Makalah

ASUMSI KLASIK: NORMALITAS DAN HETEROKEDASTISITAS

Makalah ini disusun guna memenuhi tugas mata kuliah Statistika Pendidikan

Dosen Pengampu:

Siti Maryatul Kiptiyah, S.Si., S.Pd., M.Pd.

Oleh

Kelompok 5

1. Maryana (1401420101)
2. Sabila Shaisatul Jannah (1401420298)

PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI SEMARANG
2023
 PRAKATA

Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena telah
memberikan rahmat dan karunia-Nya kepada kita semua. Serta diberikan kemudahan sehingga
penulis dapat menyelesaikan makalah ini. Oleh karena itu, penulis dapat menyusun sebuah
makalah yang berjudul “Asumsi Klasik: Uji Normalitas dan Heterokedastisitas”. Adapun
tujuan dari penyusunan makalah ini yaitu untuk memenuhi penugasan mata kuliah Statistika
Pendidikan.
Makalah ini secara khusus disusun dengan pendalaman materi uji normalitas dan
heterokedastisitas yang tentunya penulis mendapatkan bimbingan, arahan, koreksi, dan saran,
untuk itu rasa terima kasih yang sedalam-dalamnya penulis sampaikan kepada Siti Maryatul
Kiptiyah, S.Si., S.Pd., M.Pd. selaku dosen mata kuliah Statistika Pendidikan yang telah banyak
memberikan masukan untuk makalah ini.
Penulis menyadari bahwasanya makalah ini masih terdapat kekurangan baik dari segi
penyusunan kalimat maupun tata bahasanya. Oleh karena itu, besar harapan penulis selaku
penyusun makalah dengan terbuka menerima segala kritik dan saran dari pembaca untuk
memperbaiki makalah ini. Semoga makalah ini dapat bermanfaat dan digunakan sebaik-
baiknya.

Semarang, 20 April 2023

Penulis

i
 DAFTAR ISI

PRAKATA .................................................................................................................................. i
DAFTAR ISI .............................................................................................................................. 2
BAB I PENDAHULUAN .......................................................................................................... 1
A. Latar Belakang ................................................................................................................ 1
B. Rumusan Masalah ........................................................................................................... 1
C. Tujuan ............................................................................................................................. 1
BAB II PEMBAHASAN ........................................................................................................... 2
A. Uji Normalitas ................................................................................................................. 2
B. Uji Heterokedastisitas ................................................................................................... 29
BAB III PENUTUP ................................................................................................................. 58
A. Simpulan ....................................................................................................................... 58
B. Saran ............................................................................................................................. 58
DAFTAR PUSTAKA ............................................................................................................... 60

ii
 BAB I

PENDAHULUAN

A. Latar Belakang
Uji asumsi klasik merupakan prasyarat analisis regresi berganda sehingga
penaksiran parameter dan koefisien regresi tidak bias. Model regresi akan dapat dijadikan
alat estimasi yang tidak bisa jika telah memenuhi persyaratan BLUE (Best Linear Unbiased
Estimator) yaitu tidak terdapat heteroskedastisitas, tidak terdapat multikolinearitas, dan
tidak terdapat autokorelasi. BLUE dapat dicapai jika memenuhi asumsi klasik. Jika terdapat
heteroskedastisitas, maka varian tidak konstan sehingga akan menimbulkan biasnya standar
error. Jika ada multikolinearitas, maka akan sulit dalam mengisolasi pengaruh-pengaruh
individual dari variabel, sehingga tingkat signifikasi koefisien regresi menjadi rendah.
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi
data. Hal ini penting kaitannya dengan ketetapatan pemilihan uji statistik yang akan
digunakan. Uji parametrik misalnya, mengisyaratkan data harus berdistribusi normal. Jika
distribusi data tidak normal, maka disarankan untuk menggunakan uji nonparametrik.
Uji heterokedastisitas dilakukan untuk mengetahui apakah terjadi bias atau tidak
dalam suatu analisis model regresi. Terdapat dua cara untuk dapat mengetahui ada atau
tidaknya gejala heterokedastisitas pada suatu model regresi yaitu pertama dengan melihat
grafik scatterplot dan yang kedua dengan melihat nilai prediksi variabel terikat (SRESID)
dengan residual error (ZPRED).

B. Rumusan Masalah
Berdasarkan latar belakang dapat dirumuskan masalah sebagai berikut.
1. Bagaimana pengujian uji normalitas menggunakan excel dan SPSS?
2. Bagaimana pengujian uji heterokedastisitas menggunakan excel dan SPSS?

C. Tujuan
Berdasarkan rumusan masalah maka tujuan penulisan makalah sebagai berikut.
1. Menguji data dengan uji normalitas menggunakan excel dan SPSS.
2. Menguji data dengan uji heterokedastisitas menggunakan excel dan SPSS.

1
 BAB II

PEMBAHASAN

A. Uji Normalitas
1. Pengertian
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian
normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal
atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari
30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya
kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu
pembuktian. uji statistik yang dapat digunakan diantaranya adalah: Uji Chi-
Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.

2. Jenis Uji Normalitas

Secara umum dinyatakan bahwa normalitas dapat dinilai dengan berbagai cara
yang jika dikelompokkan pada dasarnya ada dalam 2 kelompok, yaitu analisis secara
visual dan analisis secara statistik.

Analisis secara visual antara lain menggunakan grafik normal PP, Normal QQ,
Histogram, Stem Leaf, Box Plot, dll. Sedangkan secara statistik dapat diuji
menggunakan uji Kolmogorov Smirnov, Shapiro Wilk, Shapiro Francia, Andersen
Darling, Ryan Joiner, Skewness Kurtosis Test, Jarque Bera dan masih banyak jenis uji
statistik lainnya untuk menilai normalitas.

3. Uji Normalitas secara Statistik

a. Uji Chi Square

• Pengertian

Chi square adalah uji non parametrik yang sering digunakan dalam
penelitian. Prinsip kerjanya adalah dengan membandingkan dua variabel yang
skala datanya adalah nominal.

2
 Dikutip dari buku Pengantar Statistika, Usman, H. & R. Purnomo Setiady
Akbar, Bumi Aksara, 2000, Uji Chi Square biasanya digunakan untuk
mengetahui hubungan dua variabel nominal kemudian mengukur kekuatan
hubungan antara dua variabel yang dimaksud. Skala data kedua variabel adalah
nominal. Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka
dilakukan uji Chi Square dengan merujuk bahwa harus digunakan uji pada
derajat yang terendah.

• Syarat Uji Chi Square

Syarat umum uji Chi Square adalah: frekuensi responden atau sampel
yang digunakan besar, sebab ada beberapa syarat Chi Square dapat
digunakan yaitu:
1. Tidak ada cell dengan nilai frekuensi amatan atau observasi bernilai 0
(nol)

2. Apabila bentuk tabel kontingensinya adalah 2x2 maka tidak boleh ada 1
cell pun dari frekuensi harapan yang bernilai kurang dari 5

3. Apabila bentuk tabel lebih dari 2x2 misalkan 2x3 maka jumlah cell
frekuensi harapan yang bernilai kurang dari 5 tidak boleh lebih dari 20%
dari keseluruhan cell

• Fungsi Chi‐Square
Untuk menguji hubungan atau pengaruh dua buah variabel nominal dan
mengukur kuatnya hubungan antara variabel yang satu dengan variabel
nominal lainnya (C = Coefisien of contingency).

• Rumus

Keterangan:
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel
normal dikalikan N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Signifikansi

Signifikansi uji nilai 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 diabdingkan dengan 𝑥 2 𝑡𝑎𝑏𝑒𝑙 (chi square).

Jika nilai 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 kurang dari nilai 𝑥 2 𝑡𝑎𝑏𝑒𝑙 maka Ho diterima dan
sebaliknya

Contoh

3
Misalkan diberikan data sebagai berikut

Jenis
No Nama Kelamin Hobi
1 Udin 1 1
2 Andi 1 1
3 Aan 1 1
4 Ugi 1 1
5 Egi 1 1
6 Arman 1 1
7 Danu 1 1
8 Dedi 1 1
9 Cagur 1 2
10 Darma 1 2
11 Tatang 1 1
12 Intan 2 2
13 Sari 2 2
14 Suci 2 2
15 Sasi 2 2
16 Iin 2 2
17 Lina 2 1
18 Wati 2 1
19 Riri 2 1
20 Fitri 2 2
21 Fani 2 2
22 Cici 2 2
23 Cindy 2 2
24 Dini 2 2

Jenis
Kelamin Hobi
1 Laki- laki Olahraga

2 Perempuan Memasak

Berdasarkan data pada tabel 1 digunakan uji chi square pearson untuk
menguji apakah terdapat hubungan yang signifikan antara jenis kelamin dan
hobi (gunakan tingkat signifikansi 5%)

Langkah Penyelesaian dengan Excel

1. Menghitung nilai frekuensi pengamatan (observed frequency)

4
2. Menghitung nilai frekuensi (sekaligus pada tabel frekuensi pengamatan)

3. Menghitung nilai frekuensi harapan (expected frequency)

∑(𝑓0 −𝑓𝑒 )2
4. Menghitung nilai statistic chi square pearson 𝑥 2 = 𝑓𝑒

5. Menghitung nilai derajat bebas

5
6. Pengambilan keputusan

Langkah Penyelesaian dengan SPSS

1. Buka spss dan masuk pada fitur variable view, kemudian masukkan
data jenis kelamin dan hobi pada tabel

2. Kemudian beri label (optional) dan pada bagian values klik pada titik
tiga hingga muncul tampilan values label

6
3. Masukkan value pertama “1.00” dan label “Laki- laki” dan klik add,
masukkan value kedua “2.00” dan label “perempuan” dan add,
kemudian klik ok

4. Kemudian klik titik tiga pada value hobi, masukkan di value labels
yang pertama pada kolom value ‘1.00” dengan label “olahraga
kemudian add, kedua ketik 2.00 pada kolom value dan pada label
“memasak” kemudian ok

5. Ganti measure dari “unknown” ke scale

6. Masuk ke tab “data view” dan siapkan data untuk di copy, kemudian
copy sesuai kolom jenis kelamin dan hobi

7
7. Kemudian pilih toolbar analyze > descriptive statistic > crosstabs

8. Kemudian isi rows dengan jenis kelamin, dan coloums dengan hobi
> pilih menu statistic dan centang chi square > continue

8
9. Pilih Cells dan centang “expected” > continue dan ok

10. Akan dihasilkan outpot pearson chi square sebagai berikut, dan
hasilnya sama dengan penghitungan dengan excel maupun
sebaliknya

9
10
b. Uji Kolmogorov Smirnov
• Pengertian
Uji Kolmogorov Smirnov (KS) adalah alat uji statistik yang digunakan untuk
menentukan apakah suatu sampel berasal dari suatu populasi yang memiliki
sebaran data tertentu atau mengikuti distribusi statistik tertentu. Distribusi statistik
yang sering diuji menggunakan uji KS adalah Distribusi Normal (apakah suatu
berdistribusi normal).
• Syarat Kolmogorov Smirnov
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
• Langkah-langkah melakukan Uji Kolmogorov Smirnov:
• Hipotesis
• H0:H0: Data mengikuti distribusi tertentu
• H1:H1: Data tidak mengikuti distribusi tertentu
• Statistik Uji
• Statistik uji menggunakan, D, yaitu nilai maksimum
• Kaidah Keputusan
• Terima H0H0 jika nilai (D<DN,α).
• Tolak H0H0 jika nilai jika nilai (DN≥DN,α).
• Kesimpulan
• Jika H0H0 diterima maka data mengikuti distribusi tertentu.
• Jika H0H0 ditolak maka data tidak mengikuti distribusi tertentu.

Diketahui data sebagai berikut, ujilah kenormalitasan data menggunakan uji

Kolmogorov smirnov!

subjek skor
ke- perolehan
1 100
2 70
3 70
4 70
5 80
6 80
7 40
8 50
9 50
10 60
11 60
12 60
13 80
14 90

11
 15 90
16 100
17 60
18 50
19 70
20 80

Penyelesaian menggunakan excel

1. Merumuskan hipotesis
Ho : sampel data berasal dari populasi berdistribusi normal
H1 : sampel data berasal dari populasi yang berdistribusi tidak normal
2. Mengurutkan data (xi) dari yang terkecil sampai yang terbesar (home>sort

filter>sort smallest to largest)

3. Menyusun tabel perhitungan untuk mencari nilai D mask (tabel 9 kolom)
4. Meletakkan data yang sudah diurutkan di dalam tabel
5. Menghitung frekuensi dari data (f)

12
6. Menghitung frekuensi relative (fr)

7. Menghitung kumulatif dari nilai frekuensi relative (frk)

13
8. Menghitung frk sebelum (frk sb)

9. Mentranformasi data ke skor baku (Z)

𝑥𝑖−𝑥
Zi = 𝑠

14
10. Menentukan nilai nilai untuk fungsi distribusi kumulatif dari Zi (F(Zi))

11. Menentukan nilai D1 dan D2

12. Mencari nilai maksimum dari nilai nilai D1

13. Mencai nilai maksimum dari nilai nilai D2

14. Mencari nilai maksimum dari D1 dan D2, dinamakan “D Maks”

15
15. Mencari nilai D-tabel dengan bantuan tabel Kolmogorov smirnov
16. Membandingkan nilai D maks dan D tabel
Jika D maks ≤ D tabel maka Ho diterima
Jika D maks > D tabel maka Ho ditolak

Menggunakan Penghitungan SPSS

1. Siapkan data dan pindahkan ke tabel data view spss

16
2. Buka variable view, ganti nama menjadi skor dan ubah decimals ke 0 dan
ubah measure ke scale

3. Pilih analyze> nonparametric tests> legacy dialogs> sample K-S

17
4. Masukkan skor ke test variable list > ok

5. Muncul hasil, hasilnya sama untuk penghitungan excel maupun spss

18
19
c. Uji Liliefors
• Pengertian
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva
normal sebagai probabilitas komulatif normal. Probabilitas tersebut dicari bedanya
dengan probabilitas kumulatif empiris. Beda terbesar dibanding dengan tabel
Lilliefors.
• Syarat
Syarat Uji Lilliefors
a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi

d. Dapat untuk n besar maupun n kecil

• Hipotesis
Hipotesis Lilliefors:
Ho : Populasi nilai ujian statistik berdistribusi normal
H1 : Populasi nilai ujian statistik tidak berdistribusi normal
• Langkah
Tahapan Uji Liliefors
Untuk melakukan pengujian normalitas dengan uji kolmogorov-smirnov, kita dapat
mengikuti beberapa langkah berikut:

1. Tentukan hipotesis
Ho: Populasi mengikuti distribusi normal

H1: Populasi tidak mengikuti distribusi normal

2. Tentukan tingkat signifikansi

3. Menghitung statistik uji
L= nilai tertinggi dari perbedaan antara S(x) dan F(x)
4. Wilayah kritis:
5. Keputusan: Tolak Ho pada suatu taraf nyata tertentu jika uji statistik L melebihi
α yang ditunjukkan pada tabel Liliefors.
6. Kesimpulan

Contoh soal
1. Siapkan tabel seperti di bawah ini

20
2. Hitung rata rata dengan rumus average

3. Hitung standar deviasi dengan rumus stadev.s

21
4. Menghitung L tabel dapat dilihat pada tabel kritis liliefors
5. Menghitung Z dengan rumus (x-rata rata) / standar deviasi

6. Menghitung F(Z) dengan rumus =NORM.S.DIST(Z,TRUE)

22
7. Mencari S(X) dengan rumus IF

23
8. Mencari nilai mutlak dengan rumus ABS

9. Menentukan Lhitung dengan rumus MAX dari nilai mutlak

10. Penarikan kesimpulan

24
Menggunakan spss
1. Siapkan data dan copy pada data view pada spss

25
2. Buka variable view dan ubah dengan format seperti di bawah ini

3. Pilih analyze> descriptive statistic > explore

26
4. Selanjutnya klik nilai, klik plots dan pilih seperti di bawah ini

5. Didapatkan hasil sebagai berikut

27
28
B. Uji Heterokedastisitas
1. Pengertian Uji Heterokedastisitas
Uji heterokedastisitas merupakan suatu uji asumsi klasik yang harus dipenuhi
dalam analisis regresi. Uji heterokedastisitas dilakukan untuk mengetahui apakah
terjadi bias atau tidak dalam suatu analisis model regresi. Biasanya jika dalam suatu
model analisis regresi terdapat bias atau penyimpangan, estimasi model yang akan
dilakukan menjadi sulit dikarenakan varian data yang tidak konsisten (Widana &
Muliani, 2020, p. 65).
Terdapat dua cara untuk dapat mengetahui ada atau tidaknya gejala
heterokedastisitas pada suatu model regresi yaitu pertama dengan melihat grafik
scatterplot dan yang kedua dengan melihat nilai prediksi variabel terikat (SRESID)
dengan residual error (ZPRED). Jika dianalisis berdasarkan grafik plotnya (scatter),
apabila tidak terdapat pola tertentu dan tidak menyebar di atas maupun di bawah angka
nol sumbu y maka dapat dipastikan tidak terdapat gejala heterokedastisitas. Ghozali
dalam Widana dan Muliani (2020, p. 66) mengemukakan bahwa model penelitian yang
baik ialah tidak terdapat heterokedastisitas. Sehingga tidak terdapat bias atau
penyimpangan antara satu pengamatan ke pengamatan lainnya.

2. Cara Uji Heterokedastisitas

Uji heterokedastisitas dapat dilakukan dengan beberapa cara diantaranya uji
Glejser, uji Park, serta uji White. Selain itu bisa dilakukan menggunakan bantuan
software SPSS dengan memplotkan nilai ZPRED dan SRESID. Metode plot uji
heterokedastisitas adalah metode uji dengan membuat grafik plot (scatter) antara
sumbu Y yaitu nilai prediksi atau SRESID (Studentized Residual) dan yang sebagai
sumbu X adalah nilai residual atau ZPRED (Standardized Predicted Value).
Kasus:
Seorang peneliti ingin mengetahui apakah model analisis yang digunakan
memiliki gejala heterokedastisitas atau tidak. Data hasil penelitian berupa variabel X
(Motivasi) dan variabel Y (Prestasi) disajikan pada tabel berikut. Uji heterokedastisitas
yang dilakukan menggunakan metode scatter dan uji Glejser.

Tabel Data Motivasi dan Prestasi

Motivasi Prestasi
No. (X) (Y)
1 97 60
2 105 47

29
 3 107 48
4 101 52
5 98 59
6 95 57
7 91 53
8 106 45
9 115 52
10 105 53
11 97 62
12 105 51
13 107 46
14 101 49
15 98 53
16 81 59
17 92 52
18 100 60
19 85 57
20 108 53
21 118 45
22 100 52
23 108 49
24 103 57
25 120 53
26 103 54
27 112 65
28 114 54
29 95 53
30 106 59

3. Uji Heterokedastisitas Menggunakan Excel

a. Buka aplikasi Excel
b. Siapkan data untuk diuji heterokedastisitas.

30
c. Klik “Data” (Lihat menu Analysis di menu data pojok kanan)

d. Jika tidak ada, maka dapat mengikuti langkah pada pertemuan sebelumnya
1) Klik “File”
2) Klik “Option” atau “More” lalu “Option”
3) Klik “Add-ins”
4) “Manage” dan pilih “Excel add ins”
5) Klik “Analysis Toopack”
6) Klik “Go”
7) Beri centang pada pilihan “Analysis Toolpack”
8) Klik “OK”
9) Akan muncul “Data Analysis” di pojok kanan
e. Setelah muncul “Data Analysis” kemudian pilih “regression” dan klik “Ok”

31
f. Klik kolom “Input Y range” dari data prestasi (Y) dan diblok

g. Klik kolom “Input X range” dari data motivasi (X) dan diblok

32
h. Beri centang pada bagian “Confidence Level 95%”, untuk output options klik “New
Worksheet Ply”, dan uji heterokedastisitas hanya melihat residual maka centang
“Residuals”. Kemudian klik “OK”

i. Hasil outputnya sebagai berikut (RESIDUAL OUTPUT)

33
j. Tambahkan kolom baru dengan nama kolom “Residual” pada data penelitian

34
k. Copy paste data pada hasil RESIDUAL OUTPUT pada kolom “Residual”

35
36
l. Hasil dari residual di absolutkan dengan diberikan tambahan kolom “ABS”

37
m. Ketik rumus pada Excel =ABS(blok hasil residual) enter kemudian tarik ke bawah
hasilnya

38
39
n. Olah data kembali dengan klik “Data Analysis” pilih “Regression” dan klik OK

40
o. Isilah data “Input Y Range” dengan blok data ABS

p. Isilah data “Input X Range” dengan blok data motivasi (X)

41
q. Beri centang pada bagian “Confidence Level 95%”, untuk output options klik “New
Worksheet Ply”, dan uji heterokedastisitas hanya melihat residual maka centang
“Residuals”. Kemudian klik “OK”

r. Berikut ini hasil output regression

42
 s. Cara membaca output Excel
1) Perhatikan hasil output pada bagian P-value.
2) Pengujian heterokedastisitas melalui Excel mengacu pada nilai P-value yang
didapat.

Interpretasi Data
Melihat hasil P-value
Jika nilai P-value hitung > nilai signifikansi 0,05 = Tidak terjadi gejala
heterokedastisitas
Jika nilai P-value hitung < nilai signifikansi 0,05 = Terjadi gejala
heterokedastisitas
3) Dapat dilihat pada tabel hasil output diperoleh P-value sebesar 0,149737. Nilai
0,149737 lebih dari 0,05, sehingga dapat disimpulkan bahwa tidak terdapat
gejala heterokedastisitas pada semua pengamatan model regresi.

4. Uji Heterokedastisitas Menggunakan SPSS

43
a. Uji Heterokedastisitas Menggunakan Scatter
Gejala ada atau tidaknya heterokedastisitas suatu model analisis regresi
dapat dicari tahu dengan menggunakan metode scatter. Metode scatter ini
berbentuk diagram plot bersumbu Y dan X. Langkah-langkahnya sebagai berikut.
(1) Sebelum melakukan analisis uji heterokedastisitas, terlebih dahulu lakukan
identifikasi variabel yang akan diuji. Buatkan nama variabel di Variabel View
setelah itu masukan data sesuai variabelnya di Data View.

(2) Selanjutnya klik Analyze lalu pilih Regression, terakhir pilih Linear. Pada
bagian kotak dialog, pilih dan masukan Prestasi ke kolom Dependent serta pilih
dan masukan Motivasi ke kolom Independent.

44
(3) Masih dalam kotak dialog, setelah memasukan variabel dependent dan
independent selanjutnya pilih menu Plots. Apabila diklik, akan muncul kotak
dialog baru seperti gambar berikut.

45
(4) Pilih nilai prediksi (SRESID) dan masukan ke kolom Y serta pilih nilai residual
(ZPRED) dan masukan ke kolom X.
(5) Kemudian klik Continue, OK untuk melanjutkannya.

Cara membaca output SPSS teknik Scatter

(1) Perhatikan hasil Output pada bagian Scatterplot.

(2) Pengujian heterokedastisitas melalui SPSS mengacu bentuk plot yang
dihasilkan pada grafik.

Kriteria tidak terjadi gejala Heterokedastisitas

1. Titik-titik menyebar di atas, bawah serta di sekitaran angka 0, tidak

menggumpal.
2. Penyebaran titik-ttik tidak membentuk pola bergelombang melebar dan
menyempit.

46
 (3) Perhatikan output Scatter pada gambar di atas, terlihat bahwa titik-titik
menyebar luas di atas, di bawah dan sekitar angka 0. Selain itu titik-titik yang
dihasilkan tidak membentuk pola bergelombang.
(4) Berdasarkan interpretasi yang dipaparkan pada langkah 3, maka dapat
disimpulkan bahwa tidak ada gejala heterokedastisitas.

b. Teknik Glejser
Teknik Glejser adalah salah satu cara akurat untuk mendeteksi gejala
heterokedastisitas. Berbeda dengan hasil output teknik plot yang dirasa subjektif
dan kurang realistik, hasil output teknik Glejser lebih objektif. Teknik Glejser
dilakukan dengan cara meregresikan variabel Independent (variabel bebas) dengan
nilai absolut residualnya. Perhatikan kembali data yang disajikan pada tabel di atas.
Menggunakan teknik Glejser, lakukan pengujian heterokedastisitas lalu buktikan
apakah terdapat gejala heterokedastisitas yang dihasilkan atau tidak?
Uji heterokedastisitas teknik Glejser dicari dengan bantuan software SPSS.
Langkah-langkahnya sebagai berikut.
1. Buat nama variabel di Variabel View, kemudian copypaste data pada Data View.

47
2. Dikarenakan teknik Glejser ditentukan dengan nilai absolut residualnya, maka
terlebih dahulu buatkan variabel baru yaitu variabel residualnya dengan cara
klik Analyze, pilih Regression, lalu pilih Linier. Masukan variabel Dependent
dan Independent nya. Lebih jelasnya perhatikan gambar berikut ini.

48
3. Klik menu Save, beri centang pada Unstandardized.

4. Kemudian klik Continue, OK. Abaikan hasil output karena yang dibutuhkan
hanya variabel residualnya (variabel RES_1).
5. Jika berhasil, maka akan muncul variabel baru pada Variabel View dengan nama
variabel RES_1.

49
6. Mencari absolut residual caranya dengan klik Transform, pilih Compute
Variable.

50
7. Selanjutnya akan muncul kotak dialog Compute Variable sebagai berikut.

51
Penjelasan
a. Pada kolom Target Variable diminta untuk memberi nama variabel absolut
residual. Pemberian nama bisa apa saja dengan catatan tidak ada spasi
(kalaupun ada spasi, disarankan menggunakan underscore “_”). Pada
pembahasan ini, Target Variable diberi nama Abs_Res
b. Pada pilihan Function Group, pilih All.
c. Selanjutnya pada Functions and Special Variables, pilih Abs (klik dua
kali) untuk memberi fungsi yang ingin dicari adalah nilai absolut nya. Jika
fungsi Abs sudah berhasil diinput, maka pada kolom Numeric Expression
akan muncul tulisan ABS(?) seperti gambar berikut.

52
 Tanda tanya yang berada di dalam kurung ABS bisa dihapus, lalu diganti
dengan memasukan variabel residualnya yaitu Unstandardized Residual
[RES_1].
d. Jika sudah sesuai langkah-langkah, tampilan kotak dialog Compute Variable
akan sesuai dengan gambar di bawah ini. Kemudian klik OK. Pada bagian
data view muncul kolom data Abs_Res

53
8. Langkah selanjutnya melakukan analisis regresi dengan nilai absolut
residualnya. Caranya adalah dengan klik Analyze, pilih Regression, kemudian
pilih Linier. Pada kolom Dependent, keluarkan variabel Prestasi lalu masukan
variabel absolut residual yang sudah dibuat yaitu Abs_Res

54
9. Langkah selanjutnya pastikan tanda centang Unstandardized pada menu Save
sudah dihilangkan supaya tidak muncul variabel residual lagi. Klik continue dan
OK.

55
Cara membaca output SPSS
1. Perhatikan hasil Output pada bagian Coefficients.
2. Pengujian heterokedastisitas melalui SPSS mengacu pada nilai Sig. yang
didapat.

Kriteria pengambilan keputusan menggunakan nilai Sig.:

a. Jika nilai Sig. antara variabel bebas dengan variabel absolut residual lebih
dari 0,05 (Sig > 0,05) maka dinyatakan tidak terdapat gejala
Heterokedastisitas.
b. Jika nilai Sig. antara variabel bebas dengan variabel absolut residual kurang
dari 0,05 (Sig < 0,05) maka dinyatakan terdapat gejala Heterokedastisitas.
3. Mengambil keputusan dengan melihat tabel di bawah ini.

56
4. Dapat dilihat pada tabel di atas diperoleh nilai Sig. antara variabel bebas
(motivasi) dengan variabel absolut residual nya adalah sebesar 0,150. Nilai
0,150 lebih dari 0,05, sehingga dapat disimpulkan bahwa tidak terdapat
gejala heterokedastisitas pada semua pengamatan model regresi.

57
 BAB III

PENUTUP

A. Simpulan
Berdasarkan pembahasan di atas maka dapat disimpulkan bahwa:
1. Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar. Namun untuk
memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya
digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan
berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum
tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji statistik yang
dapat digunakan diantaranya adalah: Uji Chi-Square, Kolmogorov
Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera
2. Uji heterokedastisitas dilakukan untuk mengetahui apakah terjadi bias atau tidak dalam
suatu analisis model regresi. Terdapat dua cara untuk dapat mengetahui ada atau
tidaknya gejala heterokedastisitas pada suatu model regresi yaitu pertama dengan
melihat grafik scatterplot dan yang kedua dengan melihat nilai prediksi variabel terikat
(SRESID) dengan residual error (ZPRED). Output Scatter pada gambar di SPSS
menunjukkan tidak ada gejala heterokedastisitas ditunjukkan dengan terlihat bahwa
titik-titik menyebar luas di atas, di bawah dan sekitar angka 0. Selain itu titik-titik yang
dihasilkan tidak membentuk pola bergelombang. Pengujian heterokedastisitas melalui
SPSS mengacu pada nilai Sig. yang didapat. Jika nilai Sig. antara variabel bebas dengan
variabel absolut residual lebih dari 0,05 (Sig > 0,05) maka dinyatakan tidak terdapat
gejala Heterokedastisitas. Jika nilai Sig. antara variabel bebas dengan variabel absolut
residual kurang dari 0,05 (Sig < 0,05) maka dinyatakan terdapat gejala
Heterokedastisitas.

B. Saran
Berdasarkan simpulan di atas, saran penulis yaitu sebagai calon guru dapat
memahami dan menguasai penggunaan dan cara pengujian data mormalitas dan
heterokedastisitas. Sebagai calon guru berguna dalam hal penelitian untuk memperbaiki

58
proses pembelajaran. Dengan demikian, sebagai calon guru penting untuk memahami dan
menguasai uji normalitas dan heterokedastisitas.

59
 DAFTAR PUSTAKA

Hanafian Siti. 2019. Uji Normalitas Data Menggunakan Uji Liliefors dengan Excel
Prodea Realita. 2020. Chi-Square untuk Uji Goodness of Fit. Laboratorium Analisis Data dan
Rekayasa Kualitas, Departemen Teknik Industri Fakultas Teknik Universitas Brawijaya.
Setiawan Nugraha. 2005. Bahan Ajar STATISTIKA NONPARAMETRIK UNTUK
PENELITIAN SOSIAL EKONOMI PETERNAKAN. FAKULTAS PETERNAKAN
UNIVERSITAS PADJADJARAN
Sugiyono. 2019. Statistika untuk Penelitian. Bandung: Alfabeta.
Usman, H. & R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Jakarta: Bumi Aksara.
Widana, I. W., & Muliani, P. L. (2020). Uji Persyaratan Analisis. Lumajang: Klik Media.

60