Cara Uji Asumsi Klasik

Menggunakan SPSS
 Skripsi
 by Rolan Mardani
 2021-06-20
 10 Komentar
Dalam analisis regresi linier baik sederhana maupun berganda, diperlukan
uji prasyarat / uji asumsi klasik. Uji asumsi klasik ini merupakan salah
satu syarat agar hasil estimasi model regresi tidak “Bias”.

Naah.. kali ini Saya akan bahas tutorial bagaimana cara uji asumsi klasik
menggunakan SPSS.

Note: Anda bisa menggunakan panduan ini untuk Regresi Linier

sederhana / berganda, baik menggunakan data time series, cross section,
ataupun menggunakan angket kuesioner.

Daftar Isi:
 Cara Tabulasi Data SPSS Untuk Uji Asumsi Klasik
 Cara Uji Asumsi Klasik Menggunakan SPSS
o #1 Cara Uji Normalitas dan Heteroskedastisitas SPSS
o #2 Cara Uji Autokorelasi dan Multikolinearitas Menggunakan
SPSS
 Cara Membaca Hasil Uji Asumsi Klasik SPSS
o #1 Membaca Output Uji Normalitas SPSS
o #2 Membaca Output Uji Heteroskedastisitas SPSS
o #3 Membaca Output Uji Autokorelasi SPSS
o #4 Membaca Output Uji Multikolinearitas SPSS
 Pintasan Panduan Olah Data Regresi Linier
o Regresi E-Views

Cara Tabulasi Data SPSS Untuk Uji

Asumsi Klasik
Ketik data penelitian pada lembar kerja SPSS atau copy tabulasi data dari
Excel dan paste pada lembar kerja SPSS seperti gambar di bawah ini.
Image: M Jurnal
Tips nya….

o Jika penelitian menggunakan angket quetioner, copy data (yang

telah diubah menggunakan methode succesive interval) dengan
urutan dimulai dari responden pertama hingga responden terakhir
di setiap variabel nya.
o Jika penelitian menggunakan data sekunder, copy data dengan
urutan dimulai dari tahun pertama hingga tahun terakhir di setiap
variabel nya.

Cara Uji Asumsi Klasik Menggunakan

SPSS
Sebelumnya telah Saya paparkan mengenai teori asumsi klasik. Tidak
semua uji Asumsi klasik wajib dilakukan.

Karena setiap jenis pengujian Asumsi Klasik (Normalitas,

Heteroskedastisitas, Autokorelasi, dan Multikolinearitas) memiliki
tujuannya masing-masing.

Jadi silahkan ikuti tahap-tahap sesuai uji yang Anda butuhkan.

#1 Cara Uji Normalitas dan

Heteroskedastisitas SPSS
Uji normalitas berguna untuk melihat apakah data penelitian
berdistribusi normal atau tidak. Normalitas wajib dilakukan untuk setiap
data penelitian.

Sedangkan uji heteroskedastisitas berguna untuk melihat apakah

varians data konstan (homoskedastis) atau tidak (heteroskedastis).

Gejala Heteroskedastisitas akan ditemui pada penelitian yang

menggunakan data cross section. Sedangkan jika menggunakan
data time series, maka uji heteroskedastisitas tidak di perlukan.

Untuk melakukan uji Normalitas dan heteroskedastisitas menggunakan

SPSS, silahkan ikuti tahap-tahap berikut ini:

Image: M Jurnal
1. Pertama, Klik Analyze;
2. Kedua, Klik Regression;
3. Ketiga, Klik Linear;
4. Muncul kotak dialog Linear Regression. Masukkan variabel Y ke
kotak Dependent dan Variabel X ke kotak Independent seperti
tutorial kita sebelumnya;
5. Klik Plots;
6. Muncul kotak dialog Linear Regression: Plots. Centang salah satu
pilihan, Anda boleh menggunakan histogram atau Normal
Probability Plot. Ini merupakan sebagian dari sekian banyak
jenis Uji Normalitas.
 7. Masukkan SRESID ke kolom Y dan ZPRED ke kolom X. Ini
dilakukan untuk Uji
Heteroskedastisitas menggunakan Scatterplot. Jangan sampai
terbalik memasukkannya yaa…
8. Klik Continue.
Note: Cara ini hanya salah satu teknik Uji Normalitas dan
Heteroskedastisitas. Sebagai antisipasi jika uji tersebut menyatakan data
tidak berdistribusi normal dan terjadi gejala heteroskedastisitas, lakukan
hal berikut untuk uji selanjutnya.

Image: M Jurnal
1. Pada kotak dialog Linear Regression, klik Save;
2. Muncul kotak dialog Linear Regression: Save. Lalu
klik Unstandarized pada Residuals;
3. Klik Continue untuk melanjutkan.
Langkah ini merupakan sebagai tahap antisipasi agar apabila data tidak
berdistribusi normal kita bisa mencoba dengan uji normalitas lainnya
yaitu kolmogorov-smirnov.
Namun perlu di catat, cara ini tidak akan membuat data penelitian Anda
100% berdistribusi normal, karena uji kolmogorov-smirnov merupakan uji
normalitas lainnya yang memiliki sudut pandang berbeda dari uji
menggunakan Histogram dan/atau Normal Probability Plots.

#2 Cara Uji Autokorelasi dan

Multikolinearitas Menggunakan SPSS
Gejala Autokorelasi hanya terdapat pada penelitian yang menggunakan
data time series. Sementara pada data cross section, gejala autokorelasi
tidak akan terjadi.

Sedangkan Uji Multikolinearitas bertujuan untuk melihat apakah setiap

variabel bebas berkorelasi tinggi satu sama lain atau tidak. Jika terjadi
gejala multikolinearitas, maka model regresi akan Bias.

Lakukan Uji Multikolinearitas hanya jika variabel bebas (independen)

berjumlah lebih dari 1. Jika hanya terdiri dari 1 variabel independen
(regresi linear sederhana), maka tidak perlu melakukan uji
Multikolinearitas.

“Jadi Saya tekankan kembali, Uji Autokorelasi hanya dilakukan jika

penelitian menggunakan data time series saja (bukan gabungan cross
section dan data panel). Dan lakukan Uji Multikolinearitas jika variabel
independen dalam penelitian lebih dari 1″.

Sehubungan Contoh 2 pada tutorial ini menggunakan data cross section,

maka tidak perlu melakukan uji Autokorelasi.

TETAPI, Saya tetap akan memberikan tutorial uji autokorelasi pada

tutorial kali ini. Silahkan ikuti tahap demi tahap uji Autokorelasi dan
Multikolinearitas menggunakan SPSS berikut:
Image: M Jurnal
1. Pada kotak dialog Linear Regression, klik Statistics;
2. Muncul kotak dialog Linear Regression: Statistics. Centang Part and
Partial Correlations dan Collinearity diagnostics. Ini untuk Uji
Multikolinearitas.
3. Centang Durbin-Watson. Ini untuk Uji Autokorelasi.
4. Klik Continue.
5. Klik OK untuk melihat hasil uji asumsi klasik.

Cara Membaca Hasil Uji Asumsi Klasik

SPSS
Jika semua proses telah Anda lakukan, maka akan muncul hasil Uji
Asumsi Klasik Regresi Linear Berganda pada lembar output SPSS seperti
gambar di bawah ini:
Image: M Jurnal
Untuk melihat hasil uji asumsi klasik, Anda hanya perlu fokus pada output
yang Saya lingkari dan diberi tanda angka 1-4.

Output 1 untuk uji normalitas, output 2 untuk uji heteroskedastisitas,

output 3 untuk uji autokorelasi, dan output 4 untuk uji multikolinearitas.

#1 Membaca Output Uji Normalitas SPSS

Sehubungan kita mencontreng histogram dan Normal Probability Plots,
maka hasil uji normalitas ditampilkan dalam bentuk 2 buah diagram
(histogram dan P-P Plots).

Note: Tidak perlu menggunakan ke 2 nya. Gunakan salah satu saja

sudah cukup.
Image: M Jurnal
Pada hasil uji histogram, perhatikan garis melengkung ke atas seperti
membentuk gunung. Apabila garis tersebut membentuk gunung dan
terlihat sempurna dengan kaki yang simetris, maka dapat disimpulkan
bahwa data dalam penelitian berdistribusi normal.

Pada hasil uji normal probability plots, perhatikan titik-titik dan garis
diagonal. Jika titik-titik mengikuti garis diagnal dari titik 0 dan tidak
melebar terlalu jauh, maka dapat disimpulkan data berdistribusi normal.

Namun, jika titik-titik melebar terlalu jauh dari garis diagonal, maka
dapat disimpulkan data tidak berdistribusi normal. Pada contoh ini, dapat
disimpulkan bahwa data berdistribusi normal.

Insight: Jika ada teman Anda yang sedang mencari judul skripsi, kasih
tahu artikel ini: 200 Judul Skripsi Manajemen Keuangan dan PDF
nya

Akan tetapi, jika Anda menemukan titik-titik yang menyebar terlalu jauh
dari garis diagonal, ada baiknya melakukan uji normalitas lainnya seperti
uji kolmogorov-smirnov sehingga dapat mengambil keputusan dari sudut
pandang yang berbeda.

Untuk melakukan uji kolmogorov-smirnov, coba Anda kembali ke lembar

kerja editor SPSS seperti gambar berikut ini.
Image: M Jurnal
Perhatikan kolom RES_1 yang Saya lingkari. Ini merupakan residual
dalam persamaan regresi linear. Uji kolmogorov-smirnov tidak dilakukan
pada setiap variabel penelitian, melainkan pada Residual saja.
(Selengkapnya akan Saya bahas pada artikel terpisah).

#2 Membaca Output Uji

Heteroskedastisitas SPSS
Image: M Jurnal
Perhatikan bagian yang Saya lingkari dengan tanda merah. Pertama titik
0 (nol) pada sumbu X dan Y, selanjutnya titik-titik data yang ada dalam
grafik.

Tipsnya begini…

Jika titik-titik data menyebar di atas dan di bawah titik 0 (nol) pada
sumbu Y dan X serta tidak membentuk pola tertentu seperti zig-zag atau
menumpuk, maka dapat disimpulkan bahwa tidak terjadi gejala
heteroskedastisitas.

Pada Contoh ini, dapat disimpulkan bahwa terjadi gejala

heteroskedastisitas.

#3 Membaca Output Uji Autokorelasi

SPSS
Seharusnya contoh tidak wajib uji Autokorelasi. Tetapi Saya hanya
membahasnya saja agar Anda dapat mengaplikasikannya pada penelitian
yang menggunakan data time series. Silahkan perhatikan gambar
berikut:

Image: M
Jurnal
Fokus ke kolom 6 pada Tabel Model Summary dan lihat nilai Durbin
Watson (DW). Untuk dapat mengambil kesimpulan, Anda mesti
membandingkan nilai DW dengan nilai dl dan du pada Tabel DW.
(Download Tabel DW).

Berdasarkan Tabel DW dengan n=71 dan jumlah variabel bebas=2, maka

nilai dl dan du berturut-turut sebesar 1.58648, dan 1.64352.

Dengan demikian, du < DW < 4-du yaitu sebesar 1.64352 < 2.126 <
2.35648. Sehingga dapat disimpulkan tidak terjadi gejala autorkorelasi.

Akan tetapi, hasil tersebut tidak ada artinya karena contoh ini
menggunakan data Cross Section.

#4 Membaca Output Uji Multikolinearitas

SPSS

Image: M Jurnal
Fokuskan pada Kolom Collinearity Statistics yang telah Saya
lingkari. Tips nya, kesimpulan dari nilai Tolerance dan VIF akan selalu
sama. Jadi tinggal pilih salah satu saja.

Jika Anda menggunakan Tolerance, maka nilainya mesti harus lebih besar
dari 0.1. Sementara itu, jika menggunakan VIF, maka nilainya mesti
harus lebih kecil dari 10.

Kesimpulannya: pada contoh ini, tidak terjadi korelasi yang sangat kuat
antara setiap variabel bebas (independen).
Uji Asumsi Klasik di atas merupakan uji-uji yang cukup mudah
diaplikasikan. Masih banyak lagi jenis uji Asumsi Klasik yang dapat Anda
aplikasikan dalam penelitian. Penjelasan mengenai uji-uji tersebut akan
segera Saya terbitkan.

© MJURNAL.COM | Jangan lupa menyertakan

sumber: https://mjurnal.com/skripsi/cara-uji-asumsi-klasik-
menggunakan-spss/