Tutorial Uji Asumsi Klasik SPSS Uji asumsi klasik merupakan serangkaian pengujian statistik yang wajib dilakukan sebelum melakukan analisis regresi linear. Tujuannya adalah untuk memastikan bahwa data yang digunakan memenuhi asumsi-asumsi dasar regresi linear sehingga hasil analisis dapat diandalkan dan tidak bias. SPSS merupakan software statistik yang populer digunakan untuk melakukan uji asumsi klasik. Berikut adalah tutorial singkat mengenai beberapa uji asumsi klasik yang umum dilakukan di SPSS: **1. Uji Normalitas** Uji normalitas bertujuan untuk melihat apakah data residual berdistribusi normal atau tidak. Salah satu metode yang umum digunakan adalah uji Kolmogorov-Smirnov atau Shapiro-Wilk. * **Langkah-langkah di SPSS:** * Lakukan analisis regresi linear terlebih dahulu (Analyze -> Regression -> Linear). * Pada jendela Regresi Linear, masukkan variabel dependen dan independen. * Klik "Plots". Pada bagian "Plots", pindahkan variabel "*ZRESID" ke kotak X dan "*PRED" ke kotak Y. Centang "Histogram" dan "Normal probability plot". Klik "Continue" lalu "OK". * Periksa histogram dan Normal P-P plot. Data dikatakan normal jika histogram menyerupai kurva normal dan titik-titik pada Normal P-P plot mengikuti garis diagonal. * Untuk uji Kolmogorov-Smirnov atau Shapiro-Wilk, pada jendela regresi, klik "Save". Centang "Unstandardized residuals". Klik "Continue" lalu "OK". * Buka menu Analyze -> Nonparametric Tests -> Legacy Dialogs -> 1-Sample K-S. * Masukkan variabel "Unstandardized Residuals" ke kotak Test Variable List. * Klik "OK". * Lihat nilai signifikansi (p-value) pada tabel "Test Statistics". Jika nilai signifikansi > 0.05, maka data residual berdistribusi normal. Untuk sampel kecil, disarankan menggunakan Shapiro-Wilk. **2. Uji Multikolinearitas** Uji multikolinearitas bertujuan untuk mendeteksi adanya korelasi yang kuat antar variabel independen dalam model regresi. * **Langkah-langkah di SPSS:** * Lakukan analisis regresi linear (Analyze -> Regression -> Linear). * Pada jendela Regresi Linear, masukkan variabel dependen dan independen. * Klik "Statistics". Centang "Collinearity diagnostics". Klik "Continue" lalu "OK". * Lihat nilai Tolerance dan Variance Inflation Factor (VIF) pada tabel "Coefficients". Jika nilai Tolerance < 0.1 atau nilai VIF > 10, maka terdapat multikolinearitas. **3. Uji Heteroskedastisitas** Uji heteroskedastisitas bertujuan untuk melihat apakah terdapat ketidaksamaan varians residual dari satu pengamatan ke pengamatan lainnya. Salah satu metode yang umum digunakan adalah uji Glejser. * **Langkah-langkah di SPSS:** * Lakukan analisis regresi linear (Analyze -> Regression -> Linear). * Pada jendela Regresi Linear, klik "Save". Centang "Unstandardized residuals". Klik "Continue" lalu "OK". * Transformasikan residual menjadi nilai absolut (Transform -> Compute Variable). Buat variabel baru (misalnya "ABS_RES") dengan rumus `ABS(RES_1)`. Klik "OK". * Lakukan analisis regresi linear lagi (Analyze -> Regression -> Linear). * Masukkan variabel "ABS_RES" sebagai variabel dependen dan variabel independen yang sama seperti pada analisis regresi sebelumnya. * Lihat nilai signifikansi (p-value) pada tabel "Coefficients". Jika nilai signifikansi > 0.05 untuk semua variabel independen, maka tidak terdapat heteroskedastisitas. **4. Uji Autokorelasi** Uji autokorelasi bertujuan untuk melihat apakah terdapat korelasi antara residual pada satu waktu dengan residual pada waktu lainnya. Uji ini biasanya dilakukan pada data time series. Salah satu metode yang umum digunakan adalah uji Durbin-Watson. * **Langkah-langkah di SPSS:** * Lakukan analisis regresi linear (Analyze -> Regression -> Linear). * Pada jendela Regresi Linear, masukkan variabel dependen dan independen. * Klik "Statistics". Centang "Durbin-Watson". Klik "Continue" lalu "OK". * Lihat nilai Durbin-Watson pada tabel "Model Summary". Nilai Durbin-Watson berkisar antara 0 hingga 4. Nilai 2 mengindikasikan tidak ada autokorelasi. Secara umum, nilai antara 1.5 hingga 2.5 dianggap tidak bermasalah. Namun, untuk interpretasi lebih akurat, perlu melihat tabel Durbin-Watson untuk menentukan batas kritis dan membuat keputusan. Penting untuk diingat bahwa ini hanyalah panduan singkat. Interpretasi hasil uji asumsi klasik memerlukan pemahaman yang mendalam tentang konsep statistika dan konteks penelitian. Jika asumsi-asumsi tersebut tidak terpenuhi, perlu dilakukan transformasi data atau menggunakan metode analisis lain yang lebih sesuai.