A.
Uji
Normalitas
Uji normalitas bertujuan untuk
menguji apakah dalam model regresi variabel penggangu atau residual memiliki
distribusi normal. Model regresi yang baik adalah model regresi yang memilki
distribusi data normal atau mendekati normal. Ada dua cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak normal yaitu:
1. Metode
Grafik
Cara
pertama yang sering digunakan untuk melihat normalitas data yaitu dengan
melihat pola pada Normal Probability P Plot, yaitu jika data menyebar disekitar
garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi
asumsi normalitas.
Cara
menguji uji normalitas metode grafik pada spss:
1. Pilih
Analyze – Regresssion - Linear
2. Kemudian
masukkan variabel terikat ke kolom dependent dan variabel bebas ke kolom
independent.
3. Kemudian
pilih plot, kemudian akan muncul kotak dialog dengan nama linear regression:
Plots. Selanjutnya masukkan *SRESID pada Y dan *ZPRED pada X kemudian beri
centang pada pilihan histogram dan normal probability plot, kemudian klik
continue.
4. Kemudian
muncul kurva pada output.
Berdasarkan
data pada gambar di atas, dapat dilihat bahwa grafik histogram menunjukkan pola
data yang berdistribusi normal karena berbentuk kurva simetris, tidak miring ke
kiri maupun ke kanan. Sehingga dapat disimpulkan bahwa model regresi yang
digunakan memenuhi asumsi normalitas.
Hasil pengujian normal probability plot dalam penelitian ini ditunjukkan
pada Gambar berikut ini.
Berdasarkan
data pada gambar di atas, menunjukkan bahwa titik-titik menyebar di sekitar
garis diagonal mengikuti data sepanjang garis diagonal, maka dapat disimpulkan
data berdistribusi normal.
2. Metode Statistik
Cara kedua yang dapat dilakukan adalah dengan
menggunakan uji Statistik Nonparametrik Kolmogorov-Smirnov (K-S). Jika nilai
sig > 5%, maka data berdistribusi normal.
Hasil uji normalitas dengan menggunakan metode statistik dapat diperoleh dengan
cara sebagai berikut:
1. Pilih
analyze – Regression - Linear
2. Kemudian
masukkan variabel terikat ke kolom dependent dan variabel bebas ke kolom
independent, kemudian klik save.
3. Kemudian
setelah klik save, akan muncul gambar seperti di bawah ini dan beri centang
pada unstandardized pada residuals, kemudian klik continue, kemudian klik OK.
4. Kemudian
muncul output seperti di bawah ini. Tetapi bukan hasil output ini yang
digunakan pada uji normalitas.
5. Kemudian
kembali ke data spss. Disini otomatis akan muncul variabel baru dengan nama
RES_1 pada kolom terakhir.
6. Langkah
berikutnya, pilih Analyze – Nonparametic tests – Legacy Dialogs – 1- Samole
K-S.
7. Kemudian
muncul kotak seperti berikut dan pindahkan unstandardized residual ke kolom
test variable list seperti di bawah ini. Kemudian klik OK
8. Kemudian
muncul output sebagai berikut. Hasil ini yang disebut dengan hasil output
Kolmogorov-Smirnov
Berdasarkan data pada table di atas, dapat dilihat
bahwa nilai Kolmogorov-Smirnov (K-S) yaitu 0,111 dan besarnya nilai signifikan pada Asymp. Sig. (2-tailed)
sebesar 0,075 di atas pada tingkat signifikan 0,05 atau Asymp. Sig. (2-tailed)
> 0,05, dengan demikian residual terdistribusi secara normal.
B. Uji Multikolinearitas
Uji multikolinearitas bertujuan
untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
(independen). Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel independen.
Multikolinearitas diuji dengan melihat nilai tolerance dan Variance
Inflation Factor (VIF). Nilai tolerance
tidak kurang dari 0,1 dan nilai Variance
Inflation Factor (VIF) yang tidak lebih dari 10 sehingga model dapat
dikatakan terbebas dari multikolinearitas.
Langkah untuk menguji
multikolinearitas:
1. Pilih
analyze – Regression - Linear
2. Kemudian
masukkan variabel terikat ke kolom dependent dan variabel bebas ke kolom
independent, kemudian klik statistics.
3. Kemudian
beri centang pada collinearity statistics, kemudian klik Ok.
4. Kemudian
muncul output sebagai berikut :
Berdasarkan
data pada Tabel di atas, dapat dilihat bahwa nilai tolerance values semua variabel bebas adalah lebih besar dari nilai
ketetapan yaitu 0,1 dan nilai VIF semua variabel independen adalah lebih kecil
dari nilai ketetapan yaitu 10. Oleh karena itu, data dalam penelitian ini
dikatakan tidak mengalami masalah multikolinearitas.
C. Uji Heteroskedastisitas
Uji
heterokedastisitas dilakukan untuk melihat apakah terdapat ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lain. Jika variance
dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heterokedastisitas. Ada tidaknya heterokedostisitas
dapat diprediksi dengan dua cara yaitu:
1. Metode
Grafik
Cara
pertama untuk mengetahui ada tidaknya heterokedostisitas dapat diprediksi
dengan melihat pola gambar scatterplot
antara nilai prediksi variabel terikat (ZPRED) dan nilai residualnya (SRESID).
Jika gambar scatterplot berpola acak
maka dapat dikatakan tidak terjadi heteroskedastisitas. Hasil uji
heterokedastisitas dengan analisis grafik scatterplot
dapat dilihat pada gambar berikut (hasil diperoleh dari output pengujian
multikolinearitas):
Berdasarkan
grafik scatterplot di atas
menunjukkan bahwa titik-titik menyebar secara acak atau tidak membentuk suatu
pola tertentu, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu
Y. sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas.
2. Metode
Statistik
Cara
kedua untuk mengetahui ada tidaknya yaitu dengan melakukan uji Glejser. Uji ini
dilakukan dengan mengabsolutkan nilai residual (|Ui|) dari model. Kemudian
nilai absolut dari residual dimasukkan sebagai variabel terikat dalam persamaan
regresi yang baru. Jika angka signifikansi t yang diperoleh dari persamaan
regresi yang baru lebih besar dari alpha 5%, maka dikatakan tidak terdapat
heteroskedastisitas dalam model. Sebaliknya, jika angka signifikansi yang diperoleh
lebih kecil dari alpha 5%, maka dapat dikatakan terdapat heteroskedastisitas
dalam data model. Hasil uji ini dapat didapat dengan langkah sebagai berikut:
1. Transform
– Compute Variable
2. Pada
target variabel ketikkan “ABS_RES” yang berarti nilai absolut dari residual.
Kemudian pada function group pilih all dan pada kolom di bawahnya pilih ABS dan
double click. Kemudan akan muncul ABS(?) pada numeric expression yang akan
diisi dengan variabel unstandardized residual. Kemudian klik OK.
3. Maka
akan muncul variabel baru pada data view bernama ABS_RES.
4. Pilih
analyse – Regression – Linear. Kemudian ganti variabel Y dengan ABS_RES. Klik
save dan hilangkan tanda centang unstandardized pada kolom residual, klik
continue, kemudian kik OK.
5. Maka
akan muncul output sebagai berikut:
Berdasarkan tabel di atas menunjukkan bahwa nilai signifikasi variabel fasilitas, pelayanan, dan harga berada di atas 0,05. Maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi dalam penelitian ini.
THANKYOUUUU !!!
BalasHapus