Uji Asumsi Klasik _ Anova

29
3/3/14 uji asumsi klasik | Alief Workshop aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 1/29 ARSIP TAG: UJI ASUMSI KLASIK Uji Linearitas dengan Tabel ANOVA SPSS Ditulis pada 13 November 2013 Persamaan regresi dipergunakan untuk melihat bentuk pengaruh antar 1 atau beberapa variabel. Bentuk dari pengaruh tersebut dapat dilihat secara linier, logaritmik atau box tergantung dari data yang dimiliki dan asumsi yang diambil oleh peneliti. Asumsi linearitas sendiri adalah asumsi yang menyatakan bahwa hubungan antar variabel yang hendak dianalisis itu mengikuti garis lurus sehingga jika persamaan regresi yang diperoleh dibuat grafiknya, akan terlihat grafik yang berbentuk garis linier. Tabel Anova SPSS dapat membantu kita dalam memutuskan regresi tipe apa yang sebaiknya dipergunakan. Walaupun regresi linier memang yang paling banyak acuan litelaturnya dan cenderung lebih mudah, belum tentu data yang dimiliki dapat dijelaskan dengan baik oleh persamaan regresi linier. Dengan menggunakan tabel ANOVA pada SPSS, akan dilihat nilai Sig. linearity & Sig. deviation from linearity dari setiap variabel bebas dengan variabel terikat dibandingan dengan tingkat signifikansi (α). Nilai Sig. linearity menunjukkan sejauh mana variabel bebas berbanding tepat di garis lurus. Apabila nilai Sig. linearity lebih kecil dari tingkat signifikansi (α), maka regresi linier dapat dipergunakan untuk menjelaskan pengaruh antara variabel-variabel yang ada. Sedangkan nilai Sig. deviation from linearity menunjukkan selinier apa data yang dipergunakan. Apabila nilai Sig. deviation from linearity lebih besar dari tingkat signifikansi (α), maka regresi linier Alief Workshop Opini & Sharing dari Seorang Nubie

description

Uji lineariltas, SPSS

Transcript of Uji Asumsi Klasik _ Anova

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 1/29

    ARSIP T AG: UJI ASUM SI KL ASIK

    Uji Linearitas dengan

    Tabel ANOVA SPSSDitulis pada 13 November 2013

    Persamaan regresi dipergunakan untuk melihat bentuk pengaruh

    antar 1 atau beberapa variabel. Bentuk dari pengaruh tersebut

    dapat dilihat secara linier, logaritmik atau box tergantung dari data

    yang dimiliki dan asumsi yang diambil oleh peneliti. Asumsi

    linearitas sendiri adalah asumsi yang menyatakan bahwa

    hubungan antar variabel yang hendak dianalisis itu mengikuti garis

    lurus sehingga jika persamaan regresi yang diperoleh dibuat

    grafiknya, akan terlihat grafik yang berbentuk garis linier. Tabel

    Anova SPSS dapat membantu kita dalam memutuskan regresi tipe

    apa yang sebaiknya dipergunakan. Walaupun regresi linier

    memang yang paling banyak acuan litelaturnya dan cenderung

    lebih mudah, belum tentu data yang dimiliki dapat dijelaskan

    dengan baik oleh persamaan regresi linier.

    Dengan menggunakan tabel ANOVA pada SPSS, akan dilihat nilai

    Sig. linearity & Sig. deviation from linearity dari setiap variabel

    bebas dengan variabel terikat dibandingan dengan tingkat

    signifikansi (). Nilai Sig. linearity menunjukkan sejauh mana

    variabel bebas berbanding tepat di garis lurus. Apabila

    nilai Sig. linearity lebih kecil dari tingkat signifikansi (), maka

    regresi linier dapat dipergunakan untuk menjelaskan pengaruh

    antara variabel-variabel yang ada.

    Sedangkan nilai Sig. deviation from linearity menunjukkan selinier

    apa data yang dipergunakan. Apabila nilai Sig. deviation from

    linearity lebih besar dari tingkat signifikansi (), maka regresi linier

    Alief WorkshopOpini & Sharing dari Seorang Nubie

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 2/29

    dapat dipergunakan untuk menjelaskan pengaruh antara variabel-

    variabel yang ada.

    Baiklah, untuk lebih jelasnya, berikut contoh langkah-langkah

    untuk melakukan uji linearitas dengan buantuan software SPSS:

    1. Masukkan data variabel bebas dan variabel terikat pada SPSS

    data editor. Pada contoh kali ini, jumlah datanya ada 10, terdapat 1

    variabel bebas (X1) dan terdapat 1 variabel terikat (Y).

    2. Pilih menu Analyze, kemudian Compare Means, lalu Means

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 3/29

    3. Masukkan semua variabel bebas ke kolom Independent List dan

    variabel terikat ke kolom Dependent List, kemudian klik Options

    4. Checklist pilihan Test for linearity lalu klik Continue, kemudian

    klik OK.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 4/29

    5. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel

    ANOVA berikut:

    Bila yang ditentukan adalah 5%, maka berdasarkan keluaran di

    atas, dapat disimpulkan bahwa data yang dipergunakan dapat

    dijelaskan oleh regresi linier dengan cukup baik karena nilai Sig.

    linearity data tersebut adalah sebesar 0,017 (lebih kecil dari 0,05)

    dan nilai Sig. deviation from linearity data tersebut adalah sebesar

    0,315 (lebih besar dari 0,05). Selamat mencoba :).

    Daftar Referensi

    Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi

    dengan SPSS. Surakarta: Muhammadiyah University Pess.

    Widhiarso, Wahyu.(2010). Catatan Pada Uji Linearitas Hubungan.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 5/29

    Fakultas Psikologi UGM.

    Dipublikasi di Statistic for All | Tag analisis pengaruh, ANOVA,

    Deviation from Linearity, Linearitas, Linearity, penelitian,

    regresi, SPSS, statistik, uji asumsi klasik, uji parametrik |

    Berikan sebuah balasan

    Uji Otokorelasi

    dengan SPSSDitulis pada 22 Agustus 2013

    Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak

    dengan sendirinya hasil ini bisa digunakan sebagai dasar

    pengambilan keputusan. Hasil regrasi harus diuji untuk

    memastikan terpenuhinya asumsi klasik. Uji otokorelasi

    merupakan salah satu uji asumsi klasik yang biasa dilakukan.

    Otokorelasi terjadi apabila nilai variabel masa lalu memiliki

    pengaruh terhadap nilai variabel masa kini. Otokorelasi akan

    menyebabkan estimasi nilai u yang terlalu rendah, dan karenanya

    menghasilkan estimasi yang terlalu tinggi untuk nilai koefisien

    korelasi. Bahkan ketika estimasi nilai variasi u tidak terlalu rendah,

    maka estimasi nilai variasi dari koefisien regresi mungkin akan

    terlalu rendah, dan karenanya uji t dan uji F menjadi tidak valid lagi

    atau menghasilkan konklusi yang menyesatkan. Banyak orang

    menggunakan uji Durbin Watson untuk melakukan uji otokorelasi,

    namun adakalanya uji Durbin Watson memberikan hasil yang

    menyatakan bahwa data yang diuji tidak dapat dipastikan apakah

    lolos dari masalah otokorelasi atau tidak. Sebagai alternatif, kita

    dapat menggunakan uji run test, uji ini dipergunakan untuk melihat

    apakah data residual bersifat acak atau tidak. Bila tidak acak,

    berarti terjadi masalah autokorelasi. Residual regresi diolah dengan

    uji run test, kemudian dibandingkan dengan tingkat signifikasi

    () yang dipergunakan. Apabila nilai hasil uji run test lebih besar

    daripada tingkat signifikasi (), maka tidak terdapat masalah

    otokorelasi pada data yang diuji.

    Uji run test dapat dilakukan dengan lebih cepat bila kita dibantu

    oleh SPSS, terutama bila datanya ratusan atau bahkan ribuan.

    Secara sederhana, berikut contoh penggunaan SPSS dalam

    pengujian otokorelasi:

    1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini

    t

    t

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 6/29

    terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,

    X3, X4, X6).

    2. Regresikan data tersebut dengan memilih menu Analyze,

    kemudian Regression, lalu Linear

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 7/29

    3. Masukkan semua variabel bebas ke kolom Independent(s) dan

    variabel terikat ke kolom Dependent, kemudian klik Save.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 8/29

    4. Checklist Unstandardized pada kolom Residuals, lalu klik

    Continue, kemudian pilih Ok sehingga keluar output regresi pada

    SPSS Statistics Viewer.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 9/29

    5. Kembali periksa layar SPSS Data Editor, akan muncul kolom

    baru di bagian kanan dengan judul RES_1, itu merupakan residual

    regresi. Pilih menu Analyze, kemudian Nonparametric Test, lalu

    Legacy Dialogs, kemudian klik Runs

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 10/29

    6. Pindahkan RES_1 ke kolom sebelah kanan lalu klik Ok.

    7. Perhatikan keluaran uji run test di bawah ini, nilai yang

    dibandingkan adalah Asymp. Sig. (2-tailed) yaitu 0,737.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 11/29

    Bila yang ditentukan adalah 5%, maka hasil run test lebih besar

    daripada 0,05. Dengan demikian, data yang dipergunakan cukup

    random sehingga tidak terdapat masalah otokorelasi pada data

    yang diuji. Gampang khannn :mrgreen:.

    Daftar Referensi

    Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi

    dengan SPSS. Surakarta: Muhammadiyah University Pess.

    Murhadi, Werner. Pengujian Asumsi Regresi. (2011). Diakses: 30

    Mei 2013. http://wernermurhadi.wordpress.com/2011/07/18/asumsi-

    klasik/

    Dipublikasi di Statistic for All | Tag analisis hubungan, analisis

    pengaruh, Durbin Watson, korelasi, otokorelasi, parametrik,

    penelitian, regresi, residu, run test, SPSS, statistik, uji, uji

    asumsi klasik, uji parametrik | 2 Balasan

    Uji Heterokedastisitas

    dengan SPSSDitulis pada 21 Agustus 2013

    Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak

    dengan sendirinya hasil ini bisa digunakan sebagai dasar

    pengambilan keputusan. Hasil regrasi harus diuji untuk

    memastikan terpenuhinya asumsi klasik. Uji heterokedastisitas

    merupakan salah satu uji asumsi klasik yang biasa dilakukan.

    Heteroskedastisitas terjadi apabila variasi residual regresi (u ) tidakt

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 12/29

    konstan atau berubah-ubah secara sistematik seiring dengan

    berubahnya nilai variabel independen. Konsekuensi dari

    keberadaan heteroskedastisitas adalah analisis regresi akan

    menghasilkan estimator yang bias untuk nilai variasi u dan dengan

    demikian variasi dari koefisien regresi. Akibatnya uji t, uji F dan

    estimasi nilai variabel dependen menjadi tidak valid. Uji yang

    dipergunakan adalah uji Spearman dimana dilakukan perhitungan

    dari korelasi rank spearman antara variabel absolut u dengan

    variabel-variabel bebas. Kemudian nilai dari semua rank

    spearman tersebut dibandingkan dengan nilai signifikasi yang

    ditentukan. Masalah heterokedastisitas tidak terjadi bila nilai rank

    spearman antara variabel absolut residual regresi dengan variabel-

    variabel bebas lebih besar dari nilai signifikasi ().

    Untuk lebih jelasnya, mari kita lihat contoh di bawah ini:

    1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini

    terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,

    X3, X4, X6).

    2. Regresikan data tersebut dengan memilih menu Analyze,

    kemudian Regression, lalu Linear

    t

    t

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 13/29

    3. Masukkan semua variabel bebas ke kolom Independent(s) dan

    variabel terikat ke kolom Dependent, kemudian klik Save.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 14/29

    4. Checklist Unstandardized pada kolom Residuals, lalu klik

    Continue, kemudian pilih Ok sehingga keluar output regresi pada

    SPSS Statistics Viewer.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 15/29

    5. Kembali periksa layar SPSS Data Editor, akan muncul kolom

    baru di bagian kanan dengan judul RES_1, itu merupakan residual

    regresi.Karena yang dibandingkan dengan metode Spearman

    adalah nilai absolut dari residual regresi, maka kita cari dulu berapa

    nilai absolut dari RES_1 dengan memilih menu Transform, lalu klik

    Compute Variable

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 16/29

    6. Ketik abs(RES_1) pada kolom Numeric Expression, kemudian

    ketiklah sebuah nama yang mudah diingat pada kolom Target

    Variable, kali ini saya contohkan namanya Absres. Kemudian klik

    Ok dan akan muncul 1 kolom lagi di sebelah kanan kolom RES_1

    pada SPSS Data Editor dengan nama kolom sesuai nama yang

    kita masukkan pada kolom Target Variable tadi.

    7. Untuk mencari korelasi rank spearman, pilih menu Analyze,

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 17/29

    lalu Correlate, kemudian klik Bivariate

    6. Pindahkan semua variabel bebas dan Absres (nilai absolut

    residu regresi) ke sebelah kanan kemudian checklist Spearman

    pada kolom Correlation Coefficients, kemudian klik Ok.

    7. Perhatikan kolom Correlations pada keluaran SPSS Statistics

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 18/29

    Viewer.

    Berdasarkan tabel di atas, dapat diperoleh hasil bahwa korelasi

    rank spearman antara X1 dengan U adalah 0,266, korelasi rank

    spearman antara X2 dengan U adalah 0,244, korelasi rank

    spearman antara X3 dengan U adalah 0,318 dan seterusnya dapat

    diamati dengan cara yang sama untuk korelasi rank spearman

    antara U dengan variabel-variabel bebas lainnya. Misalkan nilai

    signifikasi () yang digunakan adalah 5%, maka masalah

    heterokesatisitas dapat dikatakan tidak terjadi karena semua nilai

    korelasi rank spearman lebih besar dari 0,05.

    Agak panjang caranya, tapi semua menjadi lebih cepat dikerjakan

    dengan bantuan SPSS, tetap cemunguuudth!

    Daftar Referensi

    Elcom. (2010). Seri Belajar Kilat SPSS 18. Yogyakarta: Penerbit

    Andi.

    Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi

    dengan SPSS. Surakarta: Muhammadiyah University Pess.

    Dipublikasi di Statistic for All | Tag analisis hubungan, analisis

    pengaruh, heterokedastisitas, parametrik, regresi, residu,

    spearman, SPSS, statistik, uji, uji asumsi klasik, uji

    parametrik | Berikan sebuah balasan

    t

    t

    t

    t

    Uji Normalitas Residu

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 19/29

    dengan SPSSDitulis pada 20 Agustus 2013

    Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak

    dengan sendirinya hasil ini bisa digunakan sebagai dasar

    pengambilan keputusan. Hasil regrasi harus diuji untuk

    memastikan terpenuhinya asumsi klasik. Uji normalitas residu

    merupakan salah satu uji asumsi klasik yang biasa dilakukan.

    Asumsi normalitas gangguan atau error (u ) penting sekali sebab uji

    eksistensi model (uji F) maupun uji validitas pengaruh variabel

    independen (uji t), dan estimasi nilai variabel dependen

    mensyaratkan hal ini. Apabila asumsi ini tidak terpenuhi, baik uji F

    maupun uji t, dan estimasi nilai variabel dependen menjadi tidak

    valid. u diperoleh dari regresi variabel-variabel yang ada yaitu:

    Y = a + bX + cX + dX + eX + fX +gX + hX + u

    Uji normalitas yang dipergunakan adalah uji Jarque Bera. Nilai

    statistik Jarque Bera (JB) untuk u diperoleh dengan persamaan:

    Dimana:

    S = Skewness (Kemiringan).

    K = Kurtosis (Keruncingan).

    N = Banyaknya Data.

    Nilai JB yang diperoleh kemudian dibandingkan dengan nilai tabel

    Chi Kuadrat. Apabila lebih besar dari JB maka distribusi residual

    persamaan regresi tidak normal.

    Nilai Skewness & Kurtosis dapat diperoleh dengan bantuan

    software SPSS. Berikut contoh langkah-langkahnya:

    Karena nilai Skewness & Kurtosis diperoleh dengan menggunakan

    SPSS, maka untuk menghitung nilai JB, Kurtosis tidak perlu

    dikurangi 3 sehingga:

    t

    t

    t 1t 2t 3t 4t 5t 6t 7t t

    t

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 20/29

    Nilai JB kemudian dibandingkan dengan nilai Chi Kuadrat dengan df

    = 2 dan tingkat signifikasi tertentu bergantung dari penelitian dan

    data yang dipergunakan. Distribusi residu dikatakan normal bila JB

    lebih kecil dari nilai Chi Kuadrat yang diperoleh dari tabel Chi

    Kuadrat berikut:

    Diperoleh bahwa nilai Chi Kuadrat dengan df = 2 dan tingkat

    signifikansi () = 5% adalah 5,99. Chi Kuadrat dengan df = 2 dan

    tingkat signifikansi () = 1% adalah 9,21. Chi Kuadrat dengan df =

    2 dan tingkat signifikansi () = 0,1% adalah 13,82.

    Tingkat signifikansi () sendiri menunjukkan peluang kesalahan

    yang ditetapkan dalam mengambil keputusan untuk menolak atau

    mendukung hipotesis nol, atau dapat diartikan juga sebagai tingkat

    kesalahan atau tingkat kekeliruan yang ditolelir, yang diakibatkan

    oleh kemungkinan adanya kesalahan dalam pengambilan sampel.

    Sementara itu tingkat kepercayaan pada dasarnya menunjukkan

    tingkat kepercayaan sejauhmana statistik sampel dapat

    mengestimasi dengan benar parameter populasi. Dalam statistika,

    tingkat kepercayaan nilainya berkisar antara 0 sampai 100%.

    Secara konvensional, para peneliti dalam ilmu-ilmu sosial sering

    menetapkan tingkat kepercayaan antara 95% 99%. Dalam

    penelitian dunia kedokteran, tingkat kepercayaan paling tidak harus

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 21/29

    bernilai 99%.

    Untuk lebih jelasnya, mari kita lihat contoh di bawah ini:

    1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini

    terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,

    X3, X4, X6).

    2. Regresikan data tersebut dengan memilih menu Analyze,

    kemudian Regression, lalu Linear

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 22/29

    3. Masukkan semua variabel bebas ke kolom Independent(s) dan

    variabel terikat ke kolom Dependent, kemudian klik Save.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 23/29

    4. Checklist Unstandardized pada kolom Residuals, lalu klik

    Continue, kemudian pilih Ok sehingga keluar output regresi pada

    SPSS Statistics Viewer.

    5. Kembali periksa layar SPSS Data Editor, akan muncul kolom

    baru di bagian kanan dengan judul RES_1, itu merupakan resual

    regresi. Nilai itulah yang akan diuji normalitasnya. Lakukang

    pengujian dengan memilih Analyze, lalu Descriptive Statistics,

    kemudian klik Descriptives

    Ikuti

    Follow AliefWorkshop

    Related Searches:

    Visit Malaysia

    Concorde Hotel

    Shah Alam

    Petronas Twin

    Towers

    Berjaya Redang

    Beach Resort

    Jalan Jalan

    Petaling Jaya

    Malaysia

    Xbox One Games

    Printable Coupons

    In Jakarta

    ?

    Ab

    ou

    t th

    is A

    d

    Ab

    ou

    t th

    is A

    d

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 24/29

    6. Masukkan RES_1 ke kolom kanan lalu pilih Options

    7. Checklist pilihan Kurtosis dan Skewness pada kolom

    Distribution, lalu klik Continue, kemudian klik Ok. Akan muncul

    kolom Descriptive Statistics pada SPSS Statistics Viewer. Nilai

    Skewnessnya adalah 0,727 dan Kurtosisnya adalah 0,486.

    WorkshopGet every new post delivered

    to your Inbox.

    Bergabunglah dengan 7.849pengikut lainnya.

    Enter your email address

    Sign me up

    Pow ered by WordPress.com

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 25/29

    8. Masukan ke dalam rumus JB berikut:

    Sehingga diperoleh nilai JB sebesar 0,987. Bila tingkat signifikasi

    yang dipilih adalah 5%, maka nilai Chi Kuadrat dengan df = 2

    adalah sebesar 5,99. Nilai JB lebih kecil dari 5,99, maka tidak ada

    masalah normalitas residu pada data-data ini. Selamat mencoba

    Daftar Referensi

    Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012).

    Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV.

    Pustaka Setia.

    http://home.comcast.net/~sharov/PopEcol/tables/chisq.html

    Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi

    dengan SPSS. Surakarta: Muhammadiyah University Pess.

    Dipublikasi di Statistic for All | Tag analisis hubungan, analisis

    pengaruh, Jarque Bera, Kurtosis, normalitas, parametrik,

    regresi, residu, Skewness, SPSS, statistik, uji asumsi klasik,

    uji parametrik | 7 Balasan

    Uji Multikolinearitas

    dengan SPSSDitulis pada 19 Agustus 2013

    Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak

    dengan sendirinya hasil ini bisa digunakan sebagai dasar

    pengambilan keputusan. Hasil regrasi harus diuji untuk

    memastikan terpenuhinya asumsi klasik. Uji multikolinearitas

    merupakan salah satu uji asumsi klasik yang biasa dilakukan.

    Masalah multikolinearitas muncul jika terdapat hubungan yang

    sempurna atau pasti di antara satu atau lebih variabel independen

    dalam model. Dalam kasus terdapat multikolinearitas yang serius,

    koefisien regresi tidak lagi menunjukkan pengaruh murni dari

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 26/29

    variabel independen dalam model. Dengan demikian, bila tujuan

    dari penelitian adalah mengukur arah dan besarnya pengaruh

    variabel independen secara akurat, masalah multikoliniearitas

    penting untuk diperhitungkan. Pilihan metode pengujian yang dapat

    dipergunakan antara lain adalah uji VIF (Variance Inflation Factor),

    uji Park dan uji CI (Condition Index). Kali ini saya akan membahas

    uji VIF dengan bantuan SPSS. Apabila nilai VIF di bawah 10, maka

    tidak terdapat masalah multikolinearitas.

    Uji multikolinearitas dapat dilakukan dengan bantuan software

    SPSS. Langkah-langkahnya antara lain adalah sebagai berikut:

    1. Masukkan data variabel bebas dan variabel terikat pada SPSS

    data editor. Pada contoh kali ini, jumlah datanya ada 15, terdapat 4

    variabel bebas (X1, X2, X3, X4) dan terdapat 1 variabel terikat (Y).

    2. Pilih menu Analyze, kemudian Regression, lalu Linear

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 27/29

    3. Masukkan semua variabel bebas ke kolom Independent(s) dan

    variabel terikat ke kolom Dependent, kemudian klik Statistics.

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 28/29

    4. Checklist pilihan Collinearity diagnostics lalu klik Continue,

    kemudian klik OK.

    5. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel

    Coefficients berikut:

    Nilai VIF X1 adalah 9,709, VIF X2 adalah 1,95, VIF X3 adalah 4,574

    dan VIF X4 adalah 2,654. Semuanya lebih kecil dari 10 sehingga

    tidak ada masalah multikolinearitas. Nahh, gampang khan

    :mrgreen:.

    Daftar Referensi

    Elcom. (2010). Seri Belajar Kilat SPSS 18. Yogyakarta: Penerbit

    Andi.

    Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi

    dengan SPSS. Surakarta: Muhammadiyah University Pess.

    Dipublikasi di Statistic for All | Tag CI (Condition Index),

    multikolinearitas, penelitian, regresi, SPSS, statistik, uji

  • 3/3/14 uji asumsi klasik | Alief Workshop

    aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 29/29

    asumsi klasik, uji parametrik, VIF (Variance Inflation Factor) |

    Berikan sebuah balasan