Tutorial SPSS Uji Asumsi Klasik : Uji Normalitas, Uji Multikolinearitas dan Uji Heteroskedastisitas

Here's a comprehensive summary of the YouTube video transcript, maintaining the original language and technical precision:

Ringkasan Video: Uji Asumsi Klasik dalam Analisis Regresi Menggunakan SPSS

Video ini menjelaskan langkah-langkah dan interpretasi uji asumsi klasik yang terdiri dari tiga bagian utama: uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas, menggunakan software SPSS.

1. Persiapan Data di SPSS

Sebelum memulai uji, responden diminta untuk membuka file data di SPSS dan masuk ke tampilan Variable View. Di sini, variabel independen (X1, X2) dan dependen (Y) didefinisikan. Penting untuk mencatat bahwa dalam tutorial ini, yang digunakan adalah jumlah dari masing-masing variabel, bukan jumlah total responden. Setelah mendefinisikan variabel di Variable View (termasuk memberikan label yang jelas untuk setiap variabel), tampilan diubah ke Scale. Kemudian, data yang telah disalin dari sumber lain di-paste ke tampilan Data View.

2. Uji Normalitas

Uji normalitas bertujuan untuk memastikan bahwa residual dari model regresi terdistribusi secara normal. Video ini menjelaskan tiga metode untuk menguji normalitas:

• Histogram:
  • Proses: Akses melalui Analyze > Regression > Linear. Pindahkan variabel independen (X1, X2) ke kotak "Independent(s)" dan variabel dependen (Y) ke kotak "Dependent". Di bagian "Statistics", centang "Descriptives". Di bagian "Plots", pindahkan "ZRESID" ke kotak "Y Axis" dan "ZPRED" ke kotak "X Axis".
  • Interpretasi: Model dikatakan normal jika histogram residual membentuk pola seperti gunung (distribusi lonceng).
• P-Plot (Probability Plot):
  • Proses: Sama seperti di atas, namun di bagian "Plots", pindahkan "ZRESID" ke kotak "Y Axis" dan "ZPRED" ke kotak "X Axis".
  • Interpretasi: Model dikatakan normal jika titik-titik data pada P-Plot mengikuti garis diagonal.
• Uji Kolmogorov-Smirnov:
  • Proses: Akses melalui Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sample K-S. Pindahkan variabel residual (yang telah dihitung sebelumnya, biasanya ZRESID) ke kotak "Test Variable List".
  • Interpretasi: Kriteria normalitas adalah nilai signifikansi (Asymp. Sig. 2-tailed) lebih besar dari 0,05. Jika nilai signifikansi kurang dari 0,05, maka variabel tidak normal. Dalam contoh video, nilai signifikansi 0,200 yang lebih besar dari 0,05 menunjukkan bahwa variabel normal.

Kunci Interpretasi Uji Normalitas:

• Normal: Tingkat signifikansi > 0,05.
• Tidak Normal: Tingkat signifikansi < 0,05.

3. Uji Multikolinearitas

Uji ini bertujuan untuk mendeteksi adanya hubungan linear yang kuat antar variabel independen.

• Metode: Menggunakan nilai Variance Inflation Factor (VIF) dan Tolerance.
• Proses: Hasil uji multikolinearitas biasanya muncul bersamaan dengan hasil regresi linear (Analyze > Regression > Linear). Perhatikan tabel koefisien.
• Interpretasi:
  • Tidak Terjadi Multikolinearitas: Jika nilai VIF < 10 dan nilai Tolerance > 0,1.
  • Terjadi Multikolinearitas: Jika nilai VIF ≥ 10 dan nilai Tolerance ≤ 0,1.
• Contoh dalam Video: Diberikan contoh di mana nilai VIF untuk variabel harga (X1) adalah 1,296 dan kualitas produk (X2) adalah 1,600. Nilai Tolerance masing-masing adalah 0,858 dan 0,625. Karena semua nilai VIF di bawah 10 dan semua nilai Tolerance di atas 0,1, maka disimpulkan tidak terjadi multikolinearitas.

4. Uji Heteroskedastisitas

Uji ini bertujuan untuk mendeteksi adanya perbedaan varians residual pada tingkat observasi yang berbeda.

• Metode: Menggunakan Scatterplot antara variabel residual terstandarisasi (ZRESID) dan variabel prediksi terstandarisasi (ZPRED).
• Proses: Sama seperti pada uji normalitas, di bagian "Plots", pindahkan "ZRESID" ke kotak "Y Axis" dan "ZPRED" ke kotak "X Axis".
• Interpretasi:
  • Tidak Terjadi Heteroskedastisitas: Jika titik-titik data pada scatterplot menyebar secara acak di atas dan di bawah garis nol, tanpa membentuk pola tertentu.
  • Terjadi Heteroskedastisitas: Jika titik-titik data membentuk pola tertentu (misalnya, membentuk corong atau pola melengkung).
• Contoh dalam Video: Hasil scatterplot menunjukkan titik-titik yang menyebar secara acak di sekitar garis nol, baik di sisi positif maupun negatif, yang mengindikasikan tidak adanya heteroskedastisitas.

Kesimpulan

Video ini memberikan panduan praktis untuk melakukan dan menginterpretasikan tiga uji asumsi klasik penting dalam analisis regresi menggunakan SPSS. Dengan memahami dan menerapkan uji-uji ini, peneliti dapat memastikan validitas dan keandalan hasil analisis regresi mereka.

Key Concepts

• Uji Asumsi Klasik: Serangkaian uji yang harus dipenuhi agar hasil analisis regresi linear menjadi valid dan tidak bias.
• Uji Normalitas: Menguji apakah residual terdistribusi normal.
• Uji Multikolinearitas: Menguji adanya hubungan linear yang kuat antar variabel independen.
• Uji Heteroskedastisitas: Menguji apakah varians residual konstan di semua tingkat observasi.
• SPSS: Software statistik untuk analisis data.
• Variable View: Tampilan di SPSS untuk mendefinisikan variabel.
• Data View: Tampilan di SPSS untuk memasukkan dan melihat data.
• Histogram: Grafik batang yang menunjukkan distribusi frekuensi data.
• P-Plot (Probability Plot): Grafik yang membandingkan distribusi data empiris dengan distribusi teoritis.
• Kolmogorov-Smirnov Test: Uji statistik non-parametrik untuk membandingkan distribusi sampel dengan distribusi teoritis.
• VIF (Variance Inflation Factor): Ukuran seberapa besar varians koefisien regresi meningkat karena multikolinearitas.
• Tolerance: Kebalikan dari VIF, menunjukkan proporsi varians dalam variabel independen yang tidak dapat dijelaskan oleh variabel independen lainnya.
• Scatterplot: Grafik yang menampilkan hubungan antara dua variabel.
• Residual: Perbedaan antara nilai observasi aktual dan nilai prediksi dari model regresi.