Tugas K2 - Heteroskedastisitas, Normalitas, Uji t, dan ANOVA

ANALISIS HETEROSKEDASTISITAS, NORMALITAS & UJI BEDA T DAN ANNOVA Kelompok 2 Sulistyaningsih / 211113751 Dedi Ristanto/ 212113895 1. HETEROSKEDASTISITAS Pengertian ➢ Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan. ➢ Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain ➢ Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas ➢ Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Dasar analisis: • Scatter Plot : - Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas - Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas • Uji Glesjer : - Hasil signifikansinya diatas 5% atau 0,05 1. Langkah-langkah analisis Uji Scatter Plot Berdasarkan grafik Scatterplot di atas menunjukkan bahwa titik-titik tersebar di atas dan di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, dengan demikian dapat dinyatakan bahwa tidak terjadi Heteroskedastisitas 2. Langkah-langkah analisis Uji Glesjer Berdasarkan hasil dari tabel di atas, menggunakan uji Glesjer maka diperoleh hasil signifikansi 0,239 untuk variable Harga, 0,079 untuk variable Kualitas Pelayanan dan 0,783 untuk Kualitas Produk, semua hasil signifikansi menunjukkan nilai > 0,05, maka dapat dinyatakan tidak terjadi heteroskedastisitas 2. NORMALITAS Pengertian ▪ Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak. ▪ Uji normalitas bertujuan nuntuk menguji apakah model regresi, variable penggangu atau residual memiliki distribusi normal ▪ Kalau asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk jumlah sampel keciL ▪ Nilai signifikansi > 0,05 dinyatakan bahwa data terdistribusi normal Menentukan MEAN dari setiap variabel 1. Variabel Harga Berdasarkan hasil One Sample Kolmogorov Smirnov Test, nilai Kolmogorov Smirnov Z adalah 0,119 . Signifikansi 0,000 < 0,05, maka hasil dinyatakan tidak berdistribusi normal karena nilai signifikansi kurang dari 0,05. 2. Variabel Kualitas Pelayanan (KPL) Berdasarkan hasil One Sample Kolmogorov Smirnov Test, nilai Kolmogorov Smirnov Z adalah 0,183, signifikansi 0,000 < 0,05, maka hasil dinyatakan tidak berdistribusi normal karena nilai signifikansi kurang dari 0,05 3. Variabel Kualitas Produk (KPR) Berdasarkan hasil One Sample Kolmogorov Smirnov Test, nilai Kolmogorov Smirnov Z adalah 0,109 , signifikansi 0,001 < 0,05, maka hasil dinyatakan tidak berdistribusi normal karena nilai signifikansi kurang dari 0,05 4. Loyalitas Berdasarkan hasil One Sample Kolmogorov Smirnov Test, nilai Kolmogorov Smirnov Z adalah 0,128 , signifikansi 0,000 < 0,05, maka hasil dinyatakan tidak berdistribusi normal karena nilai signifikansi kurang dari 0,05 Apa penyebab data tidak berdistribusi normal? • Penyebab data tidak berdistribusi normal adalah terutama adanya data extreme atau data pencilan yang biasa disebut dengan istilah outlier. Dengan adanya outlier tersebut, maka sebaran data bisa menjadi condong ke kiri atau condong ke kanan. Dimana jika sebaran data ini kita nilai secara visual misalnya menggunakan histogram, maka seharusnya data yang berdistribusi normal akan membentuk sebaran seperti lonceng menghadap ke atas. Apa solusi ketika data tsb tidak terdistribusi normal? • Jika anda menghadapi situasi dimana data tidak berdistribusi normal, maka langkah yang dapat anda lakukan adalah dengan menilai apakah data tersebut ada outlier atau pencilan data. Jika memang ada, maka selanjutnya anda bisa melakukan Trimming yaitu mengeliminasi data yang menjadi penyebab terjadinya outlier. • Cara lain yang dapat dilakukan misalnya transformasi data. Namun cara tersebut haruslah disesuaikan dengan tujuan mengapa dibutuhkan data yang berdistribusi normal. Caranya 3. UJI BEDA T DAN ANNOVA Independent Sample T-Test • Alat uji statistic ini bergantung pada jumlah variabel independen. Jika variabel independen berkategori dua maka uji statistic yang digunakan adalah uji beda t-test (t) • Uji beda t-test digunakan untuk menentukan apakah dua sample yang tidak berhubungan memiliki nilai rata-rata yang berbeda • Uji beda t-test membandingkan perbedaan antara dua nilai rata-rata dengan standar dari perbedaan rata-rata error dua sample Hasil levene’e test : • Jika probabilitas (signifikansi) > 0,05, maka variance sama • Jika probabilitas (signifikansi) < 0,05, maka variance berbeda Hasil Independent sample test : • Jika probabilitas (signifikansi) < 0,05, maka ada perbedaan • Jika probabilitas (signifikansi) > 0,05, maka sama (tidak ada perbedaan) Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak berpasangan, artinya sumber data berasal dari subjek yang berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus yang data berpasangan, maka uji beda yang tepat adalah uji paired t test. Berdasarkan tabel di atas bahwa rata-rata loyalitas konsumen laki-laki adalah 3,4468 dan rata-rata loyalitas konsumen perempuan adalah 3,4473. Berdasarkan tabel di atas bahwa F hitung levene’s test sebesar 0,033 dengan probabilitas 0,855 karena > 0,05 maka dapat disimpulkan bahwa memiliki variance yang sama. Nilai t dari equal variance assumed adalah 0,003 dengan probabilitas signifikansi 0,997 > 0,05, maka dapat disimpulkan bahwa tidak ada perbedaan atau sama loyalitas antara perempuan dan laki-laki. One-Way ANOVA : Analisis Varian untuk Satu Variabel Independen • Analisis varian satu variabel independen digunakan untuk menentukan apakah rata-rata dua atau lebih kelompok berbeda secara nyata (F) • Hasil levene’e test: Jika probabilitas (signifikansi) > 0,05, maka variance sama Jika probabilitas (signifikansi) < 0,05, maka variance berbeda • Hasil One-Way ANOVA : Jika probabilitas (signifikansi) < 0,05, maka ada perbedaan Jika probabilitas (signifikansi) > 0,05, maka sama (tidak ada perbedaan) • Uji lanjutan, Post Hoc Test untuk menganalisis perbedaan pada setiap kelompok, menunjukkan hasil signifikansi < 0,05 Berdasarkan pada tabel di atas, kelompok usia > 41 tahun rata-rata loyalitas konsumen adalah 3,6528, pada kelompok usia 29 – 34 tahun rata-rata loyalitas konsumen adalah 3,5222, pada kelompok usia 35 – 40 tahun rata-rata loyalitas konsumen adalah 3,3824, pada kelompok usia 17 – 22 tahun rata-rata loyalitas konsumen adalah 3,3805 dan pada kelompok usia 23 – 28 tahun rata-rata loyalitas konsumen adalah 3,3627. Berdasarkan tabel di atas,hasil probabilitas signifikansi adalah 0,793, di mana lebih dari 0,05, maka variance empat kelompok sama Berdasarkan tabel di atas, hasil probabilitas signifikansi F adalah 0,574, di mana lebih dari 0,05, nilai F : 0,729 maka dapat disimpulkan bahwa tidak ada perbedaan atau sama loyalitas konsumen antara empat kelompok usia Berdasarkan tabel di samping, hasil dari Tukey HSD bahwa setiap kelompok - kelompok usia tidak memiliki perbedaan loyalitas konsumen , hal ini ditunjukkan pada setiap kelompok usia kekita dibandingkan rata-rata dengan kelompok lain hasil probabilitas (signifikansi) lebih dari 0,05 sehingga dapat disimpulkan bahwa loyalitas konsumen pada setiap kelompok usia sama. KESIMPULAN U ji H e t e r o s k e d a s t is it a s a d a la h uji yang menilai apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan salah satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila asumsi heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan. U ji N o r m a lit a s adalah Uji yang paling sering dilakukan sebagai syarat untuk uji parametris, misalnya uji regresi linear, data panel dan uji t. In d e p e n d e n t S a m p le T- Te s t Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. O n e - W a y A N O VA : A n a lis is Va r ia n u n t u k S a t u Va r ia b e l In d e p e n d e n , Analisis varian satu variabel independen digunakan untuk menentukan apakah rata-rata dua atau lebih kelompok berbeda secara nyata (F) PUSTAKA Ghozali, I. 2011. Aplikasi Analisis Multivariate dengan Program IBM SPSS 19. Edisi 5. Badan PenerbitUniversitas Diponegoro: Semarang Trihendradi, C. 2012. Step by Step SPSS 20 Analisis Data Statistik. ANDI: Yogyakarta Sulistyo S. J., 2010. 6 Hari Jago SPSS 17. Cakrawala: Yogyakarta Wahana Komputer. 2010. Mengolah Data Statistik Hasil Penelitian dengan SPSS 17. PenerbitAndi: Yogyakarta https://www.statistikian.com/2013/01/uji-heteroskedastisitas.html https://www.statistikian.com/2013/01/uji-normalitas.html https://www.semestapsikometrika.com/2017/12/mengatasi-data-tidak-normal.html