Uji Normalitas, Multikolinearitas, dan Heteroskedastisitas (Bagian I)

Sejenak bersantai, posting mengenai hal yang 'berbau' perkuliahan dulu.

Pada postingan kali ini, saya akan memberi contoh bagaimana melakukan uji normalitas, multikolinearitas, dan heteroskedastisitas dalam analisis regresi berganda metode OLS. Saya menggunakan software yaitu SPSS 20 (bisa dipakai SPSS seri berapa saja).

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetauhi apakah variabel independen dan variabel dependen dikatakan normal atau tidak. Normal disini berarti mempunyai distribusi data yang normal. Normal tidaknya variabel tersebut berdasarkan patokan distribusi normal dari data dengan mean dan standar deviasi yang sama. Jadi, uji normalitas pada dasarnya melakukan perbandingan antara data yang kita miliki dengan data distribusi normal yang mempunyai mean dan standar deviasi yang sama dengan data kita. Data yang punya distribusi normal, berarti punya sebaran yang normal pula. Dengan profil data tersebut, maka data tersebut dianggap bisa mewakili populasi (Patria, 2011 dalam Harahap, 2013).

Langkah Uji Normalitas.

A. Input data di Ms. Excel

Gambar 1. Input data di Ms. Excel*

* 

Y = Variabel Dependen

X1 - X6 = Variabel Independen

B. Buka SPSS, akan muncul tamplan seperti ini

Gambar 2. Tampilan ketika membuka SPSS 20

C. Klik cancel (pada gambar 2), setelah itu klik Variable View, lalu isi kolom name sesuai nama variabel (Variabel Y ditulis paling atas)

Gambar 3. Tampilan ketika klik variable view

Gambar 4. Tampilan ketika nama variabel selesai diisi di variable view

D. Sesudah kolom name diisi, klik Data View untuk melihat hasilnya (Perhatikan baris paling atas, sudah terisi nama variabel)

Gambar 5. Tampilan nama variabel di data view

E. Copy data dari Ms. Excel

Gambar 6. Copy data yang diperlukan dari Ms. Excel

F. Setelah data di copy dari Ms. Excel, kemudian di paste di lembar kerja SPSS

Gambar 7. Paste di lembar kerja SPSS 20

G. setelah di paste, maka tampilannya akan seperti ini

Gambar 8. Tampilan setelah data sudah di paste

H. Setelah data selesai di paste, dilakukan uji normalitas (langkah-langkahnya ada pada gambar dibawah ini)

Gambar 9. Uji one sample K-S (Kolmogorov-Smirnov)

I. Blok semua variabel yang ada di sisi kiri untuk dipindahkan (melalui tanda panah ke kanan)

Gambar 10. Blok seluruh variabel di sisi kiri

J. Variabel yang di blok sudah dipindahkan ke kanan, lalu klik OK untuk melihat hasil

Gambar 11. Seluruh variabel di sisi kiri dipindahkan ke sisi kanan

K. Hasil uji normalitas dapat dilihat pada gambar dibawah ini. Jika nilai Asymp. Sig. (2-tailed) lebih besar daripada alpha (5% = 0,05), maka data tersebut diasumsikan berdistribusi normal. Jika sebaliknya (nilai Asymp. Sig. (2-tailed) lebih kecil daripada alpha (5% = 0,05), maka data tersebut diasumsikan tidak berdistribusi normal.

Gambar 12. Hasil uji one sample Komogorov-Smirnov

L. Berhubung data tidak berdistribusi normal (ditunjukkan oleh nilai Asymp. Sig. (2-tailed) yang lebih kecil daripada alpha (5% = 0,05), untuk itu dilakukan transormasi data menggunakan LN (Log Natural). Caranya adalah kembali pada lembar kerja di Ms. Excel, kemudian ketik =LN(klik di salah satu data). Hasil LN tersebut ditarik ke samping dan ke bawah untuk memunculkan seluruh hasil transformasi data.

Gambar 13. Hasil transormasi data LN (wilayah yang di blok)

M. Setelah hasil transformasi data muncul seluruhnya, kemudian klik copy, dan kemudian paste di lembar kerja SPSS 20

Gambar 14. Hasil paste di SPSS

N. Lakukan uji normalitas lagi, melalui uji one sample Kolmogorov-Smirnov

Gambar 15. Uji one sample Kolmogorov-Smirnov

O. Hasil uji one sample Komogorov-Smirnov menunjukkan bahwa data diasumsikan berdistribusi normal, hal ini ditunjukkan oleh nilai Asymp. Sig. (2-tailed) yang lebih besar daripada alpha (5% = 0,05). Namun untuk X6, data tidak berdistribusi normal (oleh karena itu, variabel X6 tidak saya gunakan alias dibuang)

Gambar 16. Hasil uji one sample Kolmogorov-Smirnov