Pertemuan 14

Materi : Uji Normalitas dan UJi Analisis Regresi Linier dengan SPSS

A. Uji Normalitas Data

Uji normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran pada
sebuah kelompok data atau variael, apakah sebarang data berdistribusi normal atau tidak. Uji ini
berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari
populasi normal.
Metode yang digunakan dalam mencari hasil dapat dilakukan dengan cara manual atau
menggunakan rumus, menggunakan Microsoft excel, dan menggunakan aplikasi statistic seperti
SPSS, Stata, PLS, dsb.
Jenis – jenis uji normalitas data yang sering digunakan adalah metode chi-square, kolmogrov-
smirnov, Shapiro-wilk, lilliefors, dan jarque bera. Selanjutnya, materi kali ini akan membahas uji
normalitas data kolmogrov-smirnov dengan SPSS.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi
data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah
data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan
data normal baku.
Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang
signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan
pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan
diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak
normal.
Tata cara pengujiannya adalah sebagai berikut.
1. Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze,
kemudian klik pada Nonparametric Test, lalu klik Legacy Dialogs, Klik 1-Sample K-S. K-S itu
singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-Smirnov
Test.
 2. Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Centang
Normal pada Test Distribution.
3. Lalu tekan OK saja.
4. Setelah mengklik ok, akan keluar output seperti berikut.

Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Lalu
intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi
asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.

B. Uji Analisis Regresi Linier

Analisis regresi linear sederhana merupakan salah satu metode regresi yang dapat dipakai sebagai
alat inferensi statistik untuk menentukan pengaruh sebuah variabel bebas (independen) terhadap
variabel terikat (dependen). Uji Regresi linear sederhana ataupun regresi linier berganda pada
intinya memiliki beberapa tujuan, yaitu:
1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel
bebas.
2. Menguji hipotesis karakteristik dependensi
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas
diluar jangkaun sample.
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan persyaratan
yang perlu diperiksa dan diuji, beberapa diantaranya adalah :
1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance
termsebesar 0 atau dengan simbol sebagai berikut: E (U / X) = 0,
2. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada
hubungan linier yang nyata,
3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05, Predictor
yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka
Standard Error of Estimate < Standard Deviation,
4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T table (nilai kritis),
5. Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi (KD = R
Square x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati
1 maka model regresi semakin baik,
6. Residual harus berdistribusi normal,
7. Databerskala interval atau rasio,
8. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (variabel
predictor) sedang variabel lainnya variabel terikat (variabel response)

Berikut ini tata cara perhitungan regresi linier sederhana menggunakan software SPSS.

1. Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

2. Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen
(bebas) lalu klik tombol OK,
C. Output Regresi Linier dengan SPSS
Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;
1. Tabel variabel penelitian,
2. Ringkasan model (model summary),
3. Tabel Anova, dan
4. Tabel Koefisien.

D. Interpretasi Regresi Linier dengan SPSS

Cara membaca output dari hasil pengolahan regresi linier dengan SPSS adalah sebagai berikut.

1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel
bebas dan variabel terikat.
2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada
contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh nilai R
Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi
 yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh
adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi
sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain
diluar variabel X1.
3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi.
Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140
yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan regresi
berdasarkan data penelitian adalah tidak signifikan artinya, model regresi linier tidak
memenuhi kriteria linieritas.
4. Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien
konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B.
Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1.