Uji Koefisien Determinasi R Kuadrat (R^2)

Menurut Imam Ghozali (2009) Koefisien Determinasi pada intinya mengukur seberapa jauh kemampuan sebuah model dalam menerangkan variasi variabel Dependen.

Nilai Koefisien Determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti variasi variabel Dependen yang sangat terbatas. dan nilai yang mendekati 1 (satu) berarti variabel-variabel independen sudah dapat memberi semua informasi yang dibutuhkan untuk memprediksi variabel Dependen.

Secara umum koefisien determinasi untuk data silang (Crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtut waktu (Time Series) biasanya mempunyai data koefisien determinasi yang lebih tinggi.

Uji F

Menurut Imam Ghozali (2009) Uji statistik F pada dasarnya menunjukan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen.

Uji ini sering juga disebut dengan pengujian signifikansi Keseluruhan (Overall Significance) terhadap garis regresi yang ingin menguji apakah Y secara linear berhubungan dengan variabel-variabel X. maka dari itu uji ini Uji Bersama-sama.

Hipotesis yang digunakan dalam pengujian ini ialah:

Ho : Secara Bersama-sama variabel dependen tidak berpengaruh terhadap variabel independen 

Ha : Secara Bersama-sama variabel dependen tidak berpengaruh terhadap variabel independen atau paling sedikit ada satu variabel yang berpengaruh

Paired Sample t Test dengan SPSS

Pada pos ini saya hanya akan menjelaskan tentang bagaimana cara mendapatkan tabel untuk melakukan uji "Paired Sample t Test", silahkan siapkan catatan anda dan atau SPSS anda :

1. Siapkan data yang akan digunakan

2. Klik Analyze > Compare Means > Paired Sample T Test.

Uji t

Oleh Duwi Priyatno (2012) dijelaskan bahwa ada berbagai macam uji t diantaranya "Paired Sample t Test", uji ini digunakan untuk mengetahui hubungan dengan menguji perbandingan dua rata-rata sampel yang berpasangan, selain itu uji t yang sering digunakan ialah untuk menguji "Persamaan Regresi Linear" yaitu menguji signifikansi suatu varibel independen terhadap variabel dependennya dalam suatu persamaan regresi linear.

cara pengujian untuk menguji dua sampel dan signifikansi pada variabel regresi linear dengan menggunakan SPSS berbeda. untuk analisis variabel regresi linear anda dapat mendapatkan tabel hasil untuk pengujian dari pos (Cara Mencari Bahan Uji Asumsi Klasik dan Hipotesis dengan SPSS). sedangkan untuk melakukan pengujian dua sampel anda dapat melihat pada post (Cara melakukan Uji Paired Sample T Test).

Uji Autokorelasi

Menurut Duwi Priyatno (2009:61) Autokorealasi adalah keadaan dimana terjadinya korelasi dari residual untuk pengamatan satu dengan pengamatan lainnya yang disusun menurut runtut waktu.

selanjutnya dijelaskan kembali oleh Duiw Priyatno (2009:61) bahwa dampak yang dapat diakibatkan dengan adanya autokorelasi yaitu varian sampel tidak dapat menggambarkan varian populasinya.

Percaya atau nggak, pengujian ini ialah bagian uji paling sulit diantara uji-uji asumsi klasik lainnya, terutama pada penelitian model regresi linear dengan data ekonomi/keuangan. tapi jangan khawatir selalu akan ada jalan keluar bagi yang mau berusaha. sebagai notes sebelum benar-benar kita mulai, Harap didampingi pembimbing pada saat melakukan pengujian ini demi menjaga agar tidak terjadinya hal-hal yang tidak di inginkan.

Ok, kita cuss ke pembahasan. Menurut Nachrowi (2006:186-193) ada empat cara untuk mengetes keberadaan autokorelasi/otokorelasi ini, diantaranya adalah: 

1. Menganalisis Grafik Scatterplot
2. Uji Durbin-Watson
3. Uji Analisis Run
4. Uji Lagrange Multiplier (LM) / The Breusch-Godfrey (BG) Test

Pada Update pertama ini saya hanya akan menjelaskan pengujian pada point 1 dan 2 saja. harap tunggu update selanjutnya untuk point 3 dan 4. untuk mendapatkan data untuk pengujian no 1 dan 2 seperti biasa silahkan anda lihat pos (Cara Mencari Bahan Uji Asumsi Klasik dan Hipotesis Dengan SPSS).

Uji Multikolinearitas

Menurut Duwi Priyatno (2009:59) Multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna.

Dampak yang dapat ditimbukan dengan terjadi pelanggaran multikolinearitas menurut Nachrowi (2006) dalam beberapa kasus angka estimasi koefisien regresi yang didapat akan memiliki nilai yang tidak sesuai dengan substansi, atau kondisi yang diduga atau dirasakan akal sehat, sehingga dapat menyesatkan interpretasi.

untuk mendeteksi pelanggaran / masalah multikolinearitas cara yang paling populer digunakan adalah dengan melihat nilai VIF (Variance Inflation Factor) dan TOL (Tolerance). Menurut Duwi Priyatno (2009:60) bahwa dalam banyak penelitian dijelaskan dalam banyak penelitian bahwa jika TOL lebih dari ( > ) 0,1 dan VIF kurang dari ( < ) 10 maka model regersi tersebut bebas dari masalah multikolinearitas.

Uji Linearitas

Bila kita berbicara Regresi Linear salah satu pertanyaan yang muncul ialah mengenai linearitas tersebut. namun pada penelitian, uji linearitas sudah jarang dilakukan secara tersendiri melainkan digabungkan dengan uji Normalitas. ada beberapa cara yang dapat dilakukan untuk mengetahui apakah model regresi yang kita gunakan apakah sudah linear atau belum, diantaranya;

1. Dengan melihat "Normal P-P Plot of Regression Standarized Residual"
2. Dengan perhitungan

Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik Heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. sebuah model pengamatan (regresi linear) dikatakan baik apabila tidak ada gejala heteroskedastisitas.

Cara Mencari Bahan Uji Asumsi Klasik dan Hipotesis Dengan SPSS (Regresi Linear dan Linear Berganda)

Oke sebelum kita mulai, perlu diketahui bahwa dalam melakukan pengujian ini, ada sekali banyak metode yang dapat diterapkan:

1. Metode Enter
2. Metode Backward
3. Metode Forward
4. Metode Stepwise
5. Metode Remove

Saya tidak akan menjelaskan satu-persatu bagaimana cara menggunakan metode tersebut, pada Post di blog ini metode yang akan saya gunakan sampai akhir hanyalah satu, yaitu metode "enter". alasan saya menggunakan metode ini ialah selain ini metode yang paling umum, penggunaanya juga lebih mudah dimengerti. asumsi yang digunakan pada metode ini ialah semua variabel dianggap layak dengan catatan memenuhi standar "F" yang sudah di atur secara otomatis atau settingan pada SPSS.

Uji Validitas dan Reliabilitas

Realibilitas adalah ukuran yang menunjukan bahwa alat ukur yang digunakan sosial mempunyai keandalan sebagai alat ukur (Harrison, dalam Zulganef, 2006)

Validitas adalah suatu ukuran yang menunjukan bahwa variabel yang diukur memang benar-benar variabel yang hendak diteliti (Cooper & Schindler, dalam Zulganef, 2006)

secara singkat uji validitas dan reliabilitas digunakan untuk mengukur seberapa tepat data dari quesioner sebagai bahan peneitian.

Adapun kemudian bahan lain yang dibutuhkan untuk melakukan uji ini salah satunya ialah data “R Tabel”. Secara matematis R Tabel dapat dihitung dengan rumus berikut:

Ket:

R	: R Tabel
T	: T Tabel
df	: derajat kebebasan

Memindahkan Data dari Excel ke SPSS

Ada 2 cara yang dapat digunakan untuk memindahkan data dari Excel Ke SPSS. ada cara yang legal (dengan perangkat yang disediakan SPSS) dan cara yang ilegal (Copy - Paste). tentu ada kelebihan dan kelemahan dari masing-masing cara. cara ilegal itu cendrung lebih cepat dan mudah dari cara legal, tapi terkadang ada kalanya PC atau laptop kita lebih memilih kebenaran dibanding keinginan yang punya sehingga mengacaukan tindakan ilegal yang kita lakukan terhadap data dengan kata lain data yang kita inginkan tidak ter-copy dengan sempurna.

oke, maaf saya terlalu bersemangat.

Menyusun Data Penelitian Untuk SPSS

Agar penelitian kalian tidak salah, ada baiknya kalian belajar menyusun data kalian terlebih dahulu. biasanya orang-orang lebih sering menyusun datanya terlebih dahulu di Ms.Excel, baru kemudian data tersebut dipindahkan ke program SPSS. namun sebenarnya ada juga beberapa orang yang langsung menyusun datanya di SPSS. hanya saja hal tersebut sebenarnya kurang baik karena menurut pandangan penulis hal tersebut membuat data jadi sulit untuk dikoreksi.

Uji Kolmogorov - Smirnov (KS)

Uji KS adalah salah satu uji yang dapat digunakan untuk dapat menguji normalitas suatu data. diterangkan oleh Danang Sunyoto (2013) bahwa tujuan pengujian Kolmogorov Smirnov adalah untuk menguji apakah sampel yang diuji mempunyai distribusi data yang sama atau berbeda.

Sebelumnya diterangkan oleh imam Ghozali (2009) bahwa uji normalitas dalam persamaan regresi diterapkan dengan variabel pengganggu atau residual sebagai sampel yang diuji. maka dari itu.

Hipotesis:

Ho : Residual terdistribusi normal
Ha : Residual tidak terdistribusi normal

Pengambilan Keputusan:

Ho diterima jika asymp.Sig. (2-Tailed) ≥ α
Ha ditolak jika asymp.Sig. (2-tailed) < α

Langkah Analisis:

1. dari menu utama SPSS pilih menu Analyze, lalu pilih non-parametic Test, kemudian pilih sub menu 1-sampel K-S. 

2. dilayar akan tampak tampilan windows One-Sample Kolmogorov - Smirnov Test, pada kotak Test Variabel List, isikan unstandarized residual 

3. dan aktifkan test distribution pada kotak Normal, lalu pilih OK

Nah setelah itu akan tampil hasil seperti dibawah ini:

yang perlu anda lihat hanya tabel Astmp. Sig (2-tailed) apabila nilainya lebih besar dari nilai α yang anda tetapkan artinya data berdistribusi normal. dan lolos  uji normalitas untuk selanjutnya dilakukan uji lainnya.

Catatan:

unstandarized residual ialah nilai residual. adapun cara untuk memperolehnya ialah melalui regresi linear itu sendiri.

Sumber:

• Danang Sunyoto. 2013. Analisis Data Ekonomi dengan Menggunakan SPSS. PT indeks: jakarta
• Imam Ghozali. 2009.  Ekonometrika (Teori, konsep dan aplikasi dengan SPSS 17). Badan Penerbit Universitas Diponegoro: Semarang

< <  Uji Normalitas

Uji Normalitas

Dijelaskan oleh Imam Ghozali (2009) Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal. seperti diketahui. seperti diketahui bahwa uji t dan F mengasumsikan nilai residual mengikuti distribusi normal. kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. ada dua cara mendeteksi apakah residual memilikidistribusi normal atau tidak, yaitu diantaranya:

1. Analisis Grafik

• Histogram
• Normal Probability Plot (Uji Linearitas)

Untuk mendapatkan dua data untuk pengujian diatas dapat dilihat pada post ( Cara Mencari Bahan Uji Asumsi Klasik dan Hipotesis dengan SPSS )

2. Analisis Statistik

• Uji Skweness dan Kurtosis
• Uji Jarque - Bera (JB)
• Uji Kolmogorov - Smirnov (KS)

Sumber:

Imam Ghozali. 2009.  Ekonometrika (Teori, konsep dan aplikasi dengan SPSS 17). Badan Penerbit Universitas Diponegoro: Semarang


<< SPSS