Img: Dokumen hasil olah data dengan sumbangan acara SPSS versi 21]
UPDATE DATA: JUM'AT, 19 FEBRUARI 2021 Sumber https://spssindo.blogspot.com
UPDATE DATA: JUM'AT, 19 FEBRUARI 2021 Sumber https://spssindo.blogspot.com
Tampilkan postingan dengan label Uji Asumsi Klasik. Tampilkan semua postingan
Tampilkan postingan dengan label Uji Asumsi Klasik. Tampilkan semua postingan
Jumat, 14 Februari 2020
Kamis, 13 Februari 2020
Rabu, 12 Februari 2020
Rabu, 05 Februari 2020
Cara Uji Wajar Probability Plot Dalam Model Regresi Dengan Spss
Sesuai namanya, uji normalitas dilaksanakan untuk mengenali apakah suatu data mampu dibilang berdistribusi wajar atau tidak. Kenormalan distribusi suatu data ialah suatu kewajiban yang harus tercukupi dikala kita hendak melaksanakan analisis statistik parametrik (dalam hal ini yakni analisis regresi linear sederhana maupun berganda).
Uji normalitas ialah bagian dari uji asumsi klasik (uji persyaratan) dalam analisis regresi. Uji normal probability plot atau ada pula yang menyebutnya dengan nama uji P P-Plot merupakan salah satu alternatif yang cukup efektif untuk mendeteksi apakah versi regresi yang akan di analisis dalam suatu penelitian berdistribusi normal atau tidak. Teknik dalam uji normalitas ini, dikerjakan pada nilai residual dalam versi regresi dan bukan untuk masing-masing data variabel observasi. Model regresi yang bagus seharusnya memiliki nilai residual yang normal.
Untuk mendeteksi kenormalan nilai residual ini, dapat dilakukan dengan cara melihat titik-titik ploting dari hasil output SPSS dan melihat apakah titik-titik ploting tersebut berada disekitar garis diagonalnya atau tidak. Sementara itu, kalau didapati bahwa nilai residual tidak berdistribusi wajar , maka perlu dilaksanakan transformasi data ialah merubah data ke dalam bentuk lain, misal ke bentuk Ln atau logaritma natural. Atau jika dengan cara transformasi data tersebut ternyata nilai residual masih tidak berdistribusi wajar maka solusinya yaitu dengan melakukan outlier atau pemotongan (pemangkasan) data ekstrim, sehingga nilai residual dalam versi regresi dapat berdistribusi wajar . Dengan demikian, maka artinya uji normalitas residual merupakan uji yang sangat penting dilaksanakan sebelum kita menggunakan analisis regresi linear sederhana maupun berganda untuk pengujian hipotesis penelitian.
Pedoman Pengambilan Keputusan dalam Uji Normal Probability Plot
Seperti yang sudah di paparkan pada penjelasan di atas, bahwa untuk menyaksikan kenormalan dari nilai residual ini, maka kita mampu berpedoman pada titik-titik ploting yang terdapat dalam hasil output SPSS. Adapun ketentuannya adalah selaku berikut.
- Jika titik-titik atau data berada di dekat atau mengikuti garis diagonalnya maka dapat dikatakan bahwa nilai residual berdistribusi wajar .
- Sementara itu, jikalau titik-titik menjauh atau tersebar dan tidak mengikuti garis diagonal maka hal ini memperlihatkan bahwa nilai residual tidak berdistribusi wajar (Imam Ghozali, 2011: 160-161).
Contoh Kasus Uji Normal Probability Plot dalam Penelitian
Sebagai contoh, kita memiliki judul penelitian dengan versi regresi imbas Motivasi Belajar kepada Prestasi Belajar. Dari judul observasi di atas, maka dimengerti bahwa yang menjadi variabel independent (X) yakni motivasi mencar ilmu. Sementara variabel dependent (Y) adalah prestasi belajar. Sebelum kita dapat menggunakan analisis regresi linear sederhana dalam pengujian hipotesis dari judul observasi tersebut. Sebelumnya kita harus melaksanakan uji asumsi klasik mencakup uji normalitas, uji linearitas dan uji heteroskedastisitas
Uji asumsi klasik yang pertama adalah normalitas. Oleh alasannya adalah itu perlu mendeteksi apakah nilai residual dalam model regresi dalam observasi ini berdistribusi normal atau tidak. Adapun data penelitian yang mau kita uji normalitas dengan teknik probability plot ialah selaku berikut.
Keterangan: Jumlah sampel yang dipakai ialah 12 orang siswa. Data motivasi mencar ilmu (X) diperoleh dari penyebaran kuesioner atau angket. Sementara data prestasi mencar ilmu (Y) diperoleh dari nilai raport siswa pada semester 1. [Download data excel, input-output SPSS untuk latihan]
Langkah-langkah Uji Normal Probability Plot dengan SPSS
1. Langkah pertama kita buka acara SPSS versi 21. Selanjutnya klik Variabel View, pada kolom Name baris pertama kita ketik Motivasi dan pada baris kedua ketik Prestasi. Berikutnya pada bagian Decimals kita ganti menjadi 0. Selanjutnya pada bab Label baris pertama tulis dengan Motivasi Belajar (X1) dan untuk baris kedua tulis Prestasi Belajar (Y). Pada bagian Measure ubah menjadi Scale. Sementara untuk pilihan yang lain biarkan tetap default. Tampak di layar.
2. Jika telah di isi dengan cermat, selanjutnya klik Data View. Pada bagian ini tampakvariabel observasi dengan nama Motivasi dan Prestasi. Berikutnya, kita cuma perlu memasukkan atau menginput data penelitian di atas sesuai nama variabel yang ada ke acara SPSS. Caranya mampu dengan copy data dari excel kemudian paste ke SPSS atau dengan cara mengentri data secara manual ke SPSS. Maka kesudahannya tampak sebagaimana gambar berikut.
3. Langkah berikutnya yaitu proses analisis. Maka dari hidangan utama SPSS pilih hidangan Analyze – kemudian pilih Regression – kemudian pilih Linear…
4. Maka akan keluar kotak dialog “Linear Regression”. Selanjutnya masukkan variabel Prestasi Belajar (Y) ke kotak Dependent. Kemudian masukkan variabel Motivasi Belajar (X) ke kotak Independent(s), lalu klik Plots…
5. Muncul kotak dialog dengan nama “Linear Regression: Plots”. Pada bagian Standardized Residual Plots berikan tanda centang (v) untuk pilihan Normal probability plot, abaikan pilihan lainnya kemudian klik Continue. Tampak di layar.
6. Setelah itu, klik Ok untuk mengakhiri perintah, maka akan timbul output SPSS. Dalam hal ini terdapat banyak tabel output yang keluar. Untuk uji normalitas probability plot kita cukup mengamati output yang terakhir adalah output “Charts”
Interpretasi Output Uji Normal Probability Plot dengan SPSS
Berdasarkan output "Chart" di atas, kita dapat melihat bahwa titik-titik ploting yang terdapat pada gambar “Normal P-P Plot of Regression Standardized Residual” senantiasa mengikuti dan mendekati garis diagonalnya. Oleh sebab itu, sebagaimana dasar atau pemikiran pengambilan keputusan dalam uji normalitas teknik probability plot mampu ditarik kesimpulan bahwa nilai residual berdistribusi normal. Dengan demikian maka asumsi normalias untuk nilai residual dalam analisis regresi linear sederhana dalam penelitian ini mampu terpenuhi.
Informasi Tambahan: Jika terjadi pertengkaran dalam melihat titik-titik dari hasil output Normal P P-Plot tersebut, apakah nilai residual tergolong kategori normal atau tidak. Maka kita dapat mengambarkan kenormalan nilai residual memakai metode atau teknik lain. Salah satu teknik yang paling sering dipakai untuk mendeteksi perkiraan normalitas dalam versi regresi adalah dengan Uji Normalitas Kolmogorov Smirnov dengan SPSS
Demikian pembahasan kita pada potensi kali ini tentang cara melakukan uji normalitas memakai teknik normal probability plot dalam versi regresi dengan program SPSS. Semoga postingan ini berfaedah bagi mitra-kawan yang sedang mengerjakan peran, skripsi maupun tesisnya. Terimakasih.
[Keyword: Cara Uji Normal Probability Plot dalam Model Regresi dengan SPSS, Langkah-langkah Uji Normalitas Nilai Residual dengan Plots SPSS Lengkap, Normal P-P Plot Of Regression Standardized Residual, Tutorial Uji Normalitas Gambar P Plot menggunakan SPSS] – [Referensi: Imam Ghozali. 2011. Aplikasi Analisis Multivariate dengan Program IBM SPSS 19 Edisi 5. Semarang: Badan Penerbit Universitas Diponegoro]
Cara Uji Normalitas Probability Plot dengan SPSS DetailUPDATE DATA: JUM'AT, 19 FEBRUARI 2021 Sumber https://spssindo.blogspot.com
Cara Menanggulangi Duduk Perkara Autokorelasi Dengan Uji Run Test Dalam Spss
Sebagaimana yang telah kita ketahui bahwa uji autokorelasi merupakan bagian dari uji perkiraan klasik dalam analisis regresi linear untuk data time series yakni data runtut waktu dan bukan mirip data primer hasil penyebaran kuesioner atau angket. Uji perkiraan klasik sendiri dimaknai selaku syarat yang harus tercukupi sebelum dilakukannya analisis regresi linear.
Sementara itu, analisis regresi linear bermaksud untuk mengetahui apakah terdapat imbas yang signifikan antara variabel independent (X) kepada variabel dependen (Y). Oleh karena itu, uji autokorelasi sangat diharapkan karena dengan adanya uji ini kita mampu mengenali apakah terdapat relasi antara sebuah masa t dengan kurun t sebelumnya. Model regresi yang bagus tidak terdapat duduk perkara autokorelasi. Contoh sederhana misal data keuangan rumah tangga. Pengeluaran belanja keluarga pada bulan lalu sungguh besar (bulan kemudian ada pengeluaran untuk membeli kendaraan beroda empat baru) sementara pengeluaran pada bulan ini relatif lebih kecil (sebab dibulan ini tidak ada pengeluaran untuk membeli mobil) sehingga mampu dikatakan bahwa terdapat hubungan atau hubungan yang cukup tinggi antara pengeluaran anggaran rumah tangga pada bulan kemudian dengan bulan sekarang, hal yang semacam inilah yang disebut dengan terjadi dilema autokorelasi.
Dalam analisis statistik, uji autokorelasi dapat dilakukan dengan beberapa sistem antara lain seperi uji durbin watson dan uji run test. Dimana sistem yang paling sering dipakai oleh para peneliti (dalam hal menuntaskan tugas, skripsi maupun tesis) ialah dengan sistem durbin watson. Namun demikian, uji durbin watson mempunyai kelemahan adalah bila nilai dubin watson terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menciptakan kesimpulan yang niscaya apakah terjadi gejala autokorelasi atau tidak. Jika demikian adanya, maka alternatif yang bagus untuk menangani dilema autokorelasi ini adalah dengan memakai sistem lain mirip uji run test.
Untuk memperjelas bagaimana cara menangani dilema autokorelasi dengan uji run test dalam SPSS, saya akan menunjukkan acuan, simak data yang mau aku uji autokorelasi dibawah ini
[Download Data untuk Latihan]
Dari data di atas, versi regresi linear yang aku ejekan yaitu “Pengaruh Kurs [X1] dan SBI [X2] kepada IHSG [Y] tahun 2013”. Sebelumnya saya telah melakukan uji autokelasi dengan uji durbin watson [Baca: Tutorial Uji Autokorelasi dengan Durbin Watson SPSS] dan diperoleh hasil sebagai berikut.
Berdasarkan output SPSS di atas, diketahui nilai Durbin Watson sebesar 1,072. Nilai ini terletak antara nilai dL 0,812 dan dU 1,579 sehingga tidak ada kesimpulan yang pasti tentang ada atau tidaknya gejala autokorelasi dari data tersebut.
Jika seperti ini yang terjadi, maka anda tidak perlu khawatir dan gundah, langkah yang mesti anda kerjakan untuk menanggulangi dilema autokorelasi yaitu dengan uji run test.
CARA UJI RUN TEST DENGAN SPSS
1. Buka program SPSS lalu klik Variable View, kemudian pada kolom Name baris pertama ketikkan X1, baris kedua X2, dan baris ketiga Y. pada bagian Label ketikkan Kurs untuk X1, SBI untuk X2, dan IHSG untuk Y. Abaikan kolom lainnya biarkan tetap default kemudian klik Data View
2. Pada bagian ini, kita hanya perlu memasukkan data observasi sesuai dengan nama variabelnya
3. Jika semua data sudah terinput dengan benar, berikutnya dari sajian SPSS klik sajian Analyze – Regression – Linear…
4. Muncul kotak dialog, masukkan variabel IHSG [Y] ke kotak Dependent, masukkan variabel Kurs [X1] dan SBI [X2] ke kotak Independent(S) caranya dengan pengklik tombol panah, pada bagian Method pilih Enter, kemudian klik Save
5. Muncul kotak dialog Linear Regression; Save, berikan tanda centang (V) pada Unstandardized untuk Residuals, kemudian klik Continue dan klik Ok [Abaikan saja output yang keluar].
6. Perhatikan pada bagian Data View muncul variabel baru dengan nama RES_1. Langkah berikutnya adalah klik Analyze – Nonparametric Tests – Legacy Dialogs – Runs…
7. Muncul kotak dialog Run Test, lalu masukkan variabel Unstandardized Residual ke kotak Test Variable List, pada bagian Cut Point berikan tanda centang (V) untuk Median
8. Jika telah yakin benar, terakhir yakni klik Ok untuk menuntaskan perintah, maka akan timbul output Run Test sebagaimana gambar berikut
DASAR PENGAMBILAN KEPUTUSAN DALAM UJI RUN TEST
Sebelum kita memeriksa hasil output SPSS di atas, terlebih dahulu kita pahami dasar pengambilan keputusan dalam uji run test, adalah:
INTERPRETASI OUTPUT UJI RUN TEST
Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,762 lebih besar > dari 0,05, maka mampu ditarik kesimpulan bahwa tidak terdapat gejala atau persoalan autokorelasi. Dengan demikian, duduk perkara autokorelasi yang tidak mampu terlesaikan dengan durbin Watson mampu dituntaskan lewat uji run test sehingga analisis regresi linear dapat dilanjutkan.
Saya kira cukup sampai disini pembahasan kita perihal cara mengatasi dilema autokorelasi dengan uji run test dalam SPSS, agar berguna lain waktu kita sambung lagi dengan uji-uji dan masalah statistik yang yang lain. Terimakasih supaya berfaedah
[Search: Cara Mengatasi Masalah Autokorelasi dengan Uji Run Test dalam SPSS, Panduan Uji Run Test dengan Program SPSS, Cara Mendeteksi Gejala Autokorelasi dengan Uji Run Test Lengkap]
[Gambar: Screenshot SPSS model 21]
Sementara itu, analisis regresi linear bermaksud untuk mengetahui apakah terdapat imbas yang signifikan antara variabel independent (X) kepada variabel dependen (Y). Oleh karena itu, uji autokorelasi sangat diharapkan karena dengan adanya uji ini kita mampu mengenali apakah terdapat relasi antara sebuah masa t dengan kurun t sebelumnya. Model regresi yang bagus tidak terdapat duduk perkara autokorelasi. Contoh sederhana misal data keuangan rumah tangga. Pengeluaran belanja keluarga pada bulan lalu sungguh besar (bulan kemudian ada pengeluaran untuk membeli kendaraan beroda empat baru) sementara pengeluaran pada bulan ini relatif lebih kecil (sebab dibulan ini tidak ada pengeluaran untuk membeli mobil) sehingga mampu dikatakan bahwa terdapat hubungan atau hubungan yang cukup tinggi antara pengeluaran anggaran rumah tangga pada bulan kemudian dengan bulan sekarang, hal yang semacam inilah yang disebut dengan terjadi dilema autokorelasi.
Dalam analisis statistik, uji autokorelasi dapat dilakukan dengan beberapa sistem antara lain seperi uji durbin watson dan uji run test. Dimana sistem yang paling sering dipakai oleh para peneliti (dalam hal menuntaskan tugas, skripsi maupun tesis) ialah dengan sistem durbin watson. Namun demikian, uji durbin watson mempunyai kelemahan adalah bila nilai dubin watson terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menciptakan kesimpulan yang niscaya apakah terjadi gejala autokorelasi atau tidak. Jika demikian adanya, maka alternatif yang bagus untuk menangani dilema autokorelasi ini adalah dengan memakai sistem lain mirip uji run test.
Untuk memperjelas bagaimana cara menangani dilema autokorelasi dengan uji run test dalam SPSS, saya akan menunjukkan acuan, simak data yang mau aku uji autokorelasi dibawah ini
[Download Data untuk Latihan]
Dari data di atas, versi regresi linear yang aku ejekan yaitu “Pengaruh Kurs [X1] dan SBI [X2] kepada IHSG [Y] tahun 2013”. Sebelumnya saya telah melakukan uji autokelasi dengan uji durbin watson [Baca: Tutorial Uji Autokorelasi dengan Durbin Watson SPSS] dan diperoleh hasil sebagai berikut.
Berdasarkan output SPSS di atas, diketahui nilai Durbin Watson sebesar 1,072. Nilai ini terletak antara nilai dL 0,812 dan dU 1,579 sehingga tidak ada kesimpulan yang pasti tentang ada atau tidaknya gejala autokorelasi dari data tersebut.
Jika seperti ini yang terjadi, maka anda tidak perlu khawatir dan gundah, langkah yang mesti anda kerjakan untuk menanggulangi dilema autokorelasi yaitu dengan uji run test.
CARA UJI RUN TEST DENGAN SPSS
1. Buka program SPSS lalu klik Variable View, kemudian pada kolom Name baris pertama ketikkan X1, baris kedua X2, dan baris ketiga Y. pada bagian Label ketikkan Kurs untuk X1, SBI untuk X2, dan IHSG untuk Y. Abaikan kolom lainnya biarkan tetap default kemudian klik Data View
2. Pada bagian ini, kita hanya perlu memasukkan data observasi sesuai dengan nama variabelnya
3. Jika semua data sudah terinput dengan benar, berikutnya dari sajian SPSS klik sajian Analyze – Regression – Linear…
4. Muncul kotak dialog, masukkan variabel IHSG [Y] ke kotak Dependent, masukkan variabel Kurs [X1] dan SBI [X2] ke kotak Independent(S) caranya dengan pengklik tombol panah, pada bagian Method pilih Enter, kemudian klik Save
5. Muncul kotak dialog Linear Regression; Save, berikan tanda centang (V) pada Unstandardized untuk Residuals, kemudian klik Continue dan klik Ok [Abaikan saja output yang keluar].
6. Perhatikan pada bagian Data View muncul variabel baru dengan nama RES_1. Langkah berikutnya adalah klik Analyze – Nonparametric Tests – Legacy Dialogs – Runs…
7. Muncul kotak dialog Run Test, lalu masukkan variabel Unstandardized Residual ke kotak Test Variable List, pada bagian Cut Point berikan tanda centang (V) untuk Median
8. Jika telah yakin benar, terakhir yakni klik Ok untuk menuntaskan perintah, maka akan timbul output Run Test sebagaimana gambar berikut
DASAR PENGAMBILAN KEPUTUSAN DALAM UJI RUN TEST
Sebelum kita memeriksa hasil output SPSS di atas, terlebih dahulu kita pahami dasar pengambilan keputusan dalam uji run test, adalah:
- Jika nilai Asymp. Sig. (2-tailed) lebih kecil < dari 0,05 maka terdapat tanda-tanda autokorelasi
- Sebaliknya, jika nilai Asymp. Sig. (2-tailed) lebih besar > dari 0,05 maka tidak terdapat tanda-tanda autokorelasi.
INTERPRETASI OUTPUT UJI RUN TEST
Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,762 lebih besar > dari 0,05, maka mampu ditarik kesimpulan bahwa tidak terdapat gejala atau persoalan autokorelasi. Dengan demikian, duduk perkara autokorelasi yang tidak mampu terlesaikan dengan durbin Watson mampu dituntaskan lewat uji run test sehingga analisis regresi linear dapat dilanjutkan.
Saya kira cukup sampai disini pembahasan kita perihal cara mengatasi dilema autokorelasi dengan uji run test dalam SPSS, agar berguna lain waktu kita sambung lagi dengan uji-uji dan masalah statistik yang yang lain. Terimakasih supaya berfaedah
[Search: Cara Mengatasi Masalah Autokorelasi dengan Uji Run Test dalam SPSS, Panduan Uji Run Test dengan Program SPSS, Cara Mendeteksi Gejala Autokorelasi dengan Uji Run Test Lengkap]
[Gambar: Screenshot SPSS model 21]
Lihat Juga: VIDEO Uji Autokorelasi dengan Run Test SPSSSumber https://spssindo.blogspot.com
Selasa, 04 Februari 2020
Selasa, 21 Januari 2020
Cara Uji Linearitas Menggunakan Grafik Scatter Plot Dengan Spss
Uji linearitas ialah bagian dari uji perkiraan klasik dalam analisis korelasi dan analisis regresi linear (versi regresi). Sebuah model regresi dikatakan baik atau menyanggupi tolok ukur jika ada korelasi yang linear antara satu variabel independent dengan satu variabel dependent. Linearitas dimaknai sebagai kekerabatan antar variabel seperti garis lurus atau membentuk contoh garis linear. Salah satu cara untuk mendeteksi ada tidaknya korelasi yang linear antar variabel ini dapat dilakukan dengan teknik grafik scatter-plot.
Hubungan linear antara variabel independent dengan variabel dependent mampu bersifat aktual atau negatif. Hubungan konkret disebut juga dengan kekerabatan searah. Hubungan nyata antar variabel berarti bahwa kalau variabel independent mengalami kenaikan maka variabel dependent juga akan mengalami kenaikan. Sementara, relasi negatif disebut dengan kekerabatan tidak searah. Hubungan negatif antar variabel memiliki arti bahwa jikalau variabel independent mengalami peningkatan maka variabel dependent akan mengalami penurunan. Atau sebaliknya kalau variabel independent mengalami penurunan maka variabel dependent akan mengalami kenaikan.
Adapun teladan grafik scatter plot yang memberikan arah hubungan linear yang bersifat kasatmata dan negatif antara variabel independent dengan variabel dependent dapat kita lihat pada gambar di bawah ini.
Contoh Grafik Scatter Plot Menunjukkan Arah Hubungan Linear Bersifat Positif
Berdasarkan grafik scatter plot di atas, terlihat titik-titik plot data membentuk pola garis lurus dari kiri bawah naik ke kanan atas. Hal ini memperlihatkan adanya kekerabatan yang linear dan faktual antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y). Hubungan nyata ini dapat bermakna bahwa bila Minat Belajar siswa mengalami kenaikan maka Prestasi Belajar akan meningkat pula.
Contoh Grafik Scatter Plot Menunjukkan Arah Hubungan Linear Bersifat Negatif
Berdasarkan grafik scatter plot di atas, terlihat titik-titik plot data membentuk contoh garis lurus dari kanan bawah naik ke kiri atas. Hal ini menunjukkan adanya relasi yang linear dan negatif antara variabel Stres Kerja (X) dengan variabel Kinerja Pegawai (Y). Hubungan negatif ini memiliki arti bahwa jikalau Stres Kerja mengalami kenaikan maka Kinerja Pegawai akan mengalami penurunan dan sebaliknya.
Dasar Pengambilan Keputusan Uji Linearitas Grafik Scatter Plot
Menurut Singgih Santoso (2014: 355), asumsi atau persyaratan linearitas dalam model regresi dibilang sudah terpenuhi jika terdapat contoh yang terperinci dari ploting data untuk menawarkan arah hubungan konkret atau negatif. Sementara jika ploting data tidak membentuk pola yang jelas, maka perkiraan linearitas tidak terpenuhi.
Contoh Soal Uji Linearitas Grafik Scatter Plot dalam Penelitian
Ada suatu observasi berjudul “Pengaruh minat mencar ilmu terhadap prestasi mencar ilmu pada siswa kelas XI Sekolah Menengah kejuruan Negeri 1 Juwiring tahun 2019”. Pengujian hipotesis dalam penelitian ini memakai analisis regresi linear sederhana yang bertujuan untuk mengetahui apakah variabel minat berguru (X) berpengaruh kepada variabel prestasi berguru (Y). Adapun data variabel minat mencar ilmu (X) di dapatkan dari penyebaran kuesioner atau angket kepada siswa atau responden. Sementara data variabel prestasi berguru (Y) diperoleh dari skor rata-rata nilai raport siswa pada semester 1. Adapun data tabulasi penelitian untuk kedua variabel tersebut dapat dilihat pada tabel di bawah ini.
[Download data excel, input-output SPSS untuk latihan]
Seperti yang telah diterangkan pada bagian awal postingan ini, bahwa syarat atau asumsi penggunaan analisis regresi linear sederhana untuk pengujian hipotesis salah satunya adalah terdapat kekerabatan yang linear antara variabel minat berguru (X) dengan variabel prestasi mencar ilmu (Y). Adapun proses atau langkah-langkah uji linearitas menggunakan grafik scatter plot dengan SPSS yakni sebagai berikut.
Cara Uji Linearitas Menggunakan Grafik Scatter Plot dengan SPSS
1. Buka program SPSS (dalam praktek kali ini saya menggunakan SPSS model 21) kemudian klik Variable View. Selanjutnya pada baris pertama kolom Name tuliskan “Minat”. Pada bab Label tuliskan “Minat Belajar (X)”. Pada bab Decimals pilih 0. Pada Bagian Measure pilih Scale. Berikutnya pada baris kedua kolom Name tuliskan “Prestasi”. Pada bagian Label tuliskan “Prestasi Belajar (Y)”. Pada bagian Decimals pilih 0. Pada Bagian Measure pilih Scale. Untuk properti lainnya biarkan tetap default. Tampak di layar.
2. Langkah selanjutnya klik Data View. Maka di layar tampak ada dua variabel dengan nama Minat dan Prestasi. Kemudian masukan data variabel Minat Belajar dan Prestasi Belajar ke SPSS dengan cara entri satu persatu nilai atau skor perolehan masing-masing siswa atau dengan mampu cara copy paste dari tabulasi data yang terdapat dalam file excel. Tampak di layar.
3. Jika data sudah terinput dengan benar ke SPSS, langkah berikutnya klik menu Graphs – Legacy Dialogs – Scatter/Dot…
4. Maka timbul kotak dialog “Scatter/Dot”. Selanjutnya pilih Simple Scatter lalu klik Define. Tampak di layar.
5. Maka muncul kotak obrolan “Simple Scatter”. Selanjutnya masukkan variabel Minat Belajar (X) ke kolom X Axis. Berikutnya masukkan variabel Prestasi Belajar (Y) ke kolom Y Axis. Tampak di layar.
6. Lalu klik Ok untuk mengakhiri perintah. Maka timbul output SPSS dengan judul “Graph”. Selanjutnya kita tinggal menginterpretasikan makna dari output tersebut.
Interpretasi Output Uji Linearitas Grafik Scatter Plot dengan SPSS
Berdasarkan output “Grafik Scatter Plot” di atas, tampaktitik-titik plot data membentuk pola garis lurus dari kiri bawah naik ke kanan atas. Hal ini memperlihatkan bahwa ada korelasi yang linear dan nyata antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y). Hubungan aktual ini mempunyai arti bila Minat Belajar siswa mengalami peningkatan maka Prestasi Belajar siswa akan berkembangpula. Karena terdapat relasi yang linear antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y) maka salah satu asumsi atau standar untuk versi regresi dalam observasi di ini sudah tercukupi.
Informasi Tambahan: kekurangan penggunaan grafik scatter plot untuk mendeteksi kekerabatan linear antar variabel terletak pada subjektifitas penafsiran dari hasil atau grafik yang ada. Bisa saja sebuah grafik scatter plot bahwasanya tidak menunjukkan adanya korelasi yang linear, akan namun peneliti tetap berasumsi bahwa grafik scatter plot menawarkan adanya relasi yang linear. Oleh alasannya itu diperlukan alternatif uji lain untuk mendeteksi teladan kekerabatan antar variabel tersebut apakah memang linear atau tidak linear. Salah satu caranya yang paling akurat untuk mendeteksi linearitas antar variabel yaitu menggunakan uji signifikansi (sig.) deviation from linearity. Adapun tindakan uji tersebut dapat di simak pada bimbingan berikut: Cara Uji Linearitas Statistik nilai Sig. Deviation from Linearity dengan SPSS
Demikian pembahasan kita pada potensi kali ini perihal cara melaksanakan uji linearitas menggunakan grafik scatter-plot pada versi regresi linear sederhana dengan program SPSS. Selanjutnya, jika ada pertanyaan terkait materi di atas jangan sungkan untuk bertanya lewat kolom komentar di bawah ini. Terimakasih atas perhatiannya, selamat bekerja supaya sukses dan lancar untuk tugas simpulan anda.
[Kata Kunci Pencarian: Cara Uji Linearitas Menggunakan Grafik Scatter Plot dengan SPSS, Langkah-langkah Uji Linearitas dengan Gambar Grafik Scatter-Plot berserta Interpretasi atau Penjelasan Output SPSS, Uji Asumsi Linearitas pada Model Regresi Linear Menggunakan Teknik Grafik Scatter Plot dengan Program SPSS versi 21] – [Singgih Santoso. 2014. Panduan Lengkap SPSS Versi 20 Edisi Revisi. Jakarta: PT Elex Media Komputindo]
Hubungan linear antara variabel independent dengan variabel dependent mampu bersifat aktual atau negatif. Hubungan konkret disebut juga dengan kekerabatan searah. Hubungan nyata antar variabel berarti bahwa kalau variabel independent mengalami kenaikan maka variabel dependent juga akan mengalami kenaikan. Sementara, relasi negatif disebut dengan kekerabatan tidak searah. Hubungan negatif antar variabel memiliki arti bahwa jikalau variabel independent mengalami peningkatan maka variabel dependent akan mengalami penurunan. Atau sebaliknya kalau variabel independent mengalami penurunan maka variabel dependent akan mengalami kenaikan.
Adapun teladan grafik scatter plot yang memberikan arah hubungan linear yang bersifat kasatmata dan negatif antara variabel independent dengan variabel dependent dapat kita lihat pada gambar di bawah ini.
Contoh Grafik Scatter Plot Menunjukkan Arah Hubungan Linear Bersifat Positif
Berdasarkan grafik scatter plot di atas, terlihat titik-titik plot data membentuk pola garis lurus dari kiri bawah naik ke kanan atas. Hal ini memperlihatkan adanya kekerabatan yang linear dan faktual antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y). Hubungan nyata ini dapat bermakna bahwa bila Minat Belajar siswa mengalami kenaikan maka Prestasi Belajar akan meningkat pula.
Contoh Grafik Scatter Plot Menunjukkan Arah Hubungan Linear Bersifat Negatif
Berdasarkan grafik scatter plot di atas, terlihat titik-titik plot data membentuk contoh garis lurus dari kanan bawah naik ke kiri atas. Hal ini menunjukkan adanya relasi yang linear dan negatif antara variabel Stres Kerja (X) dengan variabel Kinerja Pegawai (Y). Hubungan negatif ini memiliki arti bahwa jikalau Stres Kerja mengalami kenaikan maka Kinerja Pegawai akan mengalami penurunan dan sebaliknya.
Dasar Pengambilan Keputusan Uji Linearitas Grafik Scatter Plot
Menurut Singgih Santoso (2014: 355), asumsi atau persyaratan linearitas dalam model regresi dibilang sudah terpenuhi jika terdapat contoh yang terperinci dari ploting data untuk menawarkan arah hubungan konkret atau negatif. Sementara jika ploting data tidak membentuk pola yang jelas, maka perkiraan linearitas tidak terpenuhi.
Contoh Soal Uji Linearitas Grafik Scatter Plot dalam Penelitian
Ada suatu observasi berjudul “Pengaruh minat mencar ilmu terhadap prestasi mencar ilmu pada siswa kelas XI Sekolah Menengah kejuruan Negeri 1 Juwiring tahun 2019”. Pengujian hipotesis dalam penelitian ini memakai analisis regresi linear sederhana yang bertujuan untuk mengetahui apakah variabel minat berguru (X) berpengaruh kepada variabel prestasi berguru (Y). Adapun data variabel minat mencar ilmu (X) di dapatkan dari penyebaran kuesioner atau angket kepada siswa atau responden. Sementara data variabel prestasi berguru (Y) diperoleh dari skor rata-rata nilai raport siswa pada semester 1. Adapun data tabulasi penelitian untuk kedua variabel tersebut dapat dilihat pada tabel di bawah ini.
[Download data excel, input-output SPSS untuk latihan]
Seperti yang telah diterangkan pada bagian awal postingan ini, bahwa syarat atau asumsi penggunaan analisis regresi linear sederhana untuk pengujian hipotesis salah satunya adalah terdapat kekerabatan yang linear antara variabel minat berguru (X) dengan variabel prestasi mencar ilmu (Y). Adapun proses atau langkah-langkah uji linearitas menggunakan grafik scatter plot dengan SPSS yakni sebagai berikut.
Cara Uji Linearitas Menggunakan Grafik Scatter Plot dengan SPSS
1. Buka program SPSS (dalam praktek kali ini saya menggunakan SPSS model 21) kemudian klik Variable View. Selanjutnya pada baris pertama kolom Name tuliskan “Minat”. Pada bab Label tuliskan “Minat Belajar (X)”. Pada bab Decimals pilih 0. Pada Bagian Measure pilih Scale. Berikutnya pada baris kedua kolom Name tuliskan “Prestasi”. Pada bagian Label tuliskan “Prestasi Belajar (Y)”. Pada bagian Decimals pilih 0. Pada Bagian Measure pilih Scale. Untuk properti lainnya biarkan tetap default. Tampak di layar.
2. Langkah selanjutnya klik Data View. Maka di layar tampak ada dua variabel dengan nama Minat dan Prestasi. Kemudian masukan data variabel Minat Belajar dan Prestasi Belajar ke SPSS dengan cara entri satu persatu nilai atau skor perolehan masing-masing siswa atau dengan mampu cara copy paste dari tabulasi data yang terdapat dalam file excel. Tampak di layar.
3. Jika data sudah terinput dengan benar ke SPSS, langkah berikutnya klik menu Graphs – Legacy Dialogs – Scatter/Dot…
4. Maka timbul kotak dialog “Scatter/Dot”. Selanjutnya pilih Simple Scatter lalu klik Define. Tampak di layar.
5. Maka muncul kotak obrolan “Simple Scatter”. Selanjutnya masukkan variabel Minat Belajar (X) ke kolom X Axis. Berikutnya masukkan variabel Prestasi Belajar (Y) ke kolom Y Axis. Tampak di layar.
6. Lalu klik Ok untuk mengakhiri perintah. Maka timbul output SPSS dengan judul “Graph”. Selanjutnya kita tinggal menginterpretasikan makna dari output tersebut.
Interpretasi Output Uji Linearitas Grafik Scatter Plot dengan SPSS
Berdasarkan output “Grafik Scatter Plot” di atas, tampaktitik-titik plot data membentuk pola garis lurus dari kiri bawah naik ke kanan atas. Hal ini memperlihatkan bahwa ada korelasi yang linear dan nyata antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y). Hubungan aktual ini mempunyai arti bila Minat Belajar siswa mengalami peningkatan maka Prestasi Belajar siswa akan berkembangpula. Karena terdapat relasi yang linear antara variabel Minat Belajar (X) dengan variabel Prestasi Belajar (Y) maka salah satu asumsi atau standar untuk versi regresi dalam observasi di ini sudah tercukupi.
Informasi Tambahan: kekurangan penggunaan grafik scatter plot untuk mendeteksi kekerabatan linear antar variabel terletak pada subjektifitas penafsiran dari hasil atau grafik yang ada. Bisa saja sebuah grafik scatter plot bahwasanya tidak menunjukkan adanya korelasi yang linear, akan namun peneliti tetap berasumsi bahwa grafik scatter plot menawarkan adanya relasi yang linear. Oleh alasannya itu diperlukan alternatif uji lain untuk mendeteksi teladan kekerabatan antar variabel tersebut apakah memang linear atau tidak linear. Salah satu caranya yang paling akurat untuk mendeteksi linearitas antar variabel yaitu menggunakan uji signifikansi (sig.) deviation from linearity. Adapun tindakan uji tersebut dapat di simak pada bimbingan berikut: Cara Uji Linearitas Statistik nilai Sig. Deviation from Linearity dengan SPSS
Demikian pembahasan kita pada potensi kali ini perihal cara melaksanakan uji linearitas menggunakan grafik scatter-plot pada versi regresi linear sederhana dengan program SPSS. Selanjutnya, jika ada pertanyaan terkait materi di atas jangan sungkan untuk bertanya lewat kolom komentar di bawah ini. Terimakasih atas perhatiannya, selamat bekerja supaya sukses dan lancar untuk tugas simpulan anda.
[Kata Kunci Pencarian: Cara Uji Linearitas Menggunakan Grafik Scatter Plot dengan SPSS, Langkah-langkah Uji Linearitas dengan Gambar Grafik Scatter-Plot berserta Interpretasi atau Penjelasan Output SPSS, Uji Asumsi Linearitas pada Model Regresi Linear Menggunakan Teknik Grafik Scatter Plot dengan Program SPSS versi 21] – [Singgih Santoso. 2014. Panduan Lengkap SPSS Versi 20 Edisi Revisi. Jakarta: PT Elex Media Komputindo]
VIDEO Uji Linearitas Scatter-Plot dengan SPSS Serta InterpretasiSumber https://spssindo.blogspot.com
Langganan:
Postingan (Atom)