Analisi regresi merupakan alat analisis yang paling sering digunakan para peneliti akhir-akhir ini. Hal ini tentu saja di dorong oleh perkembangan software komputer yang semakin mempermudah proses kalkulasi yang dulunya sangat sulit dikerjakan secara manual. Analisis regresi adalah alat analisis yang termasuk dalam statistik parametrik. Dengan demikian, untuk mempergunakan regresi, seorang peneliti harus melakukan pengujian asumsi terlebih dahulu. Asumsi yang harus diuji adalah, normalitas sebaran, linieritas (jika kita hendak mempergunakan regresi linier), heteroskedastisitas, multikolinearitas serta autokorelasi.
Pada postingan edisi tahun baru ini, saya hendak mendemonstrasikan bagaimana kita melakukan pengujian terhadap asumsi-asumsi statistika parametrik jika kita hendak menggunakan analisis regresi. Karena keterbatasan tempat, saya hanya akan memperlihat pengujian terhadap asumsi normalitas sebaran data, homokedastisitas serta multikolinearitas. Dua asumsi yang lain akan saya selanjutnya karena memerlukan pembahasan tersendiri.
Saya akan menggunakan data dari buku Applied Statistics for the Behavioral Sciences karangan Hinkle dan kawan-kawannya. Kita hendak menguji apakah sekor yang diperoleh siswa pada mata pelajaran matematika (X) dapat mempengaruhi sekor siswa pada mata pelajaran science (Y). pertama kita masukkan data ke dalam program SPSS seperti berikut ini:
Setelah itu klik analyze > Regression > Linear sehingga muncul kotak dialog linier regression.
Masukkan variabel science pada kotak Dependent dan variabel math pada kotak independent(s). kemudian klik statistics sehingga muncul tampilan seperti berikut ini:
Tandai Durbin-Watson pada Residuals untuk melihat nilai autokorelasi, collinearity diagnostics untuk melihat asumsi multikolinearitas. Klik continue untuk melanjutkan. Setelah itu klik kotak Plots dan tandai histogram dan normal probability plot pada standardized residual plot. Kemudian masukkan variabel SRESID ke dalam kotak Y dan ZPRED ke dalam kotak X untuk melihat asumsi heteroskedastisitas. Tekan continue.
Abaikan yang lain dan klik OK untuk melihat hasil analisis yang telah dilakukan oleh SPSS. Sekarang akan terbuka window baru yang berisi output SPSS. Nah, sekarang kita lihat hasil pengujian asumsi-asumsi tersebut.
1. Asumsi normalitas sebaran
Asumsi normalitas dapat diketahui dengan berbagai cara. Baik melalui pengujian statistik seperti Chi Square, Kolmogorov-Smirnov maupun Shapiro Wilk, berikut ini, pengujian normalitas dilakukan dengan histogram dan Plot Normal.
Berdasarkan output histogram di atas, terlihat bahwa sebaran data yang ada menyebar merata ke semua daerah kurva normal. Dengan demikian dapat disimpulkan bahwa data yang kita miliki mempunyai distribusi normal. Demikian juga dengan normal P-P Plot memperlihatkan hasil yang sama.
2. Asumsi homokedastisitas
Pengujian homokedastisitas juga sering disebut uji homogenitas. Dalam postingan ini, pengujian homogenitas dilakukan dengan menggunakan Scatter Plot nilai residual variabel dependen. Pengambilan kesimpulan dilakukan dengan memperhatikan sebaran plot data.
Berdasarkan plot data di atas, dapat kita tarik kesimpulan bahwa tidak terjadi persoalan heterokedastisitas. Artinya bahwa data yang kita kita miliki adalah data yang homogen. Jika terjadi persoalan heterokedastisitas, maka dapat dilakukan transformasi log natural (LN)
3. Asumsi multikolinearitas
Pengujian multikolinearitas juga sering disebut uji independensi. Pengujian ini akan melihat apakah antara sesama prediktor memiliki hubungan yang besar atau tidak. Jika hubungan antara sesama prediktor kuat maka antara prediktor tersebut tidak independen. Dalam contoh kita ini, hanya memiliki satu prediktor yaitu sekor matematika sehingga dapat dikatakan terbebas dari persoalan multikolinearitas. Akan tetapi, jika kita memiliki satu predikto dan hendak menguji asumsi ini, kita bisa melihat pada output SPSS berikut ini.
Pengujian multikolinearitas diketahui dari nilai VIF setiap prediktor. Jika nilai VIF prediktor tidak melebihi 10, maka dapat kita katakan bahwa data kita terbebas dari persoalan multikolinearitas. Pada contoh di atas, nilai VIF tidak melebihi 10 sehingga dapat disimpulkan bahwa model tidak terkena persoalan multikolinearitas.
Share
Pada postingan edisi tahun baru ini, saya hendak mendemonstrasikan bagaimana kita melakukan pengujian terhadap asumsi-asumsi statistika parametrik jika kita hendak menggunakan analisis regresi. Karena keterbatasan tempat, saya hanya akan memperlihat pengujian terhadap asumsi normalitas sebaran data, homokedastisitas serta multikolinearitas. Dua asumsi yang lain akan saya selanjutnya karena memerlukan pembahasan tersendiri.
Saya akan menggunakan data dari buku Applied Statistics for the Behavioral Sciences karangan Hinkle dan kawan-kawannya. Kita hendak menguji apakah sekor yang diperoleh siswa pada mata pelajaran matematika (X) dapat mempengaruhi sekor siswa pada mata pelajaran science (Y). pertama kita masukkan data ke dalam program SPSS seperti berikut ini:
Setelah itu klik analyze > Regression > Linear sehingga muncul kotak dialog linier regression.
Masukkan variabel science pada kotak Dependent dan variabel math pada kotak independent(s). kemudian klik statistics sehingga muncul tampilan seperti berikut ini:Tandai Durbin-Watson pada Residuals untuk melihat nilai autokorelasi, collinearity diagnostics untuk melihat asumsi multikolinearitas. Klik continue untuk melanjutkan. Setelah itu klik kotak Plots dan tandai histogram dan normal probability plot pada standardized residual plot. Kemudian masukkan variabel SRESID ke dalam kotak Y dan ZPRED ke dalam kotak X untuk melihat asumsi heteroskedastisitas. Tekan continue.
Abaikan yang lain dan klik OK untuk melihat hasil analisis yang telah dilakukan oleh SPSS. Sekarang akan terbuka window baru yang berisi output SPSS. Nah, sekarang kita lihat hasil pengujian asumsi-asumsi tersebut.
1. Asumsi normalitas sebaran
Asumsi normalitas dapat diketahui dengan berbagai cara. Baik melalui pengujian statistik seperti Chi Square, Kolmogorov-Smirnov maupun Shapiro Wilk, berikut ini, pengujian normalitas dilakukan dengan histogram dan Plot Normal.
Berdasarkan output histogram di atas, terlihat bahwa sebaran data yang ada menyebar merata ke semua daerah kurva normal. Dengan demikian dapat disimpulkan bahwa data yang kita miliki mempunyai distribusi normal. Demikian juga dengan normal P-P Plot memperlihatkan hasil yang sama.
2. Asumsi homokedastisitas
Pengujian homokedastisitas juga sering disebut uji homogenitas. Dalam postingan ini, pengujian homogenitas dilakukan dengan menggunakan Scatter Plot nilai residual variabel dependen. Pengambilan kesimpulan dilakukan dengan memperhatikan sebaran plot data.
Berdasarkan plot data di atas, dapat kita tarik kesimpulan bahwa tidak terjadi persoalan heterokedastisitas. Artinya bahwa data yang kita kita miliki adalah data yang homogen. Jika terjadi persoalan heterokedastisitas, maka dapat dilakukan transformasi log natural (LN)
3. Asumsi multikolinearitas
Pengujian multikolinearitas juga sering disebut uji independensi. Pengujian ini akan melihat apakah antara sesama prediktor memiliki hubungan yang besar atau tidak. Jika hubungan antara sesama prediktor kuat maka antara prediktor tersebut tidak independen. Dalam contoh kita ini, hanya memiliki satu prediktor yaitu sekor matematika sehingga dapat dikatakan terbebas dari persoalan multikolinearitas. Akan tetapi, jika kita memiliki satu predikto dan hendak menguji asumsi ini, kita bisa melihat pada output SPSS berikut ini.
Pengujian multikolinearitas diketahui dari nilai VIF setiap prediktor. Jika nilai VIF prediktor tidak melebihi 10, maka dapat kita katakan bahwa data kita terbebas dari persoalan multikolinearitas. Pada contoh di atas, nilai VIF tidak melebihi 10 sehingga dapat disimpulkan bahwa model tidak terkena persoalan multikolinearitas.
11 komentar:
maaf saya mau tanya buku apa yang dijadikan acuan dlm hal uji asumsi?
yang benar itu uji homoskedastisitas atau heteroskedastisitas (referensi imam ghozali)? sebaiknya data yg lolos uji asumsi itu data yg homogen atau hetero, karena yg saya baca dri beberapa literatur menyatakan data dikatakan lulus uji asumsi heterokedastisitas apabila data tersebut homogen. sedangkan diatas dinyatakan "Berdasarkan plot data di atas, dapat kita tarik kesimpulan bahwa tidak terjadi persoalan homokedastisitas. Artinya bahwa data yang kita miliki adalah data yang homogen. Jika terjadi persoalan homokedastisitas, maka dapat dilakukan transformasi log natural (LN)"pdahal dlm scaterplot titik2 tsb seperti membentuk pola dan tidak tersebar disekitas nol, berarti dpt dikatakan data tersebut hetero..
trimakasih,, tolong diperjelas..
anda benar... terima kasih atas masukannya
Halooo..selamat siang...
Nama saya Indra...saya punya masalah dgn statistik...
Data saya terkena Heteroskedastisitas...
Data saya banyak yg negatif...so saya ga bisa menggunakan Logaritma sebagai solusinya...
Cara satu2nya mengatasinya adalah dgn cara membagi semua variabel dgn variabel yg terkena Hetero...
Namun saya ga paham bagaimana cara melakukannya di SPSS...mohon bantuannya untuk menjelaskan langkah2nya di SPSS...serta bagaimana Interpretasi hasilnya?...klo bisa jelaskan dgn contoh untuk setiap steps hingga samapai tahap Interpretasi hasil....
Thanks a lot....
Mohon bantuannya...
Maaf saya ingin konsultasi mengenai data skripsi saya. Jumlah sampelnya 467 buah karena saya menggunakan data harian selama 2 tahun/periode. data saya tidak normal, dan tidak lolos uji heteroskedastis. tetapi uji autokorelasi lolos,,,durbin-watson-nya 2,007sekian.
Baik menggunakan SPSS maupun EVIEWS, pada intinya hasilnya sama.
R kuadratnya hanya 1.4% pakai EVIEWS
dan 2.3% pakai SPSS
Saya butuh sekali solusinya karena dosen pembimbing saya tidak bisa memberikan masukan.
Tolong ya..
Trims banyak...
assalamualaikum, pak
saya kira yg menjadi momok masyarakat itu lebih pada statistika nya, karena statistik dan statistika merupakan hal yg berbeda. saya juga heran kok ada mahasiswa yg ditanya jurusan apa dan jawabnya jurusan statistik, dengan kata lain jurusan data. hmm,,
pada komen pertama, saya mendapati adanya kerancuan antara masalah kehomogenan ragam. bahwa asumsi klasik (Gauss-Markov) yg musti terpenuhi dlm regresi linear adalah kehomogenan ragam sisaan (bukan data), jadi yg menjadi masalah bukan homoskedastisitas, melainkan heteroskedastisitas nya.
demikian, CMIIW. senang sekali blog2 yg membuka wawasan statistika semacam ini menjadi terus berkembang. sukses selalu ya, Pak Djuanaidi Lababa.
bang contoh yg bang kasih kan 2 variabel, klo untuk 3 atau 4 variabel apa hasil ny sama bang?
maaf saya mau tanya,, data statistik saya ini datanya keuangan atau nilai uang yang milyar2an, nah untuk mengecilkan nilai tersebut mesti pake log,nah itu klo yang nilai uangnya plus bisa ditransform pake log, nah klo yang minus, bagaimana cara transformnya ya mas? makasiih
Gan, mau tanya. Dalam regresi, untuk uji asumsi klasik apakah harus dilakukan seluruh jenis asumsi klasik dari homokedastisitas serta multikolinearitas ? Atau cukup bisa minimal 1 atau 2 uji asumsi klasik misalnya normalitas dan homokedasitas saja ? Ada informasi atau teori yang mendukungnya ? terima kasih sebelumnya untuk responnya.
sy mau tanya kalo data skripsi nya menunjukkan gejala multikolinearitas antara variabel laba bersih & dividen, apa yg hrs sy lakukan? nilai VIF dua variabel tersebut >10... terima kasih...
jika salah satunya terjadi multikolinearitas VIF nya lebih dari 10 apa yang harus dilakukan agar berdistribusi normal
Assalamu Alaikum wr-wb, perkenalkan nama saya ibu Rosnida zainab asal Kalimantan Timur, saya ingin mempublikasikan KISAH KESUKSESAN saya menjadi seorang PNS. saya ingin berbagi kesuksesan keseluruh pegawai honorer di instansi pemerintahan manapun, saya mengabdikan diri sebagai guru disebuah desa terpencil, dan disini daerah tempat saya mengajar hanya dialiri listrik tenaga surya, saya melakukan ini demi kepentingan anak murid saya yang ingin menggapai cita-cita, Sudah 9 tahun saya jadi tenaga honor belum diangkat jadi PNS Bahkan saya sudah 4 kali mengikuti ujian, dan membayar 70 jt namun hailnya nol uang pun tidak kembali, bahkan saya sempat putus asah, pada suatu hari sekolah tempat saya mengajar mendapat tamu istimewa dari salah seorang pejabat tinggi dari kantor BKN pusat karena saya sendiri mendapat penghargaan pengawai honorer teladan, disinilah awal perkenalan saya dengan beliau, dan secara kebetulan beliau menitipkan nomor hp pribadinya dan 3 bln kemudian saya pun coba menghubungi beliau dan beliau menyuruh saya mengirim berkas saya melalui email, Satu minggu kemudian saya sudah ada panggilan ke jakarta untuk ujian, alhamdulillah berkat bantuan beliau saya pun bisa lulus dan SK saya akhirnya bisa keluar,dan saya sangat berterimah kasih ke pada beliau dan sudah mau membantu saya, itu adalah kisah nyata dari saya, jika anda ingin seperti saya, anda bisa Hubungi Bpk Drs Tauhid SH Msi No Hp 0853-1144-2258. siapa tau beliau masih bisa membantu anda, Wassalamu Alaikum Wr Wr ..
Posting Komentar