Disusun untuk memenuhi tugas kelompok pada mata kuliah Statistika Pendidikan
Dosen Pengampu:
Nursiwi Nugraheni, S.Si., M.Pd.
Oleh:
Dilla Fatmawati 1401421174
Cahya Kartika Adhi Pradana 1401421175
Vera Yulia Veriska 1401421176
Maya Nur Amalia 1401421177
Wandha Nur Handayani 1401421178
Puji syukur kami panjatkan ke hadirat Allah swt. karena atas rahmat, karunia serta kasih
sayang-Nya kami dapat menyelesaikan makalah mengenai “Normalitas Dan Homogenitas Data,
Regresi Linear Sederhana Dan Ganda, Uji Autokorelasi, Linieritas, Multikolinearitas, Serta
Homokedastisitas” dengan sebaik mungkin. Sholawat serta salam semoga tetap tercurahkan
kepada Nabi terakhir, penutup para Nabi sekaligus satu-satunya Uswatun Hasanah kita, Nabi
Muhammad saw. Tidak lupa pula kami ucapkan terima kasih kepada Ibu Nursiwi Nugraheni, S.Si.,
M.Pd. selaku dosen pengampu mata kuliah Statistika Pendidikan.
Penulisan makalah ini, kami menyadari masih banyak terdapat kesalahan dan kekeliruan,
baik yang berkaitan dengan materi pembahasan maupun dengan teknik pengetikan. Walaupun
demikian, inilah usaha maksimal kami selaku penulis. Semoga dengan makalah ini para pembaca
dapat menambah wawasan ilmu pengetahuan dan diharapkan kritik yang membangun dari para
pembaca guna memperbaiki kesalahan sebagaimana mestinya.
Penyusun
DAFTAR ISI
BAB I
PENDAHULUAN
A. Latar Belakang
Mengingat kompleksitas data di dunia nyata, pelanggaran asumsi klasik menjadi
tantangan besar. Artikel ini memberikan pembahasan secara komprehensif, mulai dari
multikolinearitas yang menimbulkan ketidakpastian, heteroskedastisitas yang
mempengaruhi interpretasi statistik suatu variabel, hingga autokorelasi yang menimbulkan
ketergantungan antar observasi.
Deteksi pelanggaran dan solusi praktis seperti tes VIF, tes Breusch-Pagan, Durbin-
Watson, transformasi variabel, atau penggunaan teknik yang kuat akan menjadi bagian
integral dari diskusi. Bahkan analisis regresi linier yang tujuannya untuk menghitung nilai
suatu variabel tertentu tidak memerlukan pengujian asumsi klasik. Misalnya, return saham
dihitung menggunakan model pasar atau model yang disesuaikan dengan pasar.
Menghitung nilai ekspektasi return dapat dilakukan dengan menggunakan persamaan
regresi, namun tidak perlu melakukan uji asumsi klasik.
Uji penerimaan klasikal yang umum digunakan adalah uji multikolinearitas, uji
heteroskedastisitas, uji normalitas, uji autokorelasi, dan uji linearitas. Tidak ada pedoman
yang jelas mengenai urutan penyelesaian ujian terlebih dahulu. Anda dapat melakukan
analisa sesuai dengan data yang ada. Misalnya, analisis terhadap semua tes penerimaan
klasik dilakukan untuk mengetahui tes mana yang tidak memenuhi persyaratan. Pengujian
tersebut kemudian disempurnakan dan pengujian lainnya dijalankan setelah persyaratan
terpenuhi.
B. Rumusan Masalah
1. Bagaimana cara pengujian normalitas data?
2. Bagaimana cara pengujian homogenitas data?
3. Bagaimana cara pengujian regresi linier sederhana dan regresi linear ganda?
4. Bagaimana cara pengujian uji autokorelasi?
5. Bagaimana cara pengujian uji linearitas?
6. Bagaimana cara pengujian uji multikolinearitas?
7. Bagaimana cara pengujian uji homokedastisitas?
C. Tujuan
1. Menjelaskan cara pengujian normalitas data.
2. Menjelaskan cara pengujian homogenitas data.
3. Menjelaskan cara pengujian regresi linier sederhana dan regresi linear ganda.
4. Menjelaskan cara pengujian uji autokorelasi.
5. Menjelaskan cara pengujian uji linearitas.
6. Menjelaskan cara pengujian uji multikolinearitas.
7. Menjelaskan cara pengujian uji homokedastisitas.
BAB II
HASIL DAN PEMBAHASAN
c. Untuk tiap angka baku, dengan menggunakan daftar distribusi normal baku dihitung
peluang : F (zi ) = P(Zskor <= zi )
d. Dihitung proporsi z1 , z2 , z3 , …., zn yang lebih atau sama dengan zi . Jika proporsi
dinyatakan dengan S (zi ), maka :
e. Dihitung |F(zi ) – S(zi)| dan ambil nilai |F(zi ) – S(zi)| yang terbesar disebut Lo, lalu
dibandingkan dengan harga kritis L tabel Liliefors pada alpha tertentu.
Berikut merupakan contoh perhitungan kenormalan galat data yang dibentuk oleh
variabel Y atas X1. Dalam hal ini data yang diuji kenormalannya yaitu galat taksiran.
Untuk itu perlu dihitung terlebih dahulu persamaan regresi yang dibentuk Y atas X1,
dengan mencari koefisien a dan b. Dalam hal ini terlebih dahulu dicari persamaan regresi
sederhana antara kinerja pegawai (Y) atas budaya organisasi (X1), yaitu:
Y = a + bX1
Ket : Y = Variabel terikat. (endegonus)
X1 = Variabel bebas (eksegonus)
a = Konstanta intersep
b = Koefisien regresi Y atas X1.
Contoh Perhitungan
1. Untuk Data Terdiri dari 2 kelompok (Uji F)
Suatu data penelitian untuk mengetahui kinerja guru berdasarkan golongan
kepangkatannya. Kemudian dibuat suatu alat ukur kinerja guru. Dengan menggunakan
alat tersebut diperoleh skor kinerja guru dari sebanyak 70 orang responden. Adapun
ringkasan data dari kinerja guru tersebut berdasarkan golongan seperti pada tabel
berikut:
Langkah pengujian:
Varians dari setiap kelompok sampel :
Varians dari Golongan II s2 1 8,23; dengan dk = 20 –1 = 19.
Varians dari Golongan III s2 2 8,46; dengan dk = 50 –1 = 49.
Menghitung nilai F, yaitu:
F = S1 2 / S2 2 = 8,23/8,46 = 0,973
Hal ini bermakna, bahwa varians skor data kinerja guru kelompok golongan II dengan
kelompok golongan III homogen pada taraf kepercayaan 95%.
3. Menghitung nilai B
3. Jika sudah yakin di input dengan benar, langkah selanjutnya adalah klik menu
Analyze kemudian klik Regression - lalu klik linear.
4. Setelah itu akan muncul kotak dialog Linear Regression, masukan variabel Stress
Kerja (X) ke kotak Independent (s), dan masukkan variabel Kinerja Pegawai ke kotak
Dpenedent, caranya dengan mengklik tanda panah yang tersedia. Selanjutnya pada
bagian Method : pilih Enter abaikan yang lainnya).
5. Langkah terakhir adalah klik Ok untuk mengakhiri perintah maka akan keluar output
SPSS regresi linear sederhana sebagai berikut :
Karena nilai koefisien regresi bernilai minus maka dengan demikian dapat dikatakan
bahwa stres kerja x berpengaruh negatif terhadap kinerja pegawai y sehingga persamaan
regresinya adalah Y = 35,420 - 0,511 X
Berdasarkan output di atas diketahui nilai signifikansi (Sig.) sebesar 0,001 lebih kecil dari
< probabilitas 0,05 sehingga dapat disimpulkan bahwa H0 ditolak dan Ha diterima, yang
berarti bahwa “ada pengaruh stres kerja (x) terhadap kinerja pegawai (y)”
Karena nilai t hitung sebesar -4,418 lebih besar dari 2,228 sehingga dapat disimpulkan
bahwa H0 ditolak dan Ha diterima, yang berarti bahwa ada pengaruh stres kerja (x)
terhadap kinerja pegawai (y). (nilai t hitung -4,418 dianggap lebih besar dari nilai t tabel
2,228 dalam analisis regresi linear sederhana.)
Dari output di atas diketahui nilai r square sebesar 0,661 nilai ini mengandung arti bahwa
pengaruh stres kerja x terhadap kinerja pegawai adalah sebesar 66,1% sedangkan 33,9%
kinerja pegawai dipengaruhi oleh variabel yang lain yang tidak diteliti.
2. Setelah itu, klik data view, lalu masukkan data motivasi (x1), minat (x2) dan prestasi
(y) yang sudah disiapkan tadi.
3. Selanjutnya, dari menu utama SPSS, pilih Analyze - regression - linear.
6. Langkah terakhir adalah klik ok, maka akan muncul output SPSS.
TABEL OUTPUT SPSS ANALISIS REGRESI GANDA
E. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi yang terjadi diantara
anggota atau data observasi yang terletak berderetan. Autokorelasi muncul akibat observasi
yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena
residual tidak bebas dari satu observasi ke observasi lainnya. Cara mendeteksi Autokorelasi
dapat dilakukan dengan 2 cara yakni Uji Durbin-Watson dan Run test.
1. Uji Durbin-Watson (Uji DW)
Pengujian autokorelasi dapat dilakukan dengan membandingkan nilai statistik
hitung Durbin Watson pada perhitungan regresi dengan statistik tabel Durbin Watson
pada tabel. Terdapat 2 kriteria yang digunakan yakni kriteria menurut Imam Ghozali
dan menurut Nachrowi :
Pedoman Uji Autokorelasi (Ghozali, 2013)
Menurut Djalal dan Usman (2002), pengujian uji autokorelasi berdasarkan nilai
berikut :
Angka DW dibawah -2 berarti ada autokorelasi positif
Angka DW diantara -2 dan +2 berarti tidak ada autokorelasi.
Angka DW diatas +2 berarti ada autokorelasi negatif.
Langkah-langkan uji DW pada SPSS adalah sebagai berikut, silahkan siapkan data
anda pada excel kemudian copy ke aplikasi SPSS, atau langsung siapkan data yang siap
di olah pada SPSS, kemudian ikuti langkahnya dengan:
1. Analyze > Regression > Linear
2. Input variabel independent (X) pada kolom independent dan variabel dependent
(Y) pada kolom dependent (Y), kemudian klik Statistics
3. Pada kotak Linear Regression : Statistics beri tanda centang (V) pada Durbin-
Watson) > Continue > OK
Hasil Output SPSS
2. Uji Run test
Analisis Run Test termasuk dalam statistik nonparametrik. Uji ini digunakan untuk
menguji pada kasus satu sampel. Sampel yang diambil dari populasi, apakah sampel yang
diambil berasal dari sampel acak atau bukan. Pengujian ini untuk kasus satu sampel.
Prosedur pengujian dilakukan dengan mengurutkan data sampel dan mencari letak nilai
mediannya. Jika dalam pengolahan data dan mengujikan uji autokorelasi menggunakan uji
DW tidak lolos uji, maka alternatifnya bisa menggunakan uji run test ini. Dasar keputusan
dalam Uji run test yakni:
a. Jika nilai Asymp. Sig (2-tailed) < 0,05 maka terdapat gejala Autokorelasi
b. Jika nilai Asymp. Sig (2-tailed) > 0,05 maka tidak terdapat gejala Autokorelasi
Langkah-langkan uji DW pada SPSS adalah sebagai berikut, silahkan siapkan data
anda pada excel kemudian copy ke aplikasi SPSS, atau langsung siapkan data yang siap di
olah pada SPSS, kemudian ikuti langkahnya dengan:
1) Analyze > Regression > Linear
2) Input variabel independent (X) pada kolom independent dan variabel dependent (Y )
pada kolom dependent (Y), kemudian klik Save
3) Pada kotak Linear Regression : Save beri tanda centang (V) Unstandardized pada
residuals > Continue > OK
4) Analyze > Nonparametric Test > Legacy Dialogs > Runs
5) Pada kotak Runs Test masukan variabel Unstandardized Residual ke kota Test Variabel
List beri tanda centang (V) pada Median di bagian Cut Point > OK
Uji Linearitas ada beberapa cara. Berikut ini adalah uji linearitas yang menggunakan
cara yang paling sederhana. Yaitu uji linearitas yang menggunakan CURVE
ESTIMATION. Langkahnya sebagai berikut:
1) Pada posisi Data view di SPSS > Analyze > Regrsseion > Curve estimation
2) Muncul kotak dialog Curve Estimation > Masukan TQM pada kolom Dependen >
Masukan Kinerja pada kolom Independen > Aktifkan semua pada kolom model > OK
3) Hasil Output SPSS
G. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat hubungan atau korelasi antara
masing-masing variabel. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variavel independen (Ghozal Imam. 2005) Jika antar variabel independen saling
berkolerasi, maka variabel tersebut tidak orgonal.
Uji multikolinearitas dapat dideteksi dengan menghitung koefisien ganda dan
membandingkan dengan koefisien korelasi antar variabel bebas. Uji multikolinearitas
dengan SPSS dilakukan dengan uji regresi, dengan nilai patokan VIF (Variance Inflation
Factor) dan koefisien korelasi antar variabel bebas.
Kriteria yang digunakan adalah:
1) Jika nilai VIF di sekitar angka 1 atau memiliki toleransi mendekati 1, maka dikatakan
tidak terdapat masalah multikolinearitas.
2) Jika koefisien korelasi antar variabel bebas kurang dari 0,5 maka tidak terdapat
masalah dalam kolinearitas
Langkah-Langkah Uji Multikolinearitas nya adalah sebagai berikut :
1) Pilih menu Analyze – Regression – linear
2) Masukkan Y ke Dependent dan X1, X2, X3 ke independent
3) Klik Statistic lalu pilih Collinearity Diagnostics
4) Klik Continue - OK
H. Uji Homokedastisitas
Homoskedastisitas merupakan salah satu asumsi klasik pada analisis regresi linear
agar model bersifat BLUE (Best Linear Unbiased Estimator). Homoskedastisitas adalah
kondisi dimana terdapat varians yang sama dari setiap sisaannya. (Celik, 2017). Asumsi
homoskedastisitas menyatakan bahwa nilai – nilai varians sisaan tidak tergantung pada
nilai – nilai variabel bebas. Asumsi ini dapat ditulis sebagai berikut:
Setiap varians sisaan akan tetap sama baik untuk variabel bebas bernilai kecil
maupun besar (Celik, 2017). Menurut Gujarati (2004:406) salah satu cara untuk
mendeteksi homoskedastisitas adalah menggunakan uji korelasi rank Spearman yang
didefinisikan sebagai berikut :
Dengan 𝑑𝑖 adalah rank variabel dependen dikurangi rank variabel independen ke-
I dan n adalah banyaknya individual yang di ranking. Adapaun tahapannya adalah
sebagai berikut:
a. Menentukan ranking untuk masing-masing variabel X dan variabel Y mulai dari 1
hingga n.
b. Menentukan harga 𝑑𝑖 = 𝑋𝑖 − 𝑌𝑖 dan mengkuadratkan tiap-tiap harga 𝑑𝑖 . Kemudian
menjumlahnnya sehingga diperoleh ∑𝑛𝑖=1 𝑑 𝑖 2
c. Menghitung koefisien korelasi rank Spearman yang telah diberikan sebelumnya.
d. Dengan 𝑛 ≥ 10, ssignifikasi dari 𝑟𝑠 yang disampel dapat diuji dengan pengujian t
sebagai berikut.
Jika nilai rank t yang dihitung melebihi nilai t kritis dengan derajat bebas n-2 maka
Ho ditolak, artinya asumsi homoskedastisitas tidak terpenuhi. Selain itu, dapat pula
menggunakan bantuan software SPSS, yaitu dilihat dari nilai signifikasi dan α, apabila nilai
sig > α maka tidak terjadi heteroskedastisitas.
BAB III
PENUTUP
A. Simpulan
Dalam pendekatan statistika parametrik, setidak-tidaknya ada dua teknik statistika
yang dapat digunakan untuk pengujian normalitas, yaitu Uji Liliefors dan chi kuadrat.
Sedangkan pada pengujian homogenitas varians suatu kelompok data, dapat dilakukan
gengan cara Uji F dan Uji Bartlett. Analisis regresi linear digunakan untuk mengukur
besarnya pengaruh satu variabel bebas atau variabel independen atau variabel prediktor
atau variabel x terhadap variabel tergantung atau variabel dependen atau variabel terikat
atau variabel y. Sementara Analisis regresi linear berganda berfungsi untuk mencari
pengaruh dari dua atau lebih variabel independent (variabel bebas / x) terhadap variabel
dependent (variabel terikat / y).
Uji autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi yang terjadi
diantara anggota atau data observasi yang terletak berderetan dengan cara Uji Durbin-
Watson dan Run test. Sedangkan Untuk menentukan suatu hubungan linier atau tidak maka
harus ditentukan dahulu nilai F observasi (Fobs) salah satunya dengan menggunakan
CURVE ESTIMATION. Uji multikolinearitas dengan SPSS dilakukan dengan uji regresi,
dengan nilai patokan VIF (Variance Inflation Factor) dan koefisien korelasi antar variabel
bebas. Sedangkan ). Menurut Gujarati (2004:406) salah satu cara untuk mendeteksi
homoskedastisitas adalah menggunakan uji korelasi rank Spearman.
B. Saran
Penulis mengharapkan bahwa dalam pemahaman mengenai “Normalitas Dan Homogenitas
Data, Regresi Linear Sederhana Dan Ganda, Uji Autokorelasi, Linieritas,
Multikolinearitas, Serta Homokedastisitas bisa dipahami dengan baik”. Tidak hanya itu
bahwa pentingnya mempelajari dan menerapkannya akan berguna dan bermanfaat dalam
penerapan kehidupan sehari-hari.
DAFTAR PUSTAKA
Ansori, M. (2015). Panduan Analisis Manual Penelitian Kuantitatif. Sekolah Tinggi Ilmu
Tarbiyah (STIT) Muhammadiyah Ngawi.
Budiono. (2009). Statistika untuk Penelitian. Surakarta: Sebelas Maret University Press.
Djalal, N., & Usman, H. (2002). Penggunaan Teknik. Ekonometri. Jakarta : PT. Raja Grafindo
Persada.
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 Update PLS
Regresi. Semarang: Badan Penerbit Universitas Diponegoro.
Matondang, Z., & Pengantar, A. (2009). Pengujian homogenitas varians data. Taburlaasa PPS
UNIMED, 22(1), 1-12.
Motondang, Z. (2011). Pengujian Normalitas Data. Medan: PPs Universitas Medan.
https://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html
https://www.spssindonesia.com/2014/02/analisis-regresi-multipes-dengan-spss.html