Statistik Bisnis

06
Modul ke:

Uji Kualitas Data, Dan Asumsi Klasik

Fakultas
FEB Retno Puji Astuti, S.E.,M.Ak

Program Studi
Akuntansi
Content

• Uji kualitas data

• Asumsi klasik dan pengobatannya
Tujuan Pembelajaran

• Mahasiswa mampu memahami uji kualitas

data, asumsi klasik dan pengobatannya
Uji Kualitas Data
Statistika Bisnis
Pokok Bahasan Modul dari Pertemuan
Pengantar
• Uji kualitas data adalah uji yang disyaratkan dalam
penelitian dengan instrument kuesioner, tujuannya
agar data yang diperoleh dapat dipertanggung
jawabkan kebenarannya.
• Variabel penelitian dirumuskan sebagai sebuah
variabel latent atau un-observed (konstruk), yaitu
variabel yang tidak dapat diukur secara langsung,
tetapi dibentuk melalui dimensi-dimensi atau
indikator-indikator yang diamati.
• Uji ini terdiri atas uji reliabilitas dan validitas
Uji Reliabilitas
• Reliabilitas berasal dari kata reliability. Pengertian dari reliability
(rliabilitas) adalah keajegan pengukuran (Walizer, 1987).
• Sugiharto dan Situnjak (2006) menyatakan bahwa reliabilitas menunjuk
pada suatu pengertian bahwa instrumen yang digunakan dalam penelitian
untuk memperoleh informasi yang digunakan dapat dipercaya sebagai alat
pengumpulan data dan mampu mengungkap informasi yang sebenarnya
dilapangan.
• Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk mengukur
suatu kuesioner yang merupakan indikator dari peubah atau konstruk.
Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang
terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.
Reliabilitas suatu test merujuk pada derajat stabilitas, konsistensi, daya
prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas yang tinggi
adalah pengukuran yang dapat menghasilkan data yang reliabel
Uji Reliabilitas
• Dalam penelitian, reliabilitas adalah sejauh mana pengukuran dari
suatu tes tetap konsisten setelah dilakukan berulang-ulang
terhadap subjek dan dalam kondisi yang sama.
• Penelitian dianggap dapat diandalkan bila memberikan hasil yang
konsisten untuk pengukuran yang sama.
• Tidak bisa diandalkan bila pengukuran yang berulang itu
memberikan hasil yang berbeda-beda.
• Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu
angka yang disebut nilai koefisien reliabilitas. Reliabilitas yang
tinggi ditunjukan dengan nilai r hitung mendekati angka 1.
Kesepakatan secara umum reliabilitas yang dianggap sudah cukup
memuaskan jika ≥ 0.700.
Uji Reliabilitas
• Pengujian reliabilitas instrumen dengan menggunakan rumus
Cronbach Alpha (α) karena instrumen penelitian ini berbentuk angket
dan skala bertingkat.
• Jika :
nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability)
jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes
secara konsisten memiliki reliabilitas yang kuat.
Atau, ada pula yang memaknakannya sebagai berikut:
– Jika alpha > 0.90 maka reliabilitas sempurna.
– Jika alpha antara 0.70 – 0.90 maka reliabilitas tinggi.
– Jika alpha 0.50 – 0.70 maka reliabilitas moderat.
– Jika alpha < 0.50 maka reliabilitas rendah. Jika alpha rendah,
kemungkinan satu atau beberapa item tidak reliabel.
Uji Reliabilitas
Langkah Analisis:
1.Open file Job Survey.sav
2.Klik analyze  scale  Reliability Analysis
3.Masukkan indikator Autonom 1 ~ 4 ke dalam kotak Items, pilih model Alpha
Uji Reliabilitas
4. Klik Statistics  klik Item, Scale, Scale if Item deleted & Correlations 
continue  OK
Uji Reliabilitas
Output :
Tampilan output menunjukkan bahwa
konstruk Autonomi memberikan nilai
cronbach’s alpha = 77,3% berdasarkan
kriteria, variabel ini bisa dikatakan reliable

Lakukan Analisis pada konstruk ROUTINE, Output:

Tampilan output menunjukkan bahwa

konstruk Routine memberikan nilai
cronbach’s alpha = 67,1% berdasarkan
kriteria, variabel ini kurang reliable
Uji Reliabilitas
Kita dapat menaikkan nilai cronbach’s alpha dengan membuang jawaban
responden yang tidak konsisten. Misalkan kita amati jawaban terhadap item
Routine 1 ~ 4
Jawaban responden konsisten, jika Routine 1 ~ 2 nilainya berkisar dibawah 3,
responden menjawab tidak konsisten jika dijawab 5. Routine 3 ~ 4 nilainya
berkisar diatas 3, responden menjawab tidak konsisten jika dijawab 1
Responden yang menjawab tidak konsisten kita buang. Ada 6 responden :
37, 38, 44,45,46 dan 50.
Lakukan uji cronbach’s alpha lagi.
Output:
Uji Validitas
• Validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurannya
(Azwar 1986).
• Validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang diukur
memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan
Schindler, dalam Zulganef, 2006).
• Menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan suatu
peubah mengukur apa yang seharusnya diukur. Validitas dalam penelitian
menyatakan derajat ketepatan alat ukur penelitian terhadap isi sebenarnya
yang diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh
mana alat ukur yang digunakan dalam suatu mengukur apa yang diukur.
• Ghozali (2009) menyatakan bahwa uji validitas digunakan untuk mengukur
sah,  atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika
pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan
diukur oleh kuesioner tersebut.
Uji Validitas

Mengukur validitas dapat dilakukan dengan cara:

1.Melakukan korelasi antar skor butir pertanyaan
dengan total skor konstruk (variabel)
2.Melakukan korelasi bivariate antara masing-
masing skor indikator dengan total skor konstruk.
Melakukan korelasi antar skor butir pertanyaan dengan total skor
konstruk (variabel)

• Uji signifikansi dilakukan dengan membandingkan

nilai r hitung dengan r table untuk degree of freedom
(df) = n – 2, di mana n = jumlah sampel.
• Berdasarkan kasus konstruk AUTONOMI, n = 70, df =
70 – 2 = 68. dengan df = 68 & α = 0,05 didapat r table
= 0,198.
• Langkah uji :
– Lihat tampilan output cronbach’s alpha pada Corrected
Item – Total Correlation bandingkan dengan nilai r table.
Jika r hitung > r table & nilai positif maka butir/
pertanyaan /indikator dinyatakan valid
Melakukan korelasi antar skor butir pertanyaan dengan total skor
konstruk (variabel)
Melakukan korelasi bivariate antara masing-masing skor indikator
dengan total skor konstruk

Langkah Analisis:
1.Buka file job survey.sav
2.Klik menu analyze  Correlate 
Bivariate
3.Isikan dalam kotak Variable ke-4
indikator AUTONOM dan skor total
AUTONOM
4.Pilih Correlation Cooficient Pearson
 OK
Melakukan korelasi bivariate antara masing-masing skor indikator
dengan total skor konstruk

Output :
Uji Asumsi Klasik dan
Pengobatannya
Statistika Bisnis
Pokok Bahasan Modul dari Pertemuan
Pengantar
Sebelum melakukan uji statistik, langkah awal yang harus
dilakukan adalah screening terhadap data yang akan diolah.
Salah satu asumsi penggunaan statistik parametrik adalah
asumsi multivariate normality. Multivariate normality
merupakan asumsi bahwa setiap variabel dan semua
kombinasi linear dari variabel berdistribusi normal.

Pengujian asumsi klasik dilakukan untuk mengetahui kondisi

data yang ada agar dapat menentukan model analisis yang
tepat
Uji Normalitas
• Screening terhadap normalitas data merupakan
langkah awal yang harus dilakukan untuk setiap
analisis multivariate, khususnya jika tujuannya adalah
inferensi.
• 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 Kolmogorof-Smirnov
Untuk mendeteksi normalitas data dapat dilakukan uji kolmogorof-smirnov.
Caranya adalah menentukan terlebih dahulu hipotesis pengujian:

H0 = data terdistribusi secara normal

Ha = data tidak terdistribusi secara normal
Langkah Analisis:
1)Buka file data crossec1
2)Klik analyze  non parametric test
 Legacy Dialogs  1-sample K-S
3)Tampak dilayar
4)Isikan dengan EARNS & WEALTH
ke dalam kotak test variable list 
OK
Uji Kolmogorof-Smirnov
Output:

Nilai K-S variabel EARNS = 0,186, dengan probabilitas sig. 0,000 dan nilainya
jauh dibawah α = 0,05, ini berarti H0 ditolak atau variabel EARNS tidak
terdistribusi secara normal. Variabel WEALTH = 0,227 nilai sig 0,000, H0
ditolak atau variabel WEALTH tidak terdistribusi secara normal.
Uji Normalitas Dengan Grafik
Langkah Analisis:
1)Open file Crossec1
2)Klik menu Graph  Legacy dialogs  histogram
3)Isikan variabel EARNS & WEALTH dan klik display normal curve, OK
Uji Normalitas Dengan Grafik
Output
Uji Normalitas Dengan Grafik
Output
Bentuk Distribusi Data
Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Multikoliniearitas adalah suatu
hubungan liniear yang sempurna (mendekati sempurna) antara beberapa atau
semua variabel bebas (Kuncoro, 2001:114).
Pengujian atas kemungkinan terjadinya multikolinearitas dapat dilihat dengan
menggunakan metode pengujian Tolerance Value atau Variance Inflation Factor
(VIF) Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Multikolonieritas dapat dilihat dari nilai tolerance dan lawannya
Variance Inflation Factor (VIF). Tolerance mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.
Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1/
tolerance. Nilai yang umum dipakai untuk menunjukkan adanya multikolonieritas
adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10 (Imam Ghozali,
2006).
Uji Multikolonieritas
Langkah Analisis :
1)Buka file crossec1
2)Klik menu analyze 
Regression  Linear
3)Pada kotak Dependent isikan
variabel income, pada kotak
Independent isikan variabel
Size, Earns, Wealth, dan Saving
4)Pada kotak Method pilih Enter
Uji Multikolonieritas
5) Klik Statistics, centang Covariance Matrix & Collinierity
Diagnostic  Continue  OK
Uji Multikolonieritas
Output:

Hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen

yang memiliki nilai tolerance < 0,10. yang berarti tidak ada korelasi antara
variabel independen yang nilainya > 95%.
Hasil VIF (Variance Inflation Factor) menunjukkan tidak ada satu variabel
independen yang memiliki nilai > 10.
Jadi disimpulkan bahwa tidak terjadi multikolinearias antara variabel
dependen dalam model regresi.
Uji Autokorelasi
Menurut Imam Ghozali uji autokorelasi bertujuan untuk menguji apakah dalam
model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain.Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Pada
penelitian ini menggunakan Uji Durbin–Watson (DW test).
Uji Autokorelasi
Langkah Analisis:
Lakukan analisis regresi seperti contoh sebelumnya, Lanjutkan dengan
menekan tombol Statistics, lalu centang Durbin Watson & Casewise
diagnostics.
Uji Autokorelasi
Output :

Nilai DW = 2,061, nilai ini akan dibandingkan dengan nilai tabel

dengan α = 0,05, n = 100 dan jumlah variabel independen 4 (k = 4).
Dari tabel akan didapatkan nilai du = 1,76 dl = 1,59.
Nilai DW = 2,061 > du = 1,76 dan kurang dari 4 – 1,76 (4 – du), maka
disimpulkan tidak terdapat autokorelasi
Uji Heteroskedastisitas
• Uji heteroskedastisitas digunakan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan varian dari
residual satu pengamatan ke pengamatan yang lain. Jika
varian dari residual satu pengamatan ke pengamatan lain
tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Model regresi yang baik
adalah homoskedastisitas atau tidak terjadi
heteroskedastisitas (Imam Ghozali, 2006)
Uji Heteroskedastisitas
1. Melihat Grafik Plot
Langkah Analisis:
 Lakukan regresi Income = Size,
Earns, Wealth, Saving
 Klik tombol Plots
 Masukkan variabel SRESID pada
kotak Y
 Masukkan variabel ZPRED pada
kotak X
 Continue  OK
Uji Heteroskedastisitas
Output :
Dasar analisis:
1.Jika ada pola tertentu
seperti titik-titik yang
membentuk pola tertentu
yang teratur, maka
mengindikasikan telah
terjadi heteroskedastisitas
2.Jika tidak ada pola yang
jelas, serta titik-titik
menyebar di atas & di
bawah angka 0 pada
sumbu Y, maka tidak
terjadi heteroskedatisitas

Dari grafik di atas, terlihat titik-titik menyebar secara acak serta tersebar baik di
atas maupun di bawah angka 0 pada sumbu Y. Dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi.
Uji Heteroskedastisitas
2. Uji Park
Langkah Analisis:
 Lakukan regresi seperti contoh sebelumnya
 Dapatkan nilai residual
 Hitung logaritma dari kuadrat nilai residual (LN U2i)
dengan menu transform dan compute variable
 Regresikan variabel LNU2i sebagai variabel dependen dan
variabel independennya tetap.
Uji Heteroskedastisitas
Uji Heteroskedastisitas
Output :

Hasil menunjukkan koofisien parameter untuk variabel independen tidak ada

yang signifikan (sig < 0,05). Maka dapat disimpulkan model regresi tidak
terdapat heteroskedastisitas
Uji Heteroskedastisitas

3. Uji Glejser
Langkah Analisis:
 Lakukan regresi seperti contoh sebelumnya
 Dapatkan nilai residual
 Absolutkan nilai residual (AbsUt) dengan menu
transform dan compute variable
 Regresikan variabel AbsUt sebagai variabel
dependen dan variabel independennya tetap.
Uji Heteroskedastisitas
Output:
 Daftar Pustaka
http://www.julfahmisalim.com/2014/04/uji-validitas-dan-reabl
itias-dengan.html
www.azuarjuliandi.com/e learning/
Ghozali, Imam. 2013. “Aplikasi Analisis Multivariate Dengan
Program SPSS 21”, Edisi 4, Badan Penerbit Universitas
Diponegoro, Semarang
Terima Kasih
Retno Puji Astuti, S.E.,M.Ak