UJI ASUMSI KLASIK

PERTEMUAN 14
APA YANG DIMAKSUD UJI ASUMSI KLASIK
DEFINISI
LANGKAH-LANGKAH SPSS
CONTOH PENGUJIAN ASUMSI KLASIK

• PENGARUH BIAYA PRODUKSI, BIAYA DISTRIBUSI DAN BIAYA PROMOSI TERHADAP

TINGKAT PENJUALAN
• DISEBUT MODEL YANG BAIK JIKA MEMENUHI BEBERAPA ASUMSI YANG DISEBUT
DENGAN ASUMSI KLASIK
• MEMENUHI UJI ASUMSI KLASIK ATAU BELUM MEMENUHI?
DEFINISI UJI ASUMSI KLASIK
UJI NORMALITAS

• uji normalitas dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel
independen dan variabel dependen ataupun keduanya mempunyai distribusi normal atau
tidak normal
• Jika ada data yang tidak normal maka hal tersebut disebabkan oleh adanya beberapa data
yang memiliki karakter dan nilai yang terlalu berbeda (ekstrem)
• Kurva yang menggambarkan distribusi normal adalah kurva normal yang berbentuk
simetris
Contoh total dari tabulasi data yang terdiri dari 3 variable bebas dan
satu variable terikat
“pengaruh kualitas pelayanan, harga, dan lokasi terhadap kepuasan
pelanggan
• Buatlah data fiktif di Microsoft xl dengan jumlah responden 30,
• Jumlahkan total keseluruhan nilai dari semua pertanyaan pada angket yang digunakan
sebagai instrument penelitian
• Jika terdapat 3 variable bebas dan 1 variable terikat maka ada 4 angket yang digunakan jika
keseluruhan variable mau diambil data nya dengan alat pengumpul data berupa angket.
• Terdapat nilai total dari X1, X2, X3 sebagai variable bebas dan Y sebagai variable terikat
• Edit variable view terlebih dahulu sebelum mengcopy data dari xl
COPY DATA DARI XL KE SPSS
PENGUJIAN NORMALITAS DATA

• Pada uji normalitas data dapat dilakukan dengan menggunakan uji One Sample
Kolmogorov Smirnov yaitu dengan ketentuan apabila nilai signifikansi diatas 5% atau 0,05
maka data memiliki distribusi normal.
• Sedangkan jika hasil uji One Sample Kolmogorov Smirnov menghasilkan nilai signifikan
dibawah 5% atau 0,05 maka data tidak memiliki distribusi normal.
KLIK TOMBOL
PLOTS
 PILIH SRESID KE Y

PILIH ZPRED KE X

CENTANG NORMAL
PROBABILITY PLOTS
KEMUDIAN PILIH
CONTINUE
 HASIL OUTPUT SPSS
TITIK TITIK MENYEBAR NORMAL DAN
MENGIKUTI GARIS DIAGONAL, MAKA
DISIMPULKAN NILAI RESIDUAL NORMAL
HISTOGRAM

Garis seperti lonceng dan

di tengah, maka
berdistribusi normal
AKAN MUNCUL NILAI RESIDUAL
KLIK TOMBOL SAVE
 KLIK UNSTANDARDIZED
KEMUDIAN KLIK CONTINUE
 MUNCUL NILAI
RESIDUAL PADA DATA
VIEW SPSS
KLIK ANALYZE, NONPARAMETRIKTEST,
LEGACYDIALOGS DAN 1 SAMPLE K-S
 PINDAHKAN HANYA
UNSTANDARDIZED KE KOLOM
DI KANAN KEMUDIAN PASTIKAN
NORMAL SUDAH TERCENTANG,
KLIK OK
 NILAI SIGNIFIKANSI 0,693
ATAU DENGAN KATA LAIN
O,693>0,05 MAKA NILAI
RESIDUAL TELAH NORMAL
UJI MULTIKOLINIERITAS

• multikolinearitas bertujuan untuk mengetahui apakah model regresi ditemukan adanya

korelasi antar variabel independent atau variable bebas
LANGKAH SPSS UJI MULTIKOLINIERITAS
PENGUJIAN MULTIKOLINIERITAS DATA

• Untuk menemukan terdapat atau tidaknya multikolinearitas pada model regresi dapat
diketahui dari nilai toleransi dan nilai variance inflation factor (VIF).
• Nilai Tolerance mengukur variabilitas dari variabel bebas yang terpilih yang tidak dapat
dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF
tinggi, dikarenakan VIF = 1/tolerance, dan menunjukkan terdapat kolinearitas yang tinggi.
• Nilai cut off yang digunakan adalah untuk nilai tolerance 0,10 atau nilai VIF diatas
angka 10.
EDIT VARIABEL VIEW SEBELUM MENGCOPY DATA
DARI XL
Data yang sudah di copy ke data view layar
spss
KEMUDIAN PILIH ANALYZE, REGRESSION LINEAR,
KLIK STATISTIK
KLIK ESTIMATES, MODEL FIT, COLLINEARITY
DIAGNOSTICS, KEMUDIAN CONTINUE
Hasil out put uji multikolinieritas
Lihat nilai dari VIP dan tolerance untuk uji multikolinearitas
KUALITAS PELAYANAN TOLERANSI = 0,938 > 0,10
HARGA TOLERANSI = 0,620 > 0,10
LOKASI TOLERANSI = 0,604 > 0,10

KUALITAS PELAYANAN VIP = 1,066 < 10

HARGA VIP = 1,613 < 10
LOKASI VIP =1,655 < 10
KESIMPULAN

• Lulus uji multikolinieritas

• Nilai toleransi > 0,10
• Nilai VIP < 10
UJI HETEROKESDASITAS

• Uji ini bertujuan untuk melakukan uji apakah pada sebuah model regresi terjadi
ketidaksamaan varian dari residual dalam satu pengamatan ke pengamatan lainnya. Apabila
varian berbeda, disebut heteroskedastisitas
• Model regresi yang baik dan memenuhi syarat jika model tersebut memiliki persamaan
varians dari residual atau pengamatan ke pengamatan lain tetap atau disebut
homokesdasitas
SALAH SATU MENGUJI HETEROKESDASTAS ADALAH
DENGAN UJI GLEJSER
TAMPILAN SPSS SETELAH NILAI RESIDUAL DI
PEROLEH
KLIK ANALYZE, CORRELATE DAN BIVARIATE
Pada kolom target variable ketikkan ABS_RES
Kemudian pada kolom numeric expression
Ketikkan ABS(
Lalu masukkan nilai dari (Unstandardized
Residual) (RES_1) KEMUDIAN KLIK OK
MUNCUL NILAI ABS RESIDU
KLIK ANALYZE, REGRESSION,
LINEAR
MASUKKAN ABS_RES KE KOLOM
DEPENDENT

MASUKKAN SEMUA VARIABEL

BEBAS KE KOTAK INDEPENDENT
DARI OUT PUT DAPAT DILIHAT BAHWA NILAI SIGNIFIKANSI KETIGA
VARIABLE INDEPENDENT LEBIH BESAR DARI 0,05 MAKA
DISIMPULKAN TIDAK TERJADI MASALAH HETEROKESDASITAS
PENGUJIAN HETEROKESDASITAS

• Salah satu cara untuk mengetahui ada tidaknya heteroskedastisitas pada suatu model
regresi linier berganda, yaitu dengan melihat grafik scatterplot atau dari nilai prediksi
variabel terikat yaitu SRESID dengan residual error yaitu ZPRED.
• Apabila tidak terdapat pola tertentu dan tidak menyebar diatas maupun dibawah angka
nol pada sumbu y, maka dapat disimpulkan tidak terjadi heteroskedastisitas.
• Untuk model penelitian yang baik adalah yang tidak terdapat heteroskedastisitas
KLIK ANALYZE, REGRESI, LINEAR,
KLIK PLOTS, PASTIKAN SRESID KE KOLOM Y, ZEPRED
KE KOLOM X KEMUDIAN KLIK CONTINUE
 Gambar scatterplot menunjukkan bahwa titik
titik yang dihasilkan menyebar secara acak dan
tidak membentuk pola atau trend garis tertentu
Sebaran data ada di sekitar titik nol hasil
pengujian ini menunjukkan bahwa model regresi
ini bebas dari masalah heterokesdasitas