Download - Uji Asumsi Klasik _ Anova
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 1/29
ARSIP T AG: UJI ASUM SI KL ASIK
Uji Linearitas dengan
Tabel ANOVA SPSSDitulis pada 13 November 2013
Persamaan regresi dipergunakan untuk melihat bentuk pengaruh
antar 1 atau beberapa variabel. Bentuk dari pengaruh tersebut
dapat dilihat secara linier, logaritmik atau box tergantung dari data
yang dimiliki dan asumsi yang diambil oleh peneliti. Asumsi
linearitas sendiri adalah asumsi yang menyatakan bahwa
hubungan antar variabel yang hendak dianalisis itu mengikuti garis
lurus sehingga jika persamaan regresi yang diperoleh dibuat
grafiknya, akan terlihat grafik yang berbentuk garis linier. Tabel
Anova SPSS dapat membantu kita dalam memutuskan regresi tipe
apa yang sebaiknya dipergunakan. Walaupun regresi linier
memang yang paling banyak acuan litelaturnya dan cenderung
lebih mudah, belum tentu data yang dimiliki dapat dijelaskan
dengan baik oleh persamaan regresi linier.
Dengan menggunakan tabel ANOVA pada SPSS, akan dilihat nilai
Sig. linearity & Sig. deviation from linearity dari setiap variabel
bebas dengan variabel terikat dibandingan dengan tingkat
signifikansi (). Nilai Sig. linearity menunjukkan sejauh mana
variabel bebas berbanding tepat di garis lurus. Apabila
nilai Sig. linearity lebih kecil dari tingkat signifikansi (), maka
regresi linier dapat dipergunakan untuk menjelaskan pengaruh
antara variabel-variabel yang ada.
Sedangkan nilai Sig. deviation from linearity menunjukkan selinier
apa data yang dipergunakan. Apabila nilai Sig. deviation from
linearity lebih besar dari tingkat signifikansi (), maka regresi linier
Alief WorkshopOpini & Sharing dari Seorang Nubie
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 2/29
dapat dipergunakan untuk menjelaskan pengaruh antara variabel-
variabel yang ada.
Baiklah, untuk lebih jelasnya, berikut contoh langkah-langkah
untuk melakukan uji linearitas dengan buantuan software SPSS:
1. Masukkan data variabel bebas dan variabel terikat pada SPSS
data editor. Pada contoh kali ini, jumlah datanya ada 10, terdapat 1
variabel bebas (X1) dan terdapat 1 variabel terikat (Y).
2. Pilih menu Analyze, kemudian Compare Means, lalu Means
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 3/29
3. Masukkan semua variabel bebas ke kolom Independent List dan
variabel terikat ke kolom Dependent List, kemudian klik Options
4. Checklist pilihan Test for linearity lalu klik Continue, kemudian
klik OK.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 4/29
5. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel
ANOVA berikut:
Bila yang ditentukan adalah 5%, maka berdasarkan keluaran di
atas, dapat disimpulkan bahwa data yang dipergunakan dapat
dijelaskan oleh regresi linier dengan cukup baik karena nilai Sig.
linearity data tersebut adalah sebesar 0,017 (lebih kecil dari 0,05)
dan nilai Sig. deviation from linearity data tersebut adalah sebesar
0,315 (lebih besar dari 0,05). Selamat mencoba :).
Daftar Referensi
Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi
dengan SPSS. Surakarta: Muhammadiyah University Pess.
Widhiarso, Wahyu.(2010). Catatan Pada Uji Linearitas Hubungan.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 5/29
Fakultas Psikologi UGM.
Dipublikasi di Statistic for All | Tag analisis pengaruh, ANOVA,
Deviation from Linearity, Linearitas, Linearity, penelitian,
regresi, SPSS, statistik, uji asumsi klasik, uji parametrik |
Berikan sebuah balasan
Uji Otokorelasi
dengan SPSSDitulis pada 22 Agustus 2013
Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak
dengan sendirinya hasil ini bisa digunakan sebagai dasar
pengambilan keputusan. Hasil regrasi harus diuji untuk
memastikan terpenuhinya asumsi klasik. Uji otokorelasi
merupakan salah satu uji asumsi klasik yang biasa dilakukan.
Otokorelasi terjadi apabila nilai variabel masa lalu memiliki
pengaruh terhadap nilai variabel masa kini. Otokorelasi akan
menyebabkan estimasi nilai u yang terlalu rendah, dan karenanya
menghasilkan estimasi yang terlalu tinggi untuk nilai koefisien
korelasi. Bahkan ketika estimasi nilai variasi u tidak terlalu rendah,
maka estimasi nilai variasi dari koefisien regresi mungkin akan
terlalu rendah, dan karenanya uji t dan uji F menjadi tidak valid lagi
atau menghasilkan konklusi yang menyesatkan. Banyak orang
menggunakan uji Durbin Watson untuk melakukan uji otokorelasi,
namun adakalanya uji Durbin Watson memberikan hasil yang
menyatakan bahwa data yang diuji tidak dapat dipastikan apakah
lolos dari masalah otokorelasi atau tidak. Sebagai alternatif, kita
dapat menggunakan uji run test, uji ini dipergunakan untuk melihat
apakah data residual bersifat acak atau tidak. Bila tidak acak,
berarti terjadi masalah autokorelasi. Residual regresi diolah dengan
uji run test, kemudian dibandingkan dengan tingkat signifikasi
() yang dipergunakan. Apabila nilai hasil uji run test lebih besar
daripada tingkat signifikasi (), maka tidak terdapat masalah
otokorelasi pada data yang diuji.
Uji run test dapat dilakukan dengan lebih cepat bila kita dibantu
oleh SPSS, terutama bila datanya ratusan atau bahkan ribuan.
Secara sederhana, berikut contoh penggunaan SPSS dalam
pengujian otokorelasi:
1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini
t
t
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 6/29
terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,
X3, X4, X6).
2. Regresikan data tersebut dengan memilih menu Analyze,
kemudian Regression, lalu Linear
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 7/29
3. Masukkan semua variabel bebas ke kolom Independent(s) dan
variabel terikat ke kolom Dependent, kemudian klik Save.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 8/29
4. Checklist Unstandardized pada kolom Residuals, lalu klik
Continue, kemudian pilih Ok sehingga keluar output regresi pada
SPSS Statistics Viewer.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 9/29
5. Kembali periksa layar SPSS Data Editor, akan muncul kolom
baru di bagian kanan dengan judul RES_1, itu merupakan residual
regresi. Pilih menu Analyze, kemudian Nonparametric Test, lalu
Legacy Dialogs, kemudian klik Runs
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 10/29
6. Pindahkan RES_1 ke kolom sebelah kanan lalu klik Ok.
7. Perhatikan keluaran uji run test di bawah ini, nilai yang
dibandingkan adalah Asymp. Sig. (2-tailed) yaitu 0,737.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 11/29
Bila yang ditentukan adalah 5%, maka hasil run test lebih besar
daripada 0,05. Dengan demikian, data yang dipergunakan cukup
random sehingga tidak terdapat masalah otokorelasi pada data
yang diuji. Gampang khannn :mrgreen:.
Daftar Referensi
Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi
dengan SPSS. Surakarta: Muhammadiyah University Pess.
Murhadi, Werner. Pengujian Asumsi Regresi. (2011). Diakses: 30
Mei 2013. http://wernermurhadi.wordpress.com/2011/07/18/asumsi-
klasik/
Dipublikasi di Statistic for All | Tag analisis hubungan, analisis
pengaruh, Durbin Watson, korelasi, otokorelasi, parametrik,
penelitian, regresi, residu, run test, SPSS, statistik, uji, uji
asumsi klasik, uji parametrik | 2 Balasan
Uji Heterokedastisitas
dengan SPSSDitulis pada 21 Agustus 2013
Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak
dengan sendirinya hasil ini bisa digunakan sebagai dasar
pengambilan keputusan. Hasil regrasi harus diuji untuk
memastikan terpenuhinya asumsi klasik. Uji heterokedastisitas
merupakan salah satu uji asumsi klasik yang biasa dilakukan.
Heteroskedastisitas terjadi apabila variasi residual regresi (u ) tidakt
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 12/29
konstan atau berubah-ubah secara sistematik seiring dengan
berubahnya nilai variabel independen. Konsekuensi dari
keberadaan heteroskedastisitas adalah analisis regresi akan
menghasilkan estimator yang bias untuk nilai variasi u dan dengan
demikian variasi dari koefisien regresi. Akibatnya uji t, uji F dan
estimasi nilai variabel dependen menjadi tidak valid. Uji yang
dipergunakan adalah uji Spearman dimana dilakukan perhitungan
dari korelasi rank spearman antara variabel absolut u dengan
variabel-variabel bebas. Kemudian nilai dari semua rank
spearman tersebut dibandingkan dengan nilai signifikasi yang
ditentukan. Masalah heterokedastisitas tidak terjadi bila nilai rank
spearman antara variabel absolut residual regresi dengan variabel-
variabel bebas lebih besar dari nilai signifikasi ().
Untuk lebih jelasnya, mari kita lihat contoh di bawah ini:
1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini
terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,
X3, X4, X6).
2. Regresikan data tersebut dengan memilih menu Analyze,
kemudian Regression, lalu Linear
t
t
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 13/29
3. Masukkan semua variabel bebas ke kolom Independent(s) dan
variabel terikat ke kolom Dependent, kemudian klik Save.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 14/29
4. Checklist Unstandardized pada kolom Residuals, lalu klik
Continue, kemudian pilih Ok sehingga keluar output regresi pada
SPSS Statistics Viewer.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 15/29
5. Kembali periksa layar SPSS Data Editor, akan muncul kolom
baru di bagian kanan dengan judul RES_1, itu merupakan residual
regresi.Karena yang dibandingkan dengan metode Spearman
adalah nilai absolut dari residual regresi, maka kita cari dulu berapa
nilai absolut dari RES_1 dengan memilih menu Transform, lalu klik
Compute Variable
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 16/29
6. Ketik abs(RES_1) pada kolom Numeric Expression, kemudian
ketiklah sebuah nama yang mudah diingat pada kolom Target
Variable, kali ini saya contohkan namanya Absres. Kemudian klik
Ok dan akan muncul 1 kolom lagi di sebelah kanan kolom RES_1
pada SPSS Data Editor dengan nama kolom sesuai nama yang
kita masukkan pada kolom Target Variable tadi.
7. Untuk mencari korelasi rank spearman, pilih menu Analyze,
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 17/29
lalu Correlate, kemudian klik Bivariate
6. Pindahkan semua variabel bebas dan Absres (nilai absolut
residu regresi) ke sebelah kanan kemudian checklist Spearman
pada kolom Correlation Coefficients, kemudian klik Ok.
7. Perhatikan kolom Correlations pada keluaran SPSS Statistics
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 18/29
Viewer.
Berdasarkan tabel di atas, dapat diperoleh hasil bahwa korelasi
rank spearman antara X1 dengan U adalah 0,266, korelasi rank
spearman antara X2 dengan U adalah 0,244, korelasi rank
spearman antara X3 dengan U adalah 0,318 dan seterusnya dapat
diamati dengan cara yang sama untuk korelasi rank spearman
antara U dengan variabel-variabel bebas lainnya. Misalkan nilai
signifikasi () yang digunakan adalah 5%, maka masalah
heterokesatisitas dapat dikatakan tidak terjadi karena semua nilai
korelasi rank spearman lebih besar dari 0,05.
Agak panjang caranya, tapi semua menjadi lebih cepat dikerjakan
dengan bantuan SPSS, tetap cemunguuudth!
Daftar Referensi
Elcom. (2010). Seri Belajar Kilat SPSS 18. Yogyakarta: Penerbit
Andi.
Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi
dengan SPSS. Surakarta: Muhammadiyah University Pess.
Dipublikasi di Statistic for All | Tag analisis hubungan, analisis
pengaruh, heterokedastisitas, parametrik, regresi, residu,
spearman, SPSS, statistik, uji, uji asumsi klasik, uji
parametrik | Berikan sebuah balasan
t
t
t
t
Uji Normalitas Residu
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 19/29
dengan SPSSDitulis pada 20 Agustus 2013
Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak
dengan sendirinya hasil ini bisa digunakan sebagai dasar
pengambilan keputusan. Hasil regrasi harus diuji untuk
memastikan terpenuhinya asumsi klasik. Uji normalitas residu
merupakan salah satu uji asumsi klasik yang biasa dilakukan.
Asumsi normalitas gangguan atau error (u ) penting sekali sebab uji
eksistensi model (uji F) maupun uji validitas pengaruh variabel
independen (uji t), dan estimasi nilai variabel dependen
mensyaratkan hal ini. Apabila asumsi ini tidak terpenuhi, baik uji F
maupun uji t, dan estimasi nilai variabel dependen menjadi tidak
valid. u diperoleh dari regresi variabel-variabel yang ada yaitu:
Y = a + bX + cX + dX + eX + fX +gX + hX + u
Uji normalitas yang dipergunakan adalah uji Jarque Bera. Nilai
statistik Jarque Bera (JB) untuk u diperoleh dengan persamaan:
Dimana:
S = Skewness (Kemiringan).
K = Kurtosis (Keruncingan).
N = Banyaknya Data.
Nilai JB yang diperoleh kemudian dibandingkan dengan nilai tabel
Chi Kuadrat. Apabila lebih besar dari JB maka distribusi residual
persamaan regresi tidak normal.
Nilai Skewness & Kurtosis dapat diperoleh dengan bantuan
software SPSS. Berikut contoh langkah-langkahnya:
Karena nilai Skewness & Kurtosis diperoleh dengan menggunakan
SPSS, maka untuk menghitung nilai JB, Kurtosis tidak perlu
dikurangi 3 sehingga:
t
t
t 1t 2t 3t 4t 5t 6t 7t t
t
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 20/29
Nilai JB kemudian dibandingkan dengan nilai Chi Kuadrat dengan df
= 2 dan tingkat signifikasi tertentu bergantung dari penelitian dan
data yang dipergunakan. Distribusi residu dikatakan normal bila JB
lebih kecil dari nilai Chi Kuadrat yang diperoleh dari tabel Chi
Kuadrat berikut:
Diperoleh bahwa nilai Chi Kuadrat dengan df = 2 dan tingkat
signifikansi () = 5% adalah 5,99. Chi Kuadrat dengan df = 2 dan
tingkat signifikansi () = 1% adalah 9,21. Chi Kuadrat dengan df =
2 dan tingkat signifikansi () = 0,1% adalah 13,82.
Tingkat signifikansi () sendiri menunjukkan peluang kesalahan
yang ditetapkan dalam mengambil keputusan untuk menolak atau
mendukung hipotesis nol, atau dapat diartikan juga sebagai tingkat
kesalahan atau tingkat kekeliruan yang ditolelir, yang diakibatkan
oleh kemungkinan adanya kesalahan dalam pengambilan sampel.
Sementara itu tingkat kepercayaan pada dasarnya menunjukkan
tingkat kepercayaan sejauhmana statistik sampel dapat
mengestimasi dengan benar parameter populasi. Dalam statistika,
tingkat kepercayaan nilainya berkisar antara 0 sampai 100%.
Secara konvensional, para peneliti dalam ilmu-ilmu sosial sering
menetapkan tingkat kepercayaan antara 95% 99%. Dalam
penelitian dunia kedokteran, tingkat kepercayaan paling tidak harus
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 21/29
bernilai 99%.
Untuk lebih jelasnya, mari kita lihat contoh di bawah ini:
1. Masukkan data ke dalam SPSS Data Editor. Pada contoh ini
terdapat 10 data, 1 variabel terikat (Y) dan 5 variabel bebas (X1, X2,
X3, X4, X6).
2. Regresikan data tersebut dengan memilih menu Analyze,
kemudian Regression, lalu Linear
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 22/29
3. Masukkan semua variabel bebas ke kolom Independent(s) dan
variabel terikat ke kolom Dependent, kemudian klik Save.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 23/29
4. Checklist Unstandardized pada kolom Residuals, lalu klik
Continue, kemudian pilih Ok sehingga keluar output regresi pada
SPSS Statistics Viewer.
5. Kembali periksa layar SPSS Data Editor, akan muncul kolom
baru di bagian kanan dengan judul RES_1, itu merupakan resual
regresi. Nilai itulah yang akan diuji normalitasnya. Lakukang
pengujian dengan memilih Analyze, lalu Descriptive Statistics,
kemudian klik Descriptives
Ikuti
Follow AliefWorkshop
Related Searches:
Visit Malaysia
Concorde Hotel
Shah Alam
Petronas Twin
Towers
Berjaya Redang
Beach Resort
Jalan Jalan
Petaling Jaya
Malaysia
Xbox One Games
Printable Coupons
In Jakarta
?
Ab
ou
t th
is A
d
Ab
ou
t th
is A
d
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 24/29
6. Masukkan RES_1 ke kolom kanan lalu pilih Options
7. Checklist pilihan Kurtosis dan Skewness pada kolom
Distribution, lalu klik Continue, kemudian klik Ok. Akan muncul
kolom Descriptive Statistics pada SPSS Statistics Viewer. Nilai
Skewnessnya adalah 0,727 dan Kurtosisnya adalah 0,486.
WorkshopGet every new post delivered
to your Inbox.
Bergabunglah dengan 7.849pengikut lainnya.
Enter your email address
Sign me up
Pow ered by WordPress.com
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 25/29
8. Masukan ke dalam rumus JB berikut:
Sehingga diperoleh nilai JB sebesar 0,987. Bila tingkat signifikasi
yang dipilih adalah 5%, maka nilai Chi Kuadrat dengan df = 2
adalah sebesar 5,99. Nilai JB lebih kecil dari 5,99, maka tidak ada
masalah normalitas residu pada data-data ini. Selamat mencoba
Daftar Referensi
Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012).
Dasar-Dasar Metode Statistika Untuk Penelitian. Bandung: CV.
Pustaka Setia.
http://home.comcast.net/~sharov/PopEcol/tables/chisq.html
Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi
dengan SPSS. Surakarta: Muhammadiyah University Pess.
Dipublikasi di Statistic for All | Tag analisis hubungan, analisis
pengaruh, Jarque Bera, Kurtosis, normalitas, parametrik,
regresi, residu, Skewness, SPSS, statistik, uji asumsi klasik,
uji parametrik | 7 Balasan
Uji Multikolinearitas
dengan SPSSDitulis pada 19 Agustus 2013
Ketika hasi estimasi statistik (hasil regresi) telah didapatkan, tidak
dengan sendirinya hasil ini bisa digunakan sebagai dasar
pengambilan keputusan. Hasil regrasi harus diuji untuk
memastikan terpenuhinya asumsi klasik. Uji multikolinearitas
merupakan salah satu uji asumsi klasik yang biasa dilakukan.
Masalah multikolinearitas muncul jika terdapat hubungan yang
sempurna atau pasti di antara satu atau lebih variabel independen
dalam model. Dalam kasus terdapat multikolinearitas yang serius,
koefisien regresi tidak lagi menunjukkan pengaruh murni dari
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 26/29
variabel independen dalam model. Dengan demikian, bila tujuan
dari penelitian adalah mengukur arah dan besarnya pengaruh
variabel independen secara akurat, masalah multikoliniearitas
penting untuk diperhitungkan. Pilihan metode pengujian yang dapat
dipergunakan antara lain adalah uji VIF (Variance Inflation Factor),
uji Park dan uji CI (Condition Index). Kali ini saya akan membahas
uji VIF dengan bantuan SPSS. Apabila nilai VIF di bawah 10, maka
tidak terdapat masalah multikolinearitas.
Uji multikolinearitas dapat dilakukan dengan bantuan software
SPSS. Langkah-langkahnya antara lain adalah sebagai berikut:
1. Masukkan data variabel bebas dan variabel terikat pada SPSS
data editor. Pada contoh kali ini, jumlah datanya ada 15, terdapat 4
variabel bebas (X1, X2, X3, X4) dan terdapat 1 variabel terikat (Y).
2. Pilih menu Analyze, kemudian Regression, lalu Linear
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 27/29
3. Masukkan semua variabel bebas ke kolom Independent(s) dan
variabel terikat ke kolom Dependent, kemudian klik Statistics.
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 28/29
4. Checklist pilihan Collinearity diagnostics lalu klik Continue,
kemudian klik OK.
5. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel
Coefficients berikut:
Nilai VIF X1 adalah 9,709, VIF X2 adalah 1,95, VIF X3 adalah 4,574
dan VIF X4 adalah 2,654. Semuanya lebih kecil dari 10 sehingga
tidak ada masalah multikolinearitas. Nahh, gampang khan
:mrgreen:.
Daftar Referensi
Elcom. (2010). Seri Belajar Kilat SPSS 18. Yogyakarta: Penerbit
Andi.
Prihadi Utomo, Yuni. (2007). Eksplorasi Data dan Analisis Regresi
dengan SPSS. Surakarta: Muhammadiyah University Pess.
Dipublikasi di Statistic for All | Tag CI (Condition Index),
multikolinearitas, penelitian, regresi, SPSS, statistik, uji
-
3/3/14 uji asumsi klasik | Alief Workshop
aliefworkshop.wordpress.com/tag/uji-asumsi-klasik/ 29/29
asumsi klasik, uji parametrik, VIF (Variance Inflation Factor) |
Berikan sebuah balasan