujian yang bisa digunakan diantaranya yaitu Uji Park, Uji
Glesjer, dan Grafik Plot (Scatter Plot),
1 ) Uji Park
Metode uji Park yaitu dengan meregresikan nilai logaritma natural dari residual kuadrat
(Lne2) dengan variabel independen (X1 dan X2).Kriteria pengujian adalah sebagai
berikut:
1. Jika nilai Signifikansi > 0,05 berarti tidak terdapat gejala heteroskedastisitas
2. Jika nilai Signifikansi < 0,05 yang berarti terdapat gejala heteroskedastisitas.
2 ) Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan
nilai absolut residualnya (ABS_RES). Dasar pengambilan keputusan menggunakan uji
Glejser sebagai berikut:
1. Jika nilai Signifikasi (Sig.) > 0,05, maka tidak terjadi gejala heteroskedastisitas
dalam model regresi
2. Jika nilai Signifikansi (Sig.) < 0,05, maka terjadi gejala heteroskedastisitas
1. Jika pada grafik scatter plot terlihat titik-titik yang membentuk pola tertentu, yang
teratur (misal bergelombang, melebar kemudian menyempit), maka dapat disimpulkan
telah terjadi masalah Heteroskedastisitas.
2. Jika pada grafif scatter plot, titik-titik menyebar di atas dan di bawah angka nol pada
sumbu Y serta tidak membentuk pola tertentu yang teratur (misal bergelombang,
melebar kemudian menyempit), maka dapat disimpulkan tidak terjadi masalah
heteroskedastisitas (variance sama/Homoskedastisitas)
9. Apakah ada dampak dari Autokorelasi ? Jika terdapat dampak sebutkan dan
jelaskan .
Saya ambil Salah satu Contoh dalam kehidupan sehari-hari dari estimasi titik itu ialah:
rata-rata bayiyang baru lahir beratnya 3 kg. Dari pernyataan ini dapat disimpulkan
bahwa pernyataan tersebut dapat menggunakan distribusi normal, karena tidak banyak
bayi yang baru lahir itu beratnya kurang atau lebih berat dari 3kg. bayi yang beratnya
3kg dapat disebut sebagai estimate, sedangkan yang disebut estimatornya ialah bayi
yang baru lahir
1. Tetapkan dahulu rumusan hipotesis dengan tepat, baik hipotesis nol (H0) dan
hipotesis alternatif (H1) apakah termasuk ke dalam uji satu arah atau uji dua arah.
2. Tetapkanlah taraf nyata α yang diinginkan, sehingga dengan memakai nilai
αtersebut diperoleh nilai kristis dari tabel. Dengan demikian dapat digambarkan daerah
penolakan H0 dan daerah penerimaan H0.
3. Tetapkanlah statistik uji (Z) yang cocok untuk menguji hipotesis nol. Rumus statistik
uji ini sangat bergantung pada parameter populasi yang diuji apakah θ = µ, θ = p, atau
karakteristik populasi lainnya.
4. Hitunglah nilai statistik uji (Z) berdasarkan data dan informasi yang diketahui baik
dari populasi maupun dari sampel yang diambil dari populasi tersebut.
5. Simpulkan, lakukan penolakan H0 bila nilai statistik uji (Zh) jatuh atau terletak di
daerah penolakan H0 yaitu apabila nilai Zh > Zα atau Zh < -Zα untuk pengujian satu
arah dan nilai Zh > !!atau Zh < - !! untuk pengujian dua arah.
14. Dalam menghitung analisis regresi sederhana juga bisa digunakan melalui
aplikasi SPSS. Pertanyaan nya bagai mana langkah langkahnya dengan
menggunakan aplikasi SPSS ?
Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen berhubungan positif
atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan.
16. Apakah ada hubungan antara analisis regresi dan analisis korelasi ?
Pada dasarnya analisis regresi dan analisis korelasi keduanya punya hubungan yang
sangat kuat dan mempunyai keeratan. Setiap analisis regresi otomatis ada analisis
korelasinya, tetapi sebaliknya analisis korelasi belum tentu diuji regresi atau diteruskan
dengan analisis regresi. Analisis korelasi yang tidak dilanjutkan dengan analisis regresi
adalah analisis korelasi yang kedua variabelnya tidak mempunyai hubungan
fungsional sebab akibat.
17. Metode apa yang digunakan Untuk menguji pengaruh variabel intervening ?
Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path
Analysis) Analisis jalur merupakan perluasan dari analisis regresi linear berganda, atau
analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas
antar variabel (model causal atau sebab akibat) yang telah ditetapkan sebelumnya
berdasarkan teori.
18. Apakah ada perbedaan antara analisis regresi logistik dengan regresi linear
atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS) ?
Perbedaannya yaitu pada regresi logistik, peneliti memprediksi variabel terikat yang
berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan
dua kategori, misalnya: besar dan kecil, baik dan buruk, atau berhasil dan gagal. Pada
Analisis OLS mewajibkan syarat atau asumsi bahwa error varians (residual)
terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak mensyaratkan
asumsi tersebut karena pada regresi logistik mengikuti distribusi logistik