3. Jika sudah, klik continue kemudian klok ok, maka outputnya adalah sebagai berikut
4. Dari ketiga output di atas terlihat bahwa ketiganya memiliki ciri-ciri yang sama
yaitu titik-titik berada di antara garis diagonal, maka dapat disimpulkan bahwa
ketiga variable berdistribusi normal. Namun pada kebanyakan kasus penelitian,
melihat hasil visual saja tidak cukup membuktikan bahwa data berdsitribusi normal.
Cara kedua dengan menggunakan metode rasio skeness dan rasio kurtosis, tahapannya
adalah sebagai berikut;
a. Pilih analyze, kemudian regression lalu pilih linear, posisikan variable pada
tempatnya, seperti gambar dibawah ini
b. Kemudian klik tombol save seperti yang telah di lingkari tersebut, kemudian ceklis
unstandardized pada residual seperti berikut
c. Setelah itu klik continue kemudian klik ok, abaikan outputnya masuk pada data
view kemudian geser ke pojok bagian kanan, akan muncul variable baru dengan
nama RES_1, seperti gambar berikut
d. Setelah itu pilih menu analyze, kemudian klik descriptive statistic, kemudian pilih
descriptive, masukan variable unstandardized pada kolom variable(s) seperti
gambar berikut
e. Kemudian pilih option seperti gambar diatas, lalu ceklis pada kurtosis dan skewness
seperti berikut
f. Setelah itu klik continue kemudian ok maka outpunya adalah sebagai berikut
g. Nilai Skewness (-0,432)/0,309 = -1,4 & Nilai Kurtosis (1,066)/0,608 = 1,8 artinya
kedua nilai tersebut berada diantara -2 sampai dengan +2 yang berarti data tersebut
berdistribusi normal
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah
variabel independen yang nilai korelasi antar sesama variabel independen sama dengan
nol (Ghozali ,2009:95). Untuk lebih jelasnya silahkan ikuti Langkah-langkah berikut;
Buka data spss yang telah kita siapkan sebelumnya kemudian masuk ke analyze,
pilih regression kemudian pilih linear, masukan variable sesuai pada tempatnya
seperti contoh di bawah ini
Kemudian masuk pada menu statistics pada pojok kiri atas, ceklis colonerierity
diagnostic seperti contoh dibawah.
Setelah klik continue kemudian klik ok, maka outputnya adalah sebagai berikut
3. Uji Heteroskedastisitas
Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari
residual satu ke pengamatan ke pengamatan lain. Model regresi yang memenuhi
persyaratan adalah dimana terdapat kesamaan varians dari residual satu pengamatan ke
pengamatan lain tetap atau disebut homoskedastisitas. Deteksi heteroskedastisitas dapat
dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi)
dengan nilai SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat
pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar
atau sebaliknya melebar kemudian menyempit (Sunjoyo,2013:69). Untuk lebih jelasnya
mari kita praktik, langkahnya adalah sebagai berikut;
Pertama dengan menggunakan metode sctter plot, Adapun Langkah-langkanya adalah
sebagai berikut;
Masuk ke menu analyze, kemudian pilih regression, lalu pilih linear, masukan
variable sesuai tempatnya seperti gambar dibawah
Kemudian klik plots seperti yang telah di tandai diatas maka tampilannya adalah
sebagai berikut
Ikuti tanda panah diatas kemudian klik continue lalu klik ok, maka outputnya adalah
sebagai berikut
Dari gambar scatter plot tersebut tersebut titik-titik menyebar tanpa membentuk
pola-pola tertentu, seperti mengumpul di tengah, menyempit kemudian melebar atau
sebaliknya melebar kemudian menyempit, maka dapat disimpulkan bahwa model
baik atau terbebas dari gejala heteroskedastisitas.
Karena melihat grafik tersebut sifatnya adalah subjektif maka bisa saja setiap orang akan
memiliki persepsi yang berbeda untuk menyimpulkan, maka dari itu mari kita lakukan
pengujian kedua dengan menggunakan metode glesjer, uji ini bertujuan untuk menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
dengan pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda
disebut heteroskedastisitas. Dasar pengambilan keputusan pada uji heteroskedastisitas
yakni a) jika nilai sig > alpha = 0.05, kesimpulannya adalah tidak terjadi
heterokedastisitas. Adapun langkahnya adalah sebagai berikut;
Masuk pada menu analyze, kemudian pilih regression, lalu pilih linear, masukan
variable sesuai pada tempatnya seperti gambar berikut;
Setelah itu pilih save, kemudian ceklist unstandardized pada residual seperti
gambar dibawah ini
Setelah itu klik continue kemudian ok, dan tampilannya adalah sebagai berikut
Dari gambar di atas kita Kembali kedalam lembar kerja kmudian pada data view
geser kea rah kanan sampai anda menemukan variable baru yang Bernama RES_1
Kemudian pilih menu transform yang letaknya pada sebelah kiri menu analyze,
kemudian pilih compute variable maka tampilannya adalah sebagai berikut
Tahap selanjutnya, pada target variabel pada pojok kanan atas ketik kan abresid,
next pada kotak function group pada sebelah kanan bawah pilih All, kemudian nanti
akan muncul beberapa pilihan di bawahnya, klik Abs, klik tombol panah arah ke atas
yang terletak di samping tombol delete, lalu ketik RES_1 pada kolom numeric
expresstion seperti contoh di bawah ini:
Jika output nya sudah seperti gambar diatas maka prosesnya telah berhasil
Anda juga bisa melihatnya pada lembar kerja di data view akan muncul variable baru
dengan nama abresid seperti gambar di bawah ini
Tahap selanjutnya masuk regression, kemudian linear, kemudian masukan variable
abresid pada kolom dependent seperti contoh dibawah
Kemudian klik tombol save lalu hilangkan ceklist pada unstandardized kemudian
pilih continue seperti gambar dibawah
Dari hasil pengolahan data tersebut didapatkan nilai sig untuk variable adalah 0.011
< 0.05 artinya terjadi gejala heteroskedastisitas
Kemudian untuk variable X2 adalah 0.758 > 0,05 artinya tidak terjadi gejala
heteroskedastisitas pada variable X2 atau kualitas produk
Kemudian muncul pertanyaan bagaimana dengan model yang terjadi gejala
heteroskedastisitas? pada kasus diatas adalah variable citra produk, maka solusinya
adalah mencari alternatif lain, atau melakukan uji heterokedastisitas menggunakan
metode lain atau menggunakan pengujian menggunakan cara pertama saja.