Uji Asumsi Klasik Dengan SPSS (Panduan Lengkap dan Cara
Bacanya)Tidak sedikit para mahasiswa khususnya yang sedang
mengerjakan skripsi atau TA kebingungan dengan program spss yaitu
pada uji asumsi klasiknya. Dan ada banyak cara juga termasuk
browsing sama mbah google dengan kata kunci cara menghitung uji
asumsi klasik dengan spss. Tapi hasilnya malah membingungkan (saya
sangat mengerti karena saya juga pernah mengalaminya.. hehe..)
Disini saya akan membantu dengan tulisan saya ini dan semoga
bermanfaat bagi sekalian.. Amin...
Oke langsung saja klik selengkapnya ya..
Sebelumnya saya mau curhat dulu nih, gara-gara ada hacker sirik
yang meng-obrak-abrik artikel ini jadinya tulisannya pada hilang.
Padahal artikel ini menduduki peringkat terpopuler di blog saya.
Mungkin karena masih jarang ada yang membahas ini di blog lain.
Karena di hack alamat ni artikel langsung kayak tulisannya orang
bego. Cuma pengantar doank, gak ada bahasannya. Alamaaakk, saya
langsung nangis darah kehilangan ni bagian penting artikelnya. Saya
yakin banyak yang kecewa setelah membuka isi artikel saya yang
sudah di rusak ini.. Padahal saya sudah tidak punya copy nya.
Alhasil saya terpaksa mengetik ulang selama 2 jam, mengedit foto
sebagai pelengkap tutorialnya dan meng-upload semua yang
diperlukan.. Akhirnya berhasil..!! Saya merasa hidup kembali..!!
Hehe.(Buat yang sudah meng-hack artikel saya terimakaaasiiiih
banyak yah,,,!! Grr!!!)Oke deh demikian curhatan dari saya,
sekarang tanpa basa basi lagi langsung saja cek tulisan saya ini
yang sudah saya revisi ya Hehehe
-o0o-
Persyaratan untuk bisa menggunakan persamaan regresi berganda
adalah terpenuhinya asumsi klasik. Untuk mendapatkan nilai
pemeriksa yang efisien dan tidak bias atau BLUE (Best Linear Unbias
Estimator) dari satu persamaan regresi berganda dengan metode
kuadrat terkecil (least square), maka perlu dilakukan pengujian
untuk mengetahui model regresi yang dihasilkan memenuhi persyaratan
asumsi klasik.Disini uji yang akan saya kemukakan adalah uji yang
umum, yaitu Uji Normalitas, Uji Multikolinieritas, Uji
Heteroskedastisitas serta Uji Autokorelasi.Disini saya pakaiSPSS
13, kalo ada yang beda silakan menyesuaikan aja ya
Supaya mempermudah saya berikan sebuah contoh:Saya akan
menghitung pengaruh Leverage, Current ratio (CR), ROA dan ROE
terhadap Risiko Sistematis (beta) yang sudah saya rekap sebagai
berikut:
(kalo kurang jelas bisa di download dulu gambar di atas ini)
Pertama-tama yang harus dilakukan adalah masuk ke program SPSS.
Kemudian masukkan semua angkanya pada "data view". Sebagai contoh
saya yang tadi saya memasukkannya seperti pada gambar berikut:
Kemudian klik pada "variable view". Pada "Name" masukkan nama
variable, pada "Decimals" bisa di ubah sesuai dengan keinginan.
disini saya memakai 3 desimal maka semua saya ubah menjadi 3.
Sedangkan kolom yang lain abaikan saja. Untuk lebih jelasnya bisa
dilihat pada gambar berikut sesuai dengan contoh saya tadi:
Setelah semua sudah diisi, dan datanya pastikan sudah benar
(untuk mencek kebenarannya klik lagi pada Data View maka pada var
akan berubah namanya sesuai dengan data variabel kita). hati-hati
jangan sampai terbalik memasukkan angka.
Analisis dimulai.
Klik analize>regression>linear
Akan muncul jendela "Linear Regression". Masukkan variabel
sesuai dengan data anda. Kalo pada contoh saya saya memasukkan Beta
menjadi variabel tetap (dependent), sedangkan leverage, current
ratio, ROA dan ROE variabel bebas (independen). Klik tanda
berbentuk seperti "panah" untuk memasukkannya ke dalam kolom data.
Contohnya sebagai berikut:
Kemudian klik pada statistics (masih dalam jendela Linear
Reggresion). Sehingga akan muncul jendela "Linear Regressions:
Statistics". Pada Regression Coefficients centang pada "Estimates",
Covariance matrik", "Model Fit", "R squared change", "Collinearity
diagnostics". Dan pada residuals klik "Durbin-Watson". Setelah
semua dicentang klik "Continue". Supaya jelas lihat contoh saya
sebagai berikut:
Akan muncul lagi jedela "Linear Regression" yang awal. Klik pada
"Plots" sehingga muncul jendela "Linnear Regression:Plots".
Masukkan *ZPRED pada Y, dan *SRESID pada X. Caranya dengan mengklik
*zpred atau *sresid kemudian klik tanda yang mirip bentuk panah
pada tempatnya masing-masing. Kemudian pada Standardized Residual
Plots centang pada "Histogram" dan "Normal Probability Plot".
Setelah selesai klik Continue. Seperti contoh saya berikut ini:
Kembali ke jendela "Linear regression". Klik "OK" untuk segera
memproses data.Dan akan muncul jendela baru. Data yang tertera
disitulah yang akan menjadi dasar analisis kita.
1. Uji Normalitas
Uji normalitas adalah pengujian tentang kenormalan distribusi
data. Penggunaan uji normalitas karena pada analisis statistik
parametik, asumsi yang harus dimiliki oleh data adalah bahwa data
tersebut harus terdistribusi secara normal. Maksud data
terdistribusi secara normal adalah bahwa data akan mengikuti bentuk
distribusi normal (Santosa&Ashari, 2005:231).
Uji normalitas bisa dilakukan dengan dua cara. Yaitu dengan
"Normal P-P Plot" dan "Tabel Kolmogorov Smirnov". Yang paling umum
digunakan adalah Normal P-P Plot.
Pada Normal P-P Plot prinsipnya normalitas dapat dideteksi
dengan melihat penyebaran data (titik) pada sumbu diagonal grafik
atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusan:a. Jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.b. Jika data menyebar jauh garis diagonal dan/atau tidak
mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal, maka model regresi tidak
memenuhi asumsi normalitas (Ghozali 2007:110-112).
Untuk menganalisis dengan SPSS kita lihat hasil output kita tadi
pada gambar "Normal P-P Plot of Regression Standardized Residual".
seperti contoh saya yang sebagai berikut:
Dari analisis kurva dapat dilihat bahwa data menyebar di sekitar
diagram dan mengikuti model regresi sehingga dapat disimpulkan
bahwa data yang diolah merupakan data yang berdistribusi normal
sehingga uji normalitas terpenuhi.
Namun bila para pembaca kepingin cara Kolmogorov-Smirnov juga
bisa. data dianalisis tidak menggunakan gambar namun dengan angka.
Kelebihannya hasilnya memang lebih akurat.Caranya yaitu untuk
memasukkan data sama saja. namun tidak menggunakan jendela "Linear
Regression". Caranya masuk ke menu awal. klik pada
Analize>Nonparametic test>1-Sample K-S.
Akan muncul jendela "One-Sample Kolmogorov-Smirnov Test".
Masukka semua variabel dengan menklik variabel kemudian klik tanda
panah untuk memasukkannya pada kolom yang di sebelah.
Setelah selesai dimasukkan semua, klik OK. Dan akan muncul
jendela One-Sample Kolmogorov-Smirnov Test seperti pada gambar
contoh saya ini:
untuk menganalisisnya, kita lihat pada baris "Asymp. Sig.
(2-tailed)" baris paling bawah. bila nilai tiap variabel lebih dari
(>0,05) maka uji normalitas bisa terpenuhi.
Pada contoh saya yang ini nilainya ada yang kurang dari 0,05
sehingga agar terlihat terpenuhi saya lebih baik menggunakan metode
P-P Plot yang berupa gambar. hehehee...
2.Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel
independen. Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak ortogonal (Ghozali 2007:91). Untuk
mendeteksi adanya multikolinearitas, dapat dilihat dariValue
Inflation Factor(VIF). Apabila nilai VIF > 10, terjadi
multikolinieritas. Sebaliknya, jika VIF < 10, tidak terjadi
multikolinearitas (Wijaya, 2009:119).
Untuk analisisnya dengan SPSS kita lihat hasil output pada tabel
"Coefficients". seperti pada contoh saya berikut:
Dari hasil output data didapatkan bahwa nilai semua nilai
VIF
