Statistika merupakan salah satu hal yang tidak pernah lepas dari dunia kerja maupun akademik. Dalam ilmu statistika sendiri, kamu akan mengenal banyak sekali istilah tertentu, salah satunya adalah uji asumsi. Lalu, sebenarnya pengertian istilah tersebut? Bagaimana tahapannya? Yuk, simak dalam ulasan berikut ini!
Daftar ISI
Apa itu Uji Asumsi?
Uji asumsi merupakan salah satu jenis uji dalam ilmu statistika yang memiliki tujuan untuk memenuhi syarat statistika. Jenis uji ini harus kamu penuhi pada analisis regresi linier berganda. Umumnya, uji ini dilakukan sebelum mengembangkan atau membuat hipotesis pada sebuah penelitian.
Apabila nantinya hasil uji tidak sesuai dengan hipotesis yang ada, maka akan banyak sekali timbul reaksi. Oleh karena itu, uji ini sangat penting adanya dalam sebuah penelitian. Parah ahli statistika juga banyak menjelaskan tentang makna dari pengujian asumsi itu sendiri.
Menurut Azwar, apabila terjadi suatu kasus di mana uji tidak sesuai dengan keinginan peneliti, maka hasil yang didapatkan tidak sepenuhnya salah atau invalid. Ketika menemui kasus seperti ini, sebaiknya kamu tidak perlu melakukan manipulasi data dan membiarkan data berjalan apa adanya saja.
Berbagai Jenis Uji Asumsi
Setelah mengenal pengertiannya, selanjutnya kamu akan mengenal berbagai jenisnya. Jenis uji ini terdiri atas uji normalitas, multikolinearitas, heteroskedasitas, dan sebagainya. Simak penjelasan berikut untuk lebih lengkapnya:
1. Uji Normalitas
Uji normalitas merupakan salah satu jenis uji yang dilakukan untuk melihat apakah ada ketidaknormalan pada suatu residu atau data. Jenis uji ini tidak perlu kamu lakukan pada semua data yang ada. Jadi, kamu hanya perlu menguji nilai residual dalam penelitian saja.
Kesalahan yang sering terjadi adalah melakukan tes normalitas pada setiap variabel. Padahal, model regresi memerlukan normalitas pada nilai residual dan bukan pada variabel penelitian.
Pengamatan pada data normal dapat menghasilkan beberapa ekstrem rendah serta sangat ekstrem. Biasanya akan terakumulasi di tengah, begitu pula dengan nilai rata-rata media relatif serta mode yang berdekatan.
2. Uji Autokorelasi
Uji autokorelasi adalah uji asumsi yang dilakukan untuk melihat apakah terjadi korelasi antara suatu periode dengan periode-periode sebelumnya dalam model regresi. Dalam analisis regresi, uji autokorelasi bertujuan untuk menguji pengaruh variabel independen pada variabel dependen.
Contoh dari uji autokorelasi adalah dampak inflasi bulanan pada nilai tukar rupiah terhadap dolar. Data pada tingkat inflasi untuk bulan tertentu dipengaruhi oleh tingkat inflasi pada bulan sebelumnya. Oleh karena itu, model tersebut memiliki masalah autokorelasi.
Uji ini hanya bisa kamu lakukan pada data runtut waktu atau time series dan tidak perlu dilakukan pada data cross section. Contohnya seperti kuesioner, di mana pengukuran seluruh variabel dapat dilakukan secara serempak pada waktu bersamaan.
3. Uji Linearitas
Uji linearitas adalah uji yang digunakan untuk melihat apakah model yang telah dibangun memiliki hubungan linear atau tidak. Tes uji linearitas ini jarang dipakai dalam beberapa studi. Sebab, biasanya dibangun atas dasar studi teoritis bahwa ada hubungan antara variabel independen dengan dependen yang bersifat linier.
Jika hubungan kedua variabel belum kamu tahu memiliki hubungan linear atau tidak. Maka, uji ini tidak bisa kamu gunakan untuk penyesuaian. Tes linearitas dapat kamu lakukan dengan menggunakan uji Durbin Watson serta tes pengali Lagrange atau tes Ramsey.
4. Uji Multikolinearitas
Uji lain dalam regresi linier berganda adalah uji multikolinearitas. Ini bertujuan untuk menentukan apakah ada korelasi tinggi antara variabel independen dalam model regresi linier berganda. Jika ada korelasi tinggi antara variabel independen, maka hubungan antara keduanya akan terganggu.
Sebagai contoh, dalam model regresi dengan variabel independen motivasi, kepemimpinan, dan kepuasan kerja, serta variabel dependen kinerja.
Jika model mencari kinerja berdasarkan dampak motivasi, kepemimpinan, dan kepuasan kerja. Maka, tidak boleh ada korelasi yang tinggi antara motivasi dan kepemimpinan, motivasi dan kepuasan kerja, atau kepemimpinan dan kepuasan kerja.
Ketika menguji multikolinearitas, kamu dapat menggunakan alat statistik. Contohnya seperti variance inflation factor (VIF), korelasi Pearson antara variabel independen, atau pertimbangan dari nilai eigen dan indeks kondisi.
5. Uji Heteroskedastisitas
Pada uji heteroskedastisitas, peneliti dapat memeriksa apakah terdapat perbedaan yang tidak sama antara residu satu dengan pengamatan lainnya dalam model regresi.
Bukti dari uji asumsi dapat kamu buat lewat penggunaan metode scatterplot dengan melakukan plotting pada nilai prediktif dengan nilai sisa. Ketika grafik tidak mengandung beberapa pola tertentu, seperti berkumpul di tengah, lebih besar, menyempit maupun memperkecil. Maka, modelnya terbilang bagus.
Apabila model melanggar asumsi heteroskedastisitas, solusi alternatif yang dapat kamu gunakan adalah dengan mengubah menjadi bentuk-bentuk logaritmik. Bisa juga dengan membagi seluruh variabel dengan variabel lainnya yang mengalami gangguan serupa, yaitu gangguan heteroskedastisitas.
6. Uji Homogenitas
Ini adalah uji untuk melihat apakah dua kelompok ataupun lebih data sampel berasa dari populasi dengan variansi sama. Jadi, tujuannya adalah untuk melihat apakah himpunan data dalam penelitian memiliki karakteristik sama atau tidak.
Pengelompokkan variabel dengan variansi yang sama merupakan persyaratan analisis dalam regresi. Uji ini tidak selalu digunakan dalam uji parametrik. Biasanya hanya pada kasus untuk menguji perbedaan dua atau lebih kelompok. Beberapa tekniknya adalah Uji F, barlett, harley, dan levene.
Cara Melakukan Uji Asumsi Melalui SPSS
Setelah kamu mengetahui apa berbagai jenisnya, tak lengkap rasanya jika tidak mempraktikkan secara langsung bagaimana uji tersebut. Berikut adalah contoh tahapan melakukan salah satu uji, yaitu normalitas:
1. Instal Aplikasi SPSS
IBM SPSS adalah aplikasi perangkat lunak statistik yang berguna untuk melakukan analisis data dan pengolahan statistik, termasuk uji asumsi. Aplikasi ini menawarkan berbagai fitur dan algoritma pembelajaran mesin yang canggih, analisis teks, serta sumber terbuka.
Kamu dapat mengunduh aplikasi SPSS di situs resmi IBM https://www.ibm.com/products/spss-statistics.
2. Memasukkan Variabel pada kolom Variabel View
Setelah melakukan pengunduhan dan instalasi, kamu bisa membuka lembar kerja baru. Setelah lembar kerja baru terbuka, kamu dapat memasukkan data variabel untuk memulai pengujian.
3. Memasukkan Data pada Data View
Setelah variabel penelitian sudah masuk, maka selanjutnya kamu dapat memasukkan data hasil penelitian sesuai dengan variabel yang telah ada. Caranya dengan masuk ke bagian data view.
4. Melakukan Analisa
Tahapan uji asumsi selanjutnya, kamu dapat langsung melakukan analisa. Caranya dengan klik analytics kemudian regression dan klik linier.
5. Setting Variabel
Setelah itu, masukkan variabel yang akan kamu analisis dengan klik satu kali pada variabel yang dituju. Variabel X masuk ke independent dan variabel Y ke dependent.
6. Klik Statistic
Setelah memasukkan variabel yang kamu tuju, maka selanjutnya dapat memulai uji statistika dengan klik pada kolom statistics dan pilih collinearity diagnostics. Klik continue.
7. Klik Plots dan Save
Lalu, pada bagian Plots, kamu bisa memindahkan *SRESID pada kolom Y dan *ZPRED pada kolom X. Klik pada histogram dan normal probability plot. Sedangkan pada bagian Save, pilih unstandardized. Klik continue untuk melanjutkan uji asumsi normalitas.
8. Interpretasi Hasil
SPSS akan otomatis menjalankan analisa dan hasil analisa akan keluar dalam bentuk tabel. Selanjutnya, kamu bisa menginterpretasikan hasil sesuai dengan tujuan analisa.
Sudah Memahami Bagaimana Cara Melakukan Uji Asumsi?
Berikut tadi adalah pengertian hingga cara melakukan uji asumsi dalam bidang statistika. Selain melihat tutorial dan mempelajari dengan saksama, kamu juga harus mempraktikkan cara uji ini secara langsung. Sehingga, kamu akan lebih memahami dan mengerti bagaimana cara melakukan uji.
Umumnya, pada hasil uji kamu bisa melihat hasil signifikansi yang kurang dari 0,05. Jika hasilnya kurang, berarti terdapat pengaruh antar variabelnya. Bagaimana, kamu sudah berhasil melakukan uji sendiri?
