1 Puji dan syukur kita panjatkan kehadirat Allah SWT., shalawat dan salam yang senantiasa
tercurah kepada junjungan dan tauladan, Muhammad Rasulullah, keluarga dan para sahabatnya.
Alhamdulillah atas segala rahmat dan karuniaNya sehingga pada kesempatan kali ini, saya dapat
menyelesaikan Modul SPSS 17.0.
Modul SPSS 17.0 dibuat sebagai panduan belajar mengenai salah satu perhitungan statistik
yang pada umumnya kerap dihadapi oleh mahasiswa dalam mengerjakan tugas. Modul ini memuat
tentang cara meregresikan data dalam jumlah banyak dengan langkah$langkah yang mudah untuk
dipahami dan dipelajari.
Saya menyadari bahwa modul ini masih jauh dari kata sempurna karena keterbatasan yang
saya miliki, karena itu saya mengucapkan terima kasih untuk saran dan kritik yang telah terima
maupun yang akan diterima. saya juga menyadari bahwasanya di dalam penyusunan modul ini tidak
dapat berjalan dengan baik tanpa bantuan berbagai pihak, untuk itu saya mengucapkan terima kasih
kepada semua pihak yang telah membantu dalam pembuatan modul ini. Dan juga kepada pembaca
yang telah menggunakan modul ini sebagai salah satu sumber pembelajaran .
Semoga modul ini dapat bermanfaat bagi para pembaca untuk memberikan tambahan
pengetahuan, dan wawasan mengenai salah satu program statistik khususnya SPSS 17.0
2
SPSS ( ) adalah sebuah program pada komputer
yang digunakan untuk membuat analisis statistika. SPSS (pertama dirilis pada tahun 1968, dan
diciptakan oleh , seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang
sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu
Politik di University of Chicago.
Sekarang ini SPSS yang berkembang sudah berbasis Windows sehingga di kenal dengan
SPSS for windows. Petama kali muncul versi windows adalah SPSS for Windows versi 6.00, hingga
kini SPSS yang paling terbaru adalah SPSS 19. SPSS memilik banyak kegunaan bagi pengguna
seperti peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti pendidikan,
organisasi pemasaran, dan sebagainya.
Pada dasarnya pengoperasian SPSS memiliki kesamaan dalam berbagai versi, perbedaan
hanya pada fasilitas tambahan yang ditawarkan. Selain itu, SPSS merupakan software statistik yang
paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya. Oleh karena itu,
diharapkan dengan penggunaan SPSS dapat memberikan kemudahan dan ketepatan dalam mengolah
data.
Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari
analisis data adalah untuk mendapatkan informasi yang relevan yang terdapat dalam data tersebut
dan menggunakan hasilnya untuk memecahkan suatu masalah. Dalam bab pendahuluan ini, sebelum
mengolah data, diperlukan pengelompokkan data terlebih dahulu agar dapat menghasilkan penelitian
dengan hasil yang baik.
Data metriks atau data kuantitatif yaitu data yang berupa angka menunjukkan jumlah atau
banyaknya sesuatu unit.
Data nonmetrik atau data kualitatif yaitu data yang berupa huruf, data yang dikategorisasi
3 Skala Nominal yaitu skala pengukuran yang menyatakan kategori interistik atau klasifikasi
dari konstruksi yang diukur dalam bentuk variabel dan merupakan data nonparametik atau
data kualitatif (data bukan angka). Contohnya jenis kelamin.
Skala Ordinal yaitu skala pengukuran yang tidak hanya menyatakan kategori tapi juga
menyatakan peringkat konstruksi yang diukur dan data nonparametik atau data kualitatif.
Skala Internal (Jarak) yaitu skala pengukuran yang menyatakan kategori, peringkat dan jarak
konstruksi. Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal
dan ordinal dan ditambah ada interval yang tetap dan menggunakan data parametik atau data
kuantitatif (data yang berupa angka).
Skala Ratio yaitu skala perbandingan yang menunjukkan kategori, peringkat, jarak dan
perbandingan konstruksi yang diukur. Skala ratio memiliki semua karakteristik yang
dipunyai oleh skala nominal, ordinal, dan interval dan merupakan data parametik atau
kuantitatif (data yang berupa angka). Pengukuran rasio biasanya dalam bentuk perbandingan
4 Untuk file baru dapat dibuat dengan mengaktifkan SPSS 17.0 dilakukan dengan cara yaitu :
1) Klik menu
2) Klik
3) Klik
5 3
4 5
6 2
6 Keterangan :
% & % merupakan pilihan apabila akan menjalankan tutorial SPSS.. Memiliki tampilan seperti yang ada di bawah ini :
Ada 14 macam tutorial yang disajikan dalam SPSS 17.0 dan apabila ingin
memilih salah satu di anataranya, &' kursor dan ' ' bagian tutorial yang ingin dituju. Selanjutnya untuk menjalankan tutorial dengan meng$' ' tanda
yang terletak di bawah kanan tutorial.
() * "Apabila akan memasukkan data baru dengan pilihan perintah () * , maka secara otomatis SPSS akan memunculkan pada dan
.
% + ,% (" Pilihan ini memuat menu Open atau membuka file dengan tipe file *.spq.
- . ,% ( % / 0 1 * merupakan pilihan untuk mengekstrak data non$SPSS. Biasanya default SPSS adalah data source Dbase
7 mengambil data selain default ini, klik ** 2 - % seperti tampilan di bawah ini :
2) + * % merupakan pilihan apabila akan membuka file yang baru dibuka atau dengan tipe file *.sav
!
8
2) & () merupakan pilihan untuk membuka file dengan tipe file selain *.sav.
5) Setelah memilih salah satu dari cara membuka file maka klik 2 "
2
Ada 2 macam data editor di dalam SPSS yaitu :
" 3 .
adalah tempat di mana data statistik yang akan diolah (sudah dalam bentuk angka
skala). Data view memiliki tampilan seperti di bawah ini :
# $
B
C
D
9
4
a) / merupakan nama dari judul SPSS yang sedang dibuka. Pada umumnya, nama yang diberikan oleh SPSS pada saat membuka pertama kali yaitu
b) % berisi perintah mengenai menu di mana di dalamnya terdapat Submenu yang digunakan untuk memproses data yang akan diolah.
, pada menu utama File memuat 20 pilihan sub$menu.
Pada menu utama File memuat sub$submenu tentang file, di antaranya membuat file
baru ( ), membuka ( ! ), menutup (" ), dan menyimpan file (
# $).
* merupakan submenu untuk melakukan pengeditan data yang telah dimasukkan pada SPSS Data Editor. Beberapa kegunaan dari submenu dari menu
utama Edit adalah melakukan % atau mengembalikan terakhir yang
dilakukan, sedangkan sebaliknya, % – untuk menghapus data, !& –
10 ! untuk menggandakan dan duplikasi data, untuk mencari data, dan !&–
! untuk mengganti variabel data.
5 .$ merupakan menu yang menampilkan submenu untuk menampilkan status toolbar yang sedang aktif ( % ' ), dan huruf yang digunakan.
Pilihan submenu dari menu utama View seperti berikut :
' (!
11
$merupakan menu yang menampilkan submenu untuk melakukan perubahan$ perubahan terhadap data SPSS, seperti mendefinisikan nilai label data (define
variable properties…), mendefinisikan waktu (define dates…), mengurutkan data
(sort cases), dan memisah isi file dengan riteria tertentu (split file).
, merupakan pilihan menu utama yang melakukan operasi transformasi
data, seperti menghitung variabel data ( (!% $)* mengubah data (
( $ $) ataupun me$ranking data
12
(1 , merupakan menu utama yang menjadi pusat pengolahan data SPSS,
menampilkan 21 submenu.
)
13
)& , dikelompokkan hanya menjadi 4 submenu, yang menampilkan berbagai
bentuk grafik dan chart.
, menu utama yang merupakan pelengkap pada pengoperasian SPSS ini
menyajikan 9 submenu. Beberapa kegunaansubmenu dari menu utama Utilities
adalah menampilkan informasivariabel ( $), mendefinisikan, dan
menampilkan variabel data ( % $).
14
**6 , merupakan menu utama yang menawarkan pelayanan SPSS lewat
website.
0 * ., menu ini memberikan informasi window yang sedang aktif.
), menu yang memuat 9 submenu ini memberikan bantuan informasi tentang
topik$topik SPSS ( ! ) ataupun dalam bentuk tutorial (% ).
"
15 c) / berisi icons yang membantu dan mempermudah mengelola data dengan cepat.
Berikut beberapa icons yang terdapat pada toolbar :
merupakan icon untuk membuka file.
merupakan icon untuk menyimpan file.
merupakan icon untuk mencetak data.
icon untuk mengembalikan terakhir.
icon untuk mengulang action yang baru saja dilakukan.
16
7" 5 / 3 .
+ merupakan bagian yang digunakan untuk mendefinisikan variabel data
yang akan dimasukkan. Untuk mengaktifkan kotak + + lakukan dengan ' ' + + (bagian yang diberi kotak). + memiliki gambar seperti di bawah ini :
Di dalam Variabel View di atas memiliki keterangan sebagai berikut:
: berisi nama variabel. Misal dengan memberikan nama variabel data pertama,
maka klik kolom pada baris pertama, misalnya 8 "
() : merupakan tipe data, berbagai macam type yang ada memiliki fungsi yang berbeda yaitu :
a. % untuk data angka dengan lebar 8 digit dan 2 angka desimal di belakang koma
b. untuk data teks, biasanya data berupa nama. Contoh : nama perusahaan.
1 2
3 4 5 6
7 8 9
10
17 c. adalah data yang dimasukkan berupa tanggal dst.
0 * & : diisikan sejumlah karakter (lebar kolom) yang akan diinput dalam Data View. Untuk tipe data numerik, lebar maksimal 40 digit, sedangkan tipe data string lebar
maksimal 32767digit. Apabila menginginkan menambah lebar ditambah, klik tanda
) & ' , sebaliknya untuk mengurangi digit lebar, klik ) & ' / . &.
: diisi jumlah desimal karakter maksimal yang akan diinput dalam Data View.
SPSS memberikan default 2 angka desimal di belakang koma. Jika jumlah desimal ingin
ditambah, klik * ) & ' dan sebaliknya untuk mengurangi digit lebar, klik
) & ' / . &.
/ : kolom yang menunjukkan tambahan informasi dengan memberikan label variabel data.
5 % : untuk memberi kodefikasi, misalnya Motor=1, Mobil=2, 3=Jalan kaki.
*
18 : untuk merupakan kolom yang menunjukkan data yang hilang) Namun, jika
data lengkap (tidak ada data yang hilang) maka kolom ini dapat diabaikan.
- % : Memiliki fungsi mengubah jumlah karakter yang dapat dimasukkan pada suatu variabel tertentu. Bila kita mengisi coloumns dengan angka 2, maka hanya dua
digit data saja yang dapat dimasukkan pada variabel tersebut.
: untuk pengaturan tampilan perataan kata dalam Data View, seperti left, centre,
right.
% : merupakan tipe variabel yang akan menentukan jenis analisis yang akan digunakan. Maka secara default akan terpilih Nominal atau ordinal , jika variabel bertipe
/
19 string. Scale digunakan apabila data yang ingin kita olah akan dibuat skala pengukuran
(range).
Di bawah ini adalah Tabel 1.1 yang merupakan contoh data yang akan diolah ke dalam SPSS
di mana jumlah data ada 84 buah dengan variabel DER(Hutang), NPM(Net Profit Margin), STKTR
AKTV(Struktur Aktiva), GROWTH(pertumbuhan), CR (Current Rasio) :
21
Kemudian langkah yang dilakukan untuk memindahkan data ke dalam SPSS dengan :
22 Pilih () * , - )( data di atas dan di Data View seperti gambar di bawah ini :
5
Untuk mengganti nama variabel pada data view, dengan cara :
Membuka Variabel View
! # $
23
%/ ' ' variabel pada Tab Nama untuk mengganti sesuai dengan variabel yang dihendaki.
9
Untuk menyimpan data dalam SPSS, hal yang perlu kita lakukan :
Pada file yang sedang di buka pada SPSS, klik menu
Pilih Submenu 3
//
24 Maka akan mucul kotak seperti d bawah ini, dan pada kotak berisi nama
file yang akan kita simpan misalnya SPSS.REGRESI dan pada kotak 3 ()
berisi SPSS Statistics (*sav)
Pilih 3 , maka data akan tersimpan dengan nama file SPSS.REGRESI.sav.
25
-
2
Untuk melakukan uji statistik langkah awal yang harus dilakukan adalah dengan screening
terhadap data yang akan diolah. Salah satu asumsi penggunaan statistika parametik adalah asumsi
multivariate normality. Multivariate normality merupakan asumsi bahwa setiap variabel dan semua
kombinasi linear dari variabel distribusi normal. Asumsi multivariate normality ini dapat diuji
dengan melihat normalitas suatu variabel.
Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk
setiap multivariate. Dengan demikian, data yang berdistribusi normal akan menghasilkan model
regresi yang baik. Ada beberapa cara yang dapat digunakan dalam mendekteksi normalitas data,
namun pada modul ini akan menjelaskan mengenai uji statitik 36 3. Langkah analisis :
Buka file " " 5
Dari menu utama SPSS, pilih menu (1 , lalu pilih 6) , kemudian pilih submenu 6 ) 6 .
1-26 Maka akan muncul tampilan seperti di bawah ini :
Pada layar 2 6 ) 36 3 , isi variabel $ $
: $ : $ 20 * - 2 pada kotak Test
Variable List.
Untuk /% klik pada bagian "
Kemudian 2 "
Maka akan menghasilkan output :
27 Untuk probabilitas berdasarkan tabel di atas bahwa untuk variabel DER 0.156 , NPM 0.118,
STR_AKT 0.063 memiliki nilai di atas α= 0.05 yang artinya bahwa variabel$variabel tersebut
terdistribusi dengan normal sedangkan untuk variabel NET_SLS 0.000 , GROW 0.000 dan
CURRENT RASIO 0,000 berada di bawah batas α= 0.05 yang demikian variabel tersebut tidak
terdistribusi secara normal.
Kemudian apabila data tidak terdistribusi secara normal maka data perlu ditransformasi agar
menjadi normal. Untuk menormalkan data sebelumnya harus mengetahui terlebih dahulu bagaimana
bentuk grafik histrogram dari data yang ada di mana bentuk dari grafik itu sendiri ada bermacam$
macam seperti moderate positive skewness, severe positive skewness. Berikut ini cara untuk melihat
28 Kemudian akan muncul layar . Karena ada 3 variabel yang berdistribusi
secara tidak normal maka perlu melakukan 3 kali membuat grafik histogram. Setelah itu
pada kotak 3 / diisikan dengan variabel NET_SALES. Seperti tampilan di bawah ini :
Kemudian beri & ' pada kotak* ) ( % 3
Klik2 "Maka akan menghasilkan output seperti di bawah ini :
;"7
29 Lakukan hal yang sama pada variabel GROW dan CURRENT RASIO untuk sehingga
menghasilkan grafik histogram seperti yang ada di bawah ini :
;"; 20
;"<
30 Dengan melihat grafik Histogram seprti gambar di atas maka kita dapat melakukan
trasformasi data. Untuk mengetahui jenis transformasi yang akan dilakukan, maka kita harus
mengetahui termaksud jenis grafik histogram yang mana variabel$variabel tersebut. Berikut ini
bentuk transformasi yang dapat dilakukan sesuai dengan grafik Histogram :
1. Moderate Positive Skewness : SQRT(x) atau bentuk kuadrat.
2. Subtansial Positive Skewness : LG10(x) atau logaritma 10 atau LN
3. Severe Positive Skewness dengan bentuk L : 1/x atau inverse
4. Subtansial Negative Skewness : LG10(k$x)
5. Severe Negative Skewness dengan bentuk J : 1/(k$x)
Melihat bentuk Grafik yang terjadi pada Net_Sls dan Current rasio merupakan bentuk grafik
Moderate Positive Skewness sehingga untuk melakukan transformasi data dengan cara :
Buka file " " 3
Pada menu utama SPSS, menu submenu - )%
31 Maka akan muncul layar Compute Variable, untuk kotak Function group pilih
dan untuk kotak Functions dan Special variables pilih , kemudian klik tombol
maka pada kotak numeric Expression muncul Sqrt(x) untuk (x) akan diganti
dengan meng$klik 3 / : lalu tombol sehingga menjadi SQRT(NET_SALES). Kemudian pada Target variable diberi nama lain misal
: . Perhatikan gambar di bawah ini :
Pilih 2
Lakukan juga untuk variabel CURRENT RASIO dan variabel GROW dengan menggunakan
langkah seperti di atas tetapi pada kotak Funtions and Special Variables menggunakan LG10. Dan
pada Target Variable diberi nama GROW1 dan CR1. Untuk hasilnya kita dapat membuka data
editor. Akan muncul tab variabel yang baru sesuai dengan variabel yang kita beri nama tersebut.
Setelah melakukan transformasi data maka data tersebut diharapkan dapat terdistribusi
secara normal. Untuk memastikannya perlu adanya pengecekan data agar data tersebut dapat
dinyatakan normal yaitu dengan menggunakan menu utama SPSS, analyze (1 6
32
33
5
2
Uji kolerasi digunakan untuk menguji tentang ada tidaknya hubungan antar variabel satu
dengan variabel yang lainnya. Uji kolerasi belum dapat diketahui variabel penyebab dan variabel
akibat. Dalam analisis kolerasi yang diperhatiakan adalah arah (positif atau negative) dan besatnya
hubungna (kekuatan). Koefisien kolerasi mempunyai harga $1 atau +1 (bergerak dari nol hingga 1
maka semakin besar atau kuat hubungan variabel atau sempurna = 1). Sebaliknya semakin
mendekati 0 maka semakin lemah atau kecil hubungannya.
5
-2
2
Sering juga disebut dengan Product Moment Person berguna untuk menguji kolerasi antar
dua variabel di dalam melakukan uji kolerasi perlu memperhatikan Test of Significant yaitu meliputi
Two$Tailed (uji dua sisi) digunakan dalam kondisi belum diketahui bentuk hubungan antar variabel
dan One$tailed (uji satu sisi) digunakan untuk menguji test of significant dari 2 variabel, tetapi telah
diketahui adanya arah kecenderungan hubungan negative atau positif di antara 2 variabel yang
berhubungan. Cara menganalisanya adalah
Buka file " " 3
Pilih menu (1 , pilih - dan klik 3
34 Maka akan muncul layar Bivariate Correlations. Masukkan variabel dan
dalam kotak + .
Pilih - - dan 2 dengan . *
karena belum ditentukan arah hubungan dari variabel DER dan NPM.
5 0 4
35
Terdapat hubungan antara DER dengan STR_AKT sebesar 0.412. sifat kolerasi positif
menunjukkan semakin tinggi hutang akan semakin tinggi juga struktuk aktiva. Nilai signifikasi
sebesar 0.000 berarti hubungan tersebut signifikan atau diterima pada probabilitas 5%.
-2
2
kolerasi parsial digunakan untuk menguji kolerasi dengan memperhitungkan efek dari variabel
lain atau dengan kata lain kolerasi partial mengukur kolerasi antar dua variabel dengan
mengeluarkan pengaruh dari satu atau lebih variabel lain yang sering disebut dengan variabel
control. Cara pengolahan data yaitu
Buka file " " 3
36 Masukkan variabel dan : ke dalam kotak + . Masukkan variabel
- ke
-, *
37
Kemudian klik 2) dan pilih 1 6 * dan + %* . ,
tekan % lalu 2
Maka akan menghasilkan tabel seperti di bawah ini :
38
. # # %
! , !"%%% "% '
,1 ,.,/ / 6#2 , *7 " ")$(
. % !
! , "% ' !"%%%
,1 ,.,/ / 6#2 , *7 ")$( "
. ! %
" / , ; 2 * 6 7 / , "
Dari hasil koefisien antara NPM dan NET_SLS1 sebelum menghilangkan pengaruh variabel
CR1 adalah $0.047 dan signifikan pada alpha 0.05. dan setelah menghilangkan pengaruh variabel
39
5
Regresi digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih, juga
menunjukkan arah hubungan antara variabel. Variabel adalah simbol yang melekat pada bilangan
atau angka. Dalam proses aplikasi SPSS, maka data$data selalu dikelompokkan ke dalam kelompok
variabel$variabel yang sangat menentukan dalam proses penarikan kesimpulan hasil uji statistik.
Ada 2 jenis variabel di dalam SPSS yaitu :
1. Variabel bebas (independen variabel) yaitu suatu variabel yang menerangkan
(mempengaruhi) terhadap variabel lainnya. Variabel ini dalam notasinya seringkali diberi notasi X
(X1,X2,X3,dst)
2. Variabel terikat (dependent variabel) yakni suatu variabel yang dipengaruhi (diterangkan)
oleh variabel lain. Variabel ini dalam notasinya sering ditulis dengan Y.
Kemudian Regresi Linear ada 2 macam yaitu
Regresi Linear Sederhana
Regresi sederhana, bertujuan untuk mempelajari hubungan antara dua variabel. Regresi
Linear digunakan apabila variabel dependent dipengaruhi hanya satu variabel independen.
Bentuk Umum Regresi Linear Sederhana :
Y = a + bX
Analisis regresi ganda merupakan pengembangan dari analisis regresi sederhana.
Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebasnya (X) dua
atau lebih.
Analisis regresi ganda adalah alat untuk meramalkan nilai pengaruh dua variabel bebas atau
lebih terhadap satu variabel terikat (untuk membuktikan ada tidaknya hubungan fungsional atau
hubungan kausal antara dua atau lebih variabel bebas X1, X2, …., Xi terhadap suatu variabel terikat
40 Bentuk Umum Regresi Linier Berganda :
Y = a + b
struktur aktiva (STR_AKT), net sales (NET_SLS1), pertumbuhan perusahaan (GROW1), dan
current rasio (CR1) terhadap hutang perusahaaan (Y). Proses pengelohan data :
Buka file " " 3.
Klik (1 pilih klik "
41 Maka akan muncul kotak , - seperti gambar di bawah ini 4
Klik variabel dan masukkan ke kotak dependen, dan klik variabel $ : $ 20 $ : $dan- ke dalam kotak independen.
Abaikan semua pilihan dan pilih 2 .
2
Koefisien determasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam
variasi variabel dependen. Bila nilai R2 kecil berarti kemampuan variabel$variabel independen
dalam menjelaskan variasi variabel sangat terbatas. Kelemahan mendasar penggunaan koefisien
determasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model.
Setiap tambahan satu variabel independen, maka nilai R2 akan meningkat tidak peduli apakah
variabel tersebut berpengaruh secarasignifikan terhadapo variabel dependen.
42 Dari tampilan output SPSS di atas besar dari Adjusted R2 adalah 0.474 atau hanya sebesar
47,7% DER dapat dijelaskan oleh keempat variabel independen CR1, GROW1, NPM, STR_AKT,
NET_SLS1 dan sisanya dijelaskan oleh variabel lainnya. SEE (Standart Error of estimate) sebesar
0.58837. semakin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi
variabel dependen.
8
Pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama$sama terhadap variabel dependen
atau terikat.
0.000. karena probabilitas jauh lebih kecil dari α = 0.05 maka model regresi dapat digunakan untuk
memprediksi nilai DER atau yang artinya variabel CR1, GROW1, NPM, STR_AKT, NET_SLS1
secara bersama$sama mampu menerangkan variabel DER.
8
Uji ini untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen
secara individual dalam menerangkan variasi variabel dependen. Untuk menginterprestasikan
koefisien variabel bebas (independen) dapat menggunakan unstandardized coefficients maupun
standardized coefficients yaitu dengan melihat nilai signifikasi masing$masing variabel independen
dari tabel di bawah ini bahwa nilai NET_SLS1 0.480 dan CR1 0.61 memiliki niali jauh di atas 0.05
sedangkan NPM 0.000 , STR_AKT 0.000 , dan GROW1 0.013 memiliki nilai yang signifikan pada
43
2"% ! "%% 2"&%! 2&"!(( "%%%
!" ' "'!& " ) "&&( "%%%
! 2#"'$& 2& "%%% 2"%(% 2"(!% " %
! "'$' "!& "#' #"& "%!'
! 2" $ "#)! 2"#% 2!"$%) "%)!
44
5
8
8
2 2
Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya
kolerasi antar variabel bebas. Model regresi yang baik sebagiknya tidak terjadi kolerasi di antara
variabel terikat. Untuk mendektesi adanya atau tidaknya multikolonieritas dalam model regresi
dapat dengan cara :
Nilai R2 yang dihasilkan oleh oleh suatu estimasi model empiris sangat tinggi, tetapi
biasanya variabel$variabel independen banyak yang tidak signifikan terhadap variabel
dependentnya.
Dengan melihat batas tolerance yang memiliki nilaki kurang dari 0.10 yang berarti tidak ada
kolerasi antar variabel independen. Kemudian dari nilai VIF (Variance Inflation Factor) juga
menunjukkan hal yang sama yaitu tidak adanya penyakit multikolonieritas dengan nilai dari
VIF lebih dari 10.
Selain itu dari Ouput SPSS juga bisa dilihat nilai CI (Condition Index). Jika nilai CI > 30
maka dalam model terdapat penyimpangan Asumsi Klasik Multicolinierity.
Langkah untuk menganalisis penyakit multikolonieritas yaitu :
1. Buka file SPSS.REGRESI.sav
2. Pilih menu Analyze, submenu Regresi lalu pilih Linear Regression.
45 3. Maka akan muncul layar windows Linear Regression.
Pada kotak Dependent isikan variabel dan pada kotak Independen isikan $ : $ : $ 20 * - .
4. Untuk menampilkan matrik kolerasi dan nilai Tolernace serta VIF pilih
maka akan muncul layar tampilan windows Linear Regression Statistics. Akifkan
pilihan - 3 +dan - ( "
" 6 * 6 /
46 5. Tekan - % $abaikan yang lain dan tekan2
6. Maka akan muncul tampilan SPSS :
>"
Melihat besaran kolerasi antar variabel independen tampak bahwa variabel NET_SLS1
1.000 , variabel CR1 0.395 , NPM 0.114 memiliki kolerasi yang cukup tinggi , sedangkan
STR_AKT 0.089 dan GROW1 $0.043 atau sekitar 43%. Oleh karena itu kolerasi ini masih di bawah
95%, maka dapat dikatakan tidak terjadi multikolonieritas serius.
Kemudian dari hasil tabel 4.2 di bawah ini, nilai Tolerance untuk NET_SLS1 0.778 , NPM
0.815 , STR_AKT 0.797 , GROW1 0.874 , CR1 0.664 menunjukkan nilai kurang dari 0.10 yang
berarti tidak ada kolerasi antar variabel independen yang nilainya lebih dari 95%. Hasil perhitungan
nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama, bahwa variabel NET_SLS1
1.286 , NPM 1.228 , STR_AKT 1.254 , GROW1 1.144, CR1 1.506 tidak ada satu variabel
independent yang memiliki nilai VIF lebih dari 10. Jadi tidak ada multikolonieritas antar variabel
47
Nilai CI yang dihasilkan untuk masing$masing variabel independen adalah kurang dari 30
48
8
2 2
Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara
kesalahan penggangguan pada perioade t dengan kesalahan pengganggu pada periode t$1
(sebelumnya). Jika adanya kolerasi maka adanya penyakit autokolerasi. Masalah ini disebabkan
karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya.
Apabila pada salah satu terdapat gangguan maka cenderung mempengaruhi gangguan untuk periode
berikutnya. Ada beberapa cara yang dapat digunakan untuk mendekteksi ada atau tidaknya
autokolerasi, pada modul ini akan menjelaskan dengan Uji Durbin Watson (DW test)
Digunakan untuk autokolerasi tingkat satu dan mensyaratkan adanya intercept (konstanta)
dalam model regresi. Hipotesis yang akan diuji adalah :
H0 : tidak adanya autokolerasi.
H1 : adanya autokolerasi.
Pengambilan keputusan autokolerasi :
Hipotesis nol Keputusan Jika
Tidak ada autokolerasi
positif
Tolak 0 < d < dl
Tidak ada autokolerasi
positif
No desicion dl ≤ d ≤ du
Tidak ada autokolerasi
negatif
Tolak 4$dl < d <4
Tidak ada autokolerasi
negatif
No desicion 4$du ≤ d ≤ 4$dl
Tidak ada autokolerasi,
positif atau negatif
49 Langkah yang digunakan untuk mengetahui ada tidaknya autokolerasi :
1. Buka file " " 3
2. Menu (1
Kemudian Pada kotak Dependent isikan variabel dan pada kotak Independen isikan
$ : $ : $ 20 * - "
" , *
50 3. Pilih maka akan muncul layar tampilan windows Linear Regression Statistics.
Kemudian & ' bagian Residuals Durbin$Watson.
4. Pilih- % kemudian2 "
menggunakan signifikasi 5%, jumlah sampel 84 (n) dan jumlah variabel independen 5 (k=5) maka di
table Durbin Waston akan didapatkan nilai du sebesar1.386 dan nilai dl = 1.630. Oleh karena nilai
DW lebih besar dari (du) 1.386 dan kurang dari 4$dl(4$1.630=3.370), maka dapat disimpulkan
bahwa H0 diterima yaitu tidak adanya atau tidak terdapat autokolerasi. (untuk angka du dan dl dapat
dilihat di tabel).
" " 6 /
51
8
2
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas. Model regresi yang baik adalaha Homoskedastisitas atau tidak
Heteroskedetisitas. Dalam modul ini, akan menerangkan menguji ada tidaknya Heteroskedastisitas
dengan Uji Park. Regression sehingga muncul kotak Linear Regression Save, & ' t unstandardized residual.
52 4. Pilih - % lalu 2 . Maka pada + akan muncul 1 Variabel baru dengan
nama Res_1 yang merupakan nilai residual.
5. Kuadratkan nilai residual (Res_1*Res_1) tersebut dengan cara menu
- )% 5 / kemudian beri nama :7dan klik2 "
6. Kemudian ' :7dengan menu dan- )% "
" % 4 #
53 7. ' LNRes_2 sebagai variabel dependen dan variabel NPM, NET_SLS1,
STR_AKT, GROW1 dan CR1.
Maka akan menghasilkan output sebagai berikut :
>"=
! 2"& ) "$# 2"%$& 2")'# "&'% ")) !"&%)
" 5 * : , > #
54 HasiL output SPSS memberikan koefisien variabel independen tidak ada yang signifikan,
55
a) Bagaimana cara mengidentifikasi data di atas sudah terdistribusi dengan normal?
56 Sumber :
Ghozali, Imam. 2006. #! # .% ( . Semarang :
Badan Penerbit Universitas Diponegoro.
Juliandi, Azuar. 2007 . Pengolahan Data Penelitian Menggunakan Spss Korelasi Dan
Regresi. http://www.azuarjuliandi.com
Oswari, Teddy. SPSS for Psychology. http://staffsite.gunadarma.ac.id/toswari/.
Wijaya, Tony. 2009. Analisis data Penelitian Menggunakan SPSS. Yogyakarta : Penerbit
