H. Teknik Analisis Data
1. Uji Persyaratan Analisis Data
Peneliti disini menggunakan analisis regresi ganda. Oleh karena itu persyaratan analisis regresi berganda menggunakan uji asumsi klasik. Uji asumsi klasik model regresi berganda meliputi uji multikolieritas, uji heteroskedastisitas, uji normalitas, dan uji autokorelasi.
a. Uji Multikolieritas
Sunyoto (2010, hlm. 97) mengungkapkan,
Uji asumsi klasik jenis ini diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebih variabel bebas/ independent variable (x1, x2, x3, x4,....xn ), dimana akan di ukur tingkat asosiasi (keeratan) hubungan/ pengaruh antar variabel bebas tersebut melalui besaran koefisien korelasi (r).
Sunyoto (2010, hlm. 97) menambahkan bahwa, “dikatakan multikolieritas, jika koefisien korelasi antar variabel bebas ( x1 dan x2, x2 dan x3, x3 dan x4, dan seterusnya) lebih besar dari 0,60 (pendapat lain 0,50 eqn 0,90). Dikatakan tidak terjadi multikolinieritas dapat digunakan cara lain yaitu dengan”:
1) Nilai tolerance adalah besarnya tingkat kesalahan yang dibenarkan secara
statistik (α)
2) Nilai variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat.
Nilai tolerance (α) dan variance inflation factor (VIF) dapat dicari dengan
menggabungkan kedua nilai tersebut sebagai berikut : Besar nilai tolerance :
α = 1 / VIF
Besar nilai variance inflation factor (VIF) :
VIF = 1 / α
Variabel bebas mengalami multikolinieritas jika : α hitung < α dan VIF hitung >
54
Variabel bebas tidak mengalami multikolinieritas jika : α hitung > α dan VIF
hitung < VIF
Sunyoto (2010, hlm. 98) menjelaskan mengenai cara mengatasi multikolinieritas:
1) Menghilangkan salah satu atau lebih variabel bebas yang mempunyai koefisien korelasi tinggi atau menyebabkan multikolinieritas.
2) Jika tidak dihilangkan (nomor 1) hanya digunakan untuk membantu memprediksi dan tidak untuk diinterpretasikan.
3) Mengurangi hubungan linier antar variabel bebas dengan menggunakan logaritma natural (ln).
4) Menggunakan metode lain misalnya metode regresi Bayesian, dan metode regresi ridge.
Adapun yang peneliti gunakan untuk melakukan uji multikolieritas adalah dengan menggunakan Statistik SPSS versi 20. Langkah-langkah pengujiannya sebagai berikut:
1) Buka file data (atau sebelumnya buat dulu data mengenai satu variabel terikat dan dua atau lebih variabel bebas)
2) Klik menu statistic/ analyze
3) Pilih submenu regression, klik linier
4) Box dependent isikan : variabel terikatnya (Y= akhlak)
5) Box independent isikan : variabel bebasnya (X1 = PAI, X2 = Ekskul)
6) Klik method, pilih enter
7) Klik tombol statistic, akan muncul regression statistic: Non aktifkan : estimates dan model fit
Aktifkan : covariance matrix dan collinieritas diagnotics 8) Klik continue
55
b. Uji Heteroskedastisitas
Dalam persamaan regresi berganda perlu juga diuji mengenai sama atau tidaknya varians dari residual dari observasi yang satu dengan observasi yang lain. Sunyoto (2010, hlm. 100) Jika residualnya mempunyai varians yang sama disebut terjadi Homoskedastisitas dan jika variansnya tidak sama atau berbeda disebut terjadi Heteroskedastisitas.
Sunyoto (2010, hlm. 100) kemudian menjelaskan persamaan regresi yang baik jika tidak terjadi Heteroskedastisitas. Misalkan :
1) Nilai statistik dari 5 mahasiswa kelas A yaitu 70, 69, 71, 73, 70 cenderung lebih seragam atau tidak bervariasi karena selisihnya kecil, kejadian ini disebut homoskedastisitas
2) Nilai statistik dari 5 mahasiswa kelas B yaitu 30, 90, 60, 80, 40 cenderung tidak seragam atau sangat bervariasi, karena selisihnya besar, kejadian ini disebut heteroskedastisitas
Analisis uji asumsi heteroskedastisitas hasil output SPSS melalui grafik
scatterplot antara Z prediction (ZPRED) yang merupakan variabel bebas (sumbu
X= Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y= Y prediksi – Y riil). Ketentuannya adalah:
1) Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur. 2) Heteroskedastisitas terjadi jika pada scatterplot titik-titiknya mempunyai pola
yang teratur baik menyempit, melebar maupun bergelombang-gelombang. Adapun langkah pengujiannya peneliti menggunakan Statistik SPSS versi 20 sebagaimana yang telah dijelaskan oleh Sunyoto (2010, hlm. 101) sebagai berikut :
1) Buka file data yang berisi variabel bebas dan variabel terikat 2) Klik menu statistic/ analyze
3) Pilih submenu regression, klik linier, muncul dialog linier regression 4) Box dependent isikan : variabel terikatnya (Y= akhlak)
56
5) Box independent isikan : variabel bebasnya (X1 = PAI, X2 = Ekskul)
6) Klik plots, muncul linier regression plots dan isikan : 7) Variabel SRESID disumbu Y
8) Variabel ZPRED disumbu X 9) Klik continue
10) Klik OK (muncul output SPSS)
c. Uji Normalitas
Sunyoto (2010, hlm. 103) mengungkapkan,
Selain uji asumsi klasik multikolinieritas dan heteroskedastisitas, uji asumsi klasik yang lain adalah uji normalitas, dimana akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan. Berdistribusi normal atau berdistribusi tidak normal. Persamaan regresi bisa dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali. Uji asumsi klasik normalitas dalam diktat ini ada dua cara yang dibahas yaitu cara statistik dan semi manual.
Dalam menguji data variabel bebas dan data variabel terikat berdistribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva (skewness= α3) atau nilai keruncingan kurva (kurtosis= α4) diperbandingkan dengan nilai Z tabel.
Rumusan nilai Z untuk kemiringan kurva (skewness) : Z skewness = Skewness / 6 / N atau Zα3 = α3 / 6 / N Rumusan nilai Z untuk keruncingan kurva (kurtosis) : Z kurtosis =kurtosis / 24 / N atau Zα3 = α4 / 24 / N Dimana N = banyak data
Ketentuan analisis :
1) Variabel (bebas atau terikat) berdistribusi normal jika Z hitung (Zα3 atau Zα4) < Z tabel
57
2) Misalnya diketahui Z5% = 1,96 (Z tabel) lebih besar dari Z hitung atau dengan kata lain Z hitung lebih kecil dari Z tabel (1,96), dapat dituliskan Z hitung < 1,96
3) Variabel berdistribusi tidak normal jika Z hitung (Zα3 atau Zα4) > Z tabel.
4) Misal nomor (a), dapat ditulis Z hitung > 1,96
Adapun langkah pengujian asumsi klasik normalitas Sunyoto (2010, hlm. 104)
dapat dilakukan semi manual, maksudnya kita dalam mencari nilai
skewness (α3) dan nilai kurtoris (α4) dari data variabel bebas (X) maupun
data variabel terikat (Y) menghitung dengan rumus yang ada dalam buku statistik deskriptif, baru setelah ketemu nilainya, kemudian dicari Zα3 dan Zα4 rumus di atas. Atau dapat pula melalui perhitungan komputer program
SPSS untuk mencari nilai skewness (α3) dan nilai kurtosis (α4)
Kemudian Sunyoto (2010, hlm. 104) menjelaskan langkah-langkahnya sebagai berikut:
1) Buka file data yang berisi variabel bebas dan variabel terikat 2) Klik menu statistic/ analyze, pilih deskriptive statistic 3) Klik frequencies
4) Kemudian masukkan data variabel (bebas atau terikat, hanya satu variabel dulu diolah)
5) Klik tombol statistic, tandai √ pada skewness dan kurtosis
6) Tekan continue, kemudian OK 7) Muncul output SPSS
d. Uji Autokorelasi
Sunyoto (2010, hlm. 110) menjelaskan bahwa,
Persamaan regresi yang baik adalah yang tidak memiliki masalah dan autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu periode t-1 (sebelumnya).
Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW) dengan ketentuan sebagai berikut :
58
Terjadi autokorelasi positif, jika DW dibawah -2 (DW < -2)
Tidak terjadi autokorelasi, jika nilai DW berada di antara -2 dan 2 atau -2 ≤ DW ≤ 2
Terjadi autokorelasi negatif jika nilai DW di atas +2 atau DW > +2
Sunyoto (2010, hlm. 104) kemudian menjelaskan mengenai langkah pengujian Durbin-Watson menggunakan statistik SPSS versi 20 sebagai berikut:
1) Buka file data
2) Klik menu statistic/ analyze, pilih regression, pilih linier 3) Box dependent isikan : variabel terikatnya (Y= akhlak)
4) Box independent isikan : variabel bebasnya (X1 = PAI, X2 = Ekskul)
5) Case labels isikan : periode waktunya 6) Klik tombol statistic
7) Aktifkan durbin-watson 8) Tekan continue
9) Klik OK (muncul output SPSS)
