1
CHI SQUARE DAN UJI PERSYARATAN ANALISIS
MAKALAH
untuk memenuhi tugas matakuliah
Statistika
yang dibina oleh Bapak Dr. Eddy Sutadji, M.Pd.
Oleh :
WAHYU DIANA
140551807568
UNIVERSITAS NEGERI MALANG
PROGRAM PASCASARJANA
PROGRAM STUDI PENDIDIKAN KEJURUAN
Oktober 2014
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam kasus dimana variabel yang dihubungkan bersifat numerik, maka analisis menggunakan korelasi merupakan salah satu pilihan. Namun, jika kedua variabel yang dihubungkan bersifat kategorik, maka penggunaan analisis korelasi tidak bisa lagi digunakan karena angka pada suatu kategori hanya berupa kode bukan nilai yang sebenamya sehingga operasi aritmatika tidak sah untuk kasus data kategorik. Alasan yang lain mengapa analisis korelasi tidak bisa digunakan pada data kategorik karena salah satu tipe variabel kategorik adalah nominal yang tidak bisa diurutkan kategorinya. Pemberian urutan yang berbeda jelas akan memberikan nilai korelasi yang berbeda pula sehingga dua orang yang menghitung nilai korelasi besar kemungkinan memberikan hasil yang tidak sama. Untuk itulah maka analisis chi-square yang akan digunakan untuk mencari apakah ada hubungan (asosiasi) dan perbedaan (komparasi) antar variabel-variabel kategorik tersebut.
Beberapa formula statistika disusun berdasarkan asumsi-asumsi tertentu. Formula tersebut dapat menggambarkan sebuah fenomena ketika asumsi-asumsi tersebut terpenuhi. Oleh karena itu, jika kita memakai formula tersebut maka data yang diharapkan sesuai dengan asumsi sebuah formula penelitian. Berkaitan dengan hal tersebut makalah ini dapat dijadikan referensi untuk meningkatkan pemahaman chi square (kai kuadrat) dan uji prasyarat analisis yang baik dan benar di dalam sebuah penelitian.
B. Topik Bahasan
Chi square untuk uji hipotesis deskriptif satu sampel.
Chi square untuk uji hipotesis komparatif dua sampel independen.
Chi square untuk uji hipotesis komparatif k sampel independen.
Uji persyaratan analisis yang meliputi uji normalitas, uji homogenitas, uji linieritas, uji heterokedasitas, uji multikolinieritas, uji autokorelasi.
C. Tujuan Penulisan Makalah
Dapat memahami chi square untuk uji hipotesis deskriptif satu sampel.
Dapat memahami chi square untuk uji hipotesis komparatif dua sampel independen.
Dapat memahami chi square untuk uji hipotesis komparatif k sampel independen.
Dapat memahami uji persyaratan analisis yang meliputi uji normalitas, uji homogenitas, uji linieritas, uji heterokedasitas, uji multikolinieritas., uji autokorelasi.
BAB II
PEMBAHASAN
Chi Square
Sebuah metode statistika nonparametrik yang paling terkenal dan banyak digunakan ialah uji kai kuadrat. Uji ini tidak dibatasi oleh asumsi-asumsi ketat tentang jenis populasi maupun parameter populasi, yang dibutuhkan hanya derajat bebas. Uji kai kuadrat menggunakan teknik goodness of fit, yaitu dapat digunakan untuk menguji apakah terdapat perbedaan yang nyata antara banyak yang diamati yang masuk dalam masing-masing kategori dengan banyak yang diharapkan berdasarkan hipotesis nol. (Suciptawati, 2010). Chi square test atau tes kai kuadrat tergolong ke dalam jenis statistik nonparametrik sehingga chi square test tidak memerlukan syarat data berdistribusi normal (Sufren dan Natanael, 2013).
Karakteristik Chi Square:
Nilai Chi Square selalu positif karena merupkan hasil pengkuadratan.
Terdapat beberapa kelompok distribusi Chi Square, yaitu distribusi Chi square dengan dk=1, 2, 3, dst.
Datanya berbentuk diskrit atau nominal
Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan untuk menguji hipotesis komparatif 2 sampel atau 2 variabel serta untuk menguji hipotesis asosiatif yang berskala nominal.
Chi square untuk uji hipotesis deskriptif satu sampel
Menurut Sugiyono (2013), Chi square satu sampel adalah teknik statistik yang digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri atas dua atau lebih klas, data berbentuk nominal dan sampelnya besar. Yang dimaksud hipotesis deskriptif dapat merupakan estimasi/dugaan terhadap ada tidaknya perbedaan frekuensi antara kategori satu dan kategori lain dalam sebuah sampel tentang sesuatu hal.
Rumus :
Dimana:
x2 = Chi square
f = Frekuensi yang diobservasi
fh = Frekuensi yang diharapkan
Contoh untuk 3 kategori klas:
Suatu SMK x di Kota A ingin membuka jurusan baru, sehingga ingin mengetahui jurusan apa yang banyak diminati. Untuk itu dilakukan survey ke beberapa sekolah yang memiliki jurusan-jurusan tata busana, tata boga, kecantikan. Menurut survey, diketahui dari 375 siswa sebanyak 85 siswa memilih jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa memilih kecantikan.
Berdasarkan hal tersebut, maka :
Perhitungan Manual:
Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan siswa dalam memilih jurusan SMK.
Variabel penelitiannya jurusan SMK.
Sampel : Jumlah sampel 375 siswa terdiri atas 3 jurusan. 85 siswa memilih jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa memilih kecantikan
Tempat penelitian: Beberapa SMK di Kota A
Data hasil penelitian: terdapat pada tabel berikut
Tabel : Frekuensi yang disurvey dan yang diharapkan pemilih jurusan SMK
Jurusan
Tata Boga
Tata Busana
Kecantikan
85
116
174
125
125
125
-40
-9
49
1600
81
2401
12,8
0,65
19,21
Jumlah
375
375
0
4482
32,66
Hipotesis:
H0 : Jumlah siswa yang memilih 3 jurusan tidak berbeda (peluang 3 jurusan untuk dipilih siswa adalah sama)
Ha : Jumlah siswa yang memilih 3 jurusan berbeda (peluang 3 jurusan untuk dipilih siswa adalah tidak sama)
Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari nilai Chi square tabel, maka H0 diterima dan bila lebih besar atau sama dengan nilai tabel, maka Ha diterima.
Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka dapat diketahui bahwa Chi square hitung = 32,66. Dalam hal ini dk = N-1 = 3-1 = 2. Berdasarkan dk 2 dan probabilitas 5%, maka diperoleh chi square tabel = 5,99. Chi square hitung lebih besar dari chi square tabel (32,66 > 5,99). Dengan demikian H0 ditolak dan Ha diterima.
Kesimpulan
Jumlah siswa yang memilih 3 jurusan SMK berbeda, dan berdasarkan data jurusan kecantikan paling banyak diminati siswa.
Saran untuk SMK x
Jurusan yang dibuka adalah kecantikan, karena paling banyak diminati siswa.
Perhitungan SPSS:
Buka Variabel View Pada Nama isi Jurusan
Klik Values isi values label
Buka Data view Masukkan data
Klik Analyze non parametric tests chi square
Masukkan jurusan pada test variable list
Klik exact klik monte carlo isi number of samples continue
Klik options descriptive continue
Klik OK
Hasil SPSS
Test Statistics
jurusan
Chi-Square
20.520a
Df
2
Asymp. Sig.
.000
Monte Carlo Sig.
Sig.
.000b
99% Confidence Interval
Lower Bound
.000
Upper Bound
.012
a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 65.3.
b. Based on 375 sampled tables with starting seed 926214481.
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka dapat diketahui bahwa Chi square hitung = 20,52. Df = 2. Berdasarkan dk 2 dan probabilitas 5%, maka diperoleh chi square tabel = 5,99. Chi square hitung lebih besar dari chi square tabel (20,52 > 5,99). Dengan demikian H0 ditolak dan Ha diterima.
Ha : Jumlah siswa yang memilih 3 jurusan berbeda
Chi square untuk uji hipotesis komparatif dua sampel independen
Menguji komparatif dua sampel independen berarti menguji signifikansi perbedaan nilai dua sampel yang tidak berpasangan. Sampel independen biasanya digunakan dalam penelitian yang menggunakan pendekatan penelitian survey, sedangkan sampel berpasangan banyak digunakan dalam penelitian eksperimen. Chi square digunakan untuk menguji hipotesis komparatif dua sampel bila datanya berbentuk nominal dan sampelnya besar. Cara perhitungan dapat menggunakan rumus yang telah ada atau dapat menggunakan tabel kontingensi 2x2 (2 baris x 2 kolom) (Sugiyono, 2013).
Untuk menguji hipotesis ini, hitung jumlah individu dari tiap kelompok yang termasuk ke dalam berbagai kategori dan bandingkan jumlah individu dari satu kelompok dalam berbagai kategori dengan kelompok lainnya.
Tabel Kontingensi :
Sampel
Frekuensi pada:
Jumlah Sampel
Obyek I
Obyek II
Sampel A
A
B
A+B
Sampel B
C
D
C+D
Jumlah
A+C
B+D
N
N = jumlah sampel
Rumus :
Contoh :
Penelitian dilakukan untuk mengetahui adakah hubungan antara jenis sekolah (SMA/SMK) dengan minat lulusan untuk melanjutan studi ke perguruan tinggi atau bekerja.. Jenis sekolah dikelompokkan menjadi dua yaitu SMA dan SMK. Sampel pertama sebanyak 80 orang, sampel kedua sebanyak 70 orang. Berdasarkan angket yang diberikan kepada sampel lulusan SMA, maka dari 80 orang tersebut yang memilih melanjutkan studi ke perguruan tinggi sebanyak 60 orang, dan yang memilih bekerja sebanyak 20 orang. Selanjutnya dari kelompok sampel lulusan SMK memilih melanjutkan studi ke perguruan tinggi sebanyak 20 orang, dan yang memilih bekerja sebanyak 50 orang
Berdasarkan hal tersebut, maka :
Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan lulusan dalam memilih untuk melanjutan studi ke perguruan tinggi atau bekerja.
Variabel penelitiannya :
Variabel Independen : Jenis sekolah
Variabel dependen : Minat lulusan
Rumusan Masalah:
Adakah perbedaan jenis sekolah dengan minat lulusan untuk melanjutan studi ke perguruan tinggi atau bekerja.
Sampel : Terdiri dari dua kelompok sampel independen yaitu kelompok lulusan SMA dengn jumlah 80 orang dan kelompok lulusan SMK dengn jumlah 70 orang.
Hipotesis:
H0 : Tidak terdapat perbedaan jenis sekolah dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan minat lulusan
Kriteria pengujian hipotesis
Dengan dk = 1 dan probabilitas 5%. H0 diterima bila nilai Chi square hitung lebih kecil dari nilai Chi square tabel dan bila lebih besar atau sama dengan nilai tabel, maka Ha diterima.
Penyajian data
Data hasil penelitian disusun ke dalam tabel:
Tabel : Frekuensi minat lulusan
Sampel
Minat lulusan
Jumlah Sampel
Melanjutkan studi
Bekerja
Lulusan SMA
60
20
80
Lulusan SMK
20
50
70
Jumlah
80
70
150
Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus chi square 2 sampel independen, dapat dihitung:
x2 =150"60.50-20.20"-12150²60+2020+5060+20(20+50)
= 150"3000-400"-75² 807080(70)
= 1502600-75² 5600.5600
=150.6375625 31360000
=956343750 31360000
= 30,50
Dengan dk = 1 dan probabilitas 5%, maka diperoleh chi square tabel = 3,84. Ternyata nilai Chi square hitung = 35,86 > Chi square tabel 3,84. Dengan demikian H0 ditolak dan Ha diterima.
Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana lulusan SMA lebih cenderung memilih melanjutkan studi ke perguruan tinggi dan lulusan SMK cenderung memilih bekerja.
Perhitungan SPSS:
Buka Variable View Isi nama dengan Minat dan Jenis sekolah
Isi Value labels minat
Isi value labels jenis sekolah
Buka Data view Masukkan data
Klik anlyze descriptive statistic crosstabs
Pindahkan Minat ke row dan jenis sekolah ke column
Klik statistics centang chi square continue
Klik OK
Hasil Perhitungan SPSS
Chi-Square Tests
Value
df
Asymp. Sig. (2-sided)
Exact Sig. (2-sided)
Exact Sig. (1-sided)
Pearson Chi-Square
32.334a
1
.000
Continuity Correctionb
30.496
1
.000
Likelihood Ratio
33.546
1
.000
Fisher's Exact Test
.000
.000
Linear-by-Linear Association
32.119
1
.000
N of Valid Casesb
150
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 32.67.
b. Computed only for a 2x2 table
Dengan df = 1 dan probabilitas 5%, maka diperoleh chi square tabel = 3,84. Ternyata nilai Chi square hitung = 32,334 > Chi square tabel 3,84. Dengan demikian H0 ditolak dan Ha diterima.
Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana lulusan SMA lebih cenderung memilih melanjutkan studi ke perguruan tinggi dan lulusan SMK cenderung memilih bekerja.
Chi square untuk uji hipotesis komparatif k sampel independen
Chi square k sampel digunakan untuk menguji hipotesis komparatif lebih dari dua sampel, atau untuk memeriksa apakah sampel-sampel yang diambil secara acak variabelnya berasal dari populasi yang homogen bila datanya berbentuk diskrit atau nominal. Dalam uji ini hipotesis nol adalah frekuensi atau proporsi k sampel berasal dari populasi yang sama atau populasi yang identik (Suciptawati, 2010).
Rumus :
Dimana:
x2 = Chi square
f = Frekuensi yang diobservasi
fh = Frekuensi yang diharapkan
Contoh :
Penelitian dilakukan untuk mengetahui ada tidaknya perbedaan jenis asal sekolah antar mahasiswa lima prodi di fakultas teknik, yaitu Pendidikan Teknik Elektro, Pendidikan Teknik Informatika, Pendidikan Teknik Mesin, Pendidikan Tata Boga, Pendidikan Tata Rias. Jenis asal sekolah dibagi menjadi 2 yaitu SMA dan SMK. Berdasarkan 115 anggota sampel mahasiswa prodi Pendidikan Teknik Elektro, 80 orang berasal dari SMA dan 35 orang berasal dari SMK. Dari 160 anggota sampel mahasiswa prodi Pendidikan Teknik Informatika, 100 orang berasal dari SMA dan 60 orang berasal dari SMK. Dari 130 anggota sampel mahasiswa prodi Pendidikan Teknik Mesin , 80 orang berasal dari SMA dan 50 orang berasal dari SMK. Dari 95 anggota sampel mahasiswa prodi Pendidikan Tata Boga, 65 orang berasal dari SMA dan 30 orang berasal dari SMK. Dari 80 anggota sampel mahasiswa prodi Pendidikan Tata Rias , 45 orang berasal dari SMA dan 35 orang berasal dari SMK.
Berdasarkan hal tersebut, maka :
Judul penelitian dapat dirimuskan sebagai berikut:
Perbedaan jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Variabel penelitiannya : Jenis asal sekolah
Rumusan Masalah: Adakah perbedaan yang signifikan jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Sampel :
Terdiri dari 5 kelompok sampel, yaitu:
Sampel mahasiswa prodi Pendidikan Teknik Elektro berjumlah 115 orang.
Sampel mahasiswa prodi Pendidikan Teknik Informatika berjumlah 160 orang.
Sampel mahasiswa prodi Pendidikan Teknik Mesin berjumlah 130 orang.
Sampel mahasiswa prodi Pendidikan Tata Boga berjumlah 95 orang.
Sampel mahasiswa prodi Pendidikan Tata Rias berjumlah 80 orang.
Hipotesis:
H0 : Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Ha : Terdapat perbedaan yang signifikan jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari nilai tabel, maka H0 diterima dan bila lebih besar atau sama dengan nilai tabel, maka Ha diterima.
Penyajian data:
Hitung frekuensi harapan dari kelima kelompok sampel tersebut dalam setiap aspek. Hitung berapa persen dari sampel keseluruhan lulusan SMA dan SMK. Jumlah seluruh sampel dari 5 prodi adalah 115+160+135+95+80 = 585
Persentase lulusan SMA p1 :
p1 =80+100+80+65+45580
=370580 x 100%
= 63,79%
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
Pendidikan Teknik Elektro = 115 x 63,79% = 73,36
Pendidikan Teknik Informatika = 160 x 63,79% = 102,06
Pendidikan Teknik Mesin = 130 x 63,79% = 82,93
Pendidikan Tata Boga = 95 x 63,79% = 60,6
Pendidikan Tata Rias = 80 x 63,79% = 51,03
Persentase lulusan SMK p2 :
P2 =35+60+50+30+35580 =210580x 100% = 36,21%
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
Pendidikan Teknik Elektro = 115 x 36,21% = 41,65
Pendidikan Teknik Informatika = 160 x 36,21% = 57,94
Pendidikan Teknik Mesin = 130 x 36,21% = 47,07
Pendidikan Tata Boga = 95 x 36,21% = 34,39
Pendidikan Tata Rias = 80 x 36,21% = 28,97
Nilai-nilai tersebut kemudian dimasukkan ke dalam tabel:
Tabel : Perbandingan Jenis asal sekolah mahasiswa 5 prodi di Fakultas Teknik
Prodi
Jenis asal sekolah
P. Teknik Elektro
SMA
SMK
80
35
73,36
41,65
6,64
-6,67
44,09
44,49
0.6
1,07
P. Teknik Informatika
SMA
SMK
100
60
102,06
57,94
-2,06
2,06
4,24
8,74
0.04
0,15
P. Teknik Mesin
SMA
SMK
80
50
82,93
47,07
-2,93
2,93
8,58
8,58
0,1
0,18
Pendidikan Tata Boga
SMA
SMK
65
30
60,6
34,39
4,4
-4,39
19,36
19,27
0,32
0,56
Pendidikan Tata Rias
SMA
SMK
45
35
51,03
28,97
- 6,03
6,03
36,36
36,36
0,71
1,26
Jumlah
580
580
4,99
Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka dapat diketahui bahwa Chi square hitung = 4,99. Dalam hal ini dk = N-1 5-1 = 4. Berdasarkan dk 4 dan probabilitas 5%, maka diperoleh chi square tabel = 9,488. Chi square hitung lebih kecil dari chi square tabel (4,99 < 9,488). Dengan demikian H0 diterima dan Ha ditolak.
Kesimpulan
Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Perhitungan SPSS:
Buka Variable view isi nama dengan jenis sekolah dan prodi
Isi value labels jenis sekolah klik OK
Isi Value labels Prodi Klik OK
Klik Analyze non parametris test K independent samples
Pindahkan jenis sekolah ke test variable list dan prodi ke grouping variable Isi
Klik Define range
Klik exact isi number of sample
Klik Options klik descriptive Klik OK
Test Statisticsb,c
Jenissekolah
Chi-Square
.000
Df
4
Asymp. Sig.
1.000
Exact Sig.
1.000a
Point Probability
1.000a
a. Exact results are provided instead of Monte Carlo for this test.
b. Kruskal Wallis Test
c. Grouping Variable: Prodi
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka dapat diketahui bahwa Chi square hitung = 0,00. Df = 4. Berdasarkan df 4 dan probabilitas 5%, maka diperoleh chi square tabel = 9,488. Chi square hitung lebih kecil dari chi square tabel (0,00 < 9,488). Dengan demikian H0 diterima dan Ha ditolak.
Kesimpulan
Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah mahasiswa lima prodi di fakultas teknik
Uji persyaratan analisis
Menurut Gunawan (2013), Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data menuntut uji persyaratan analisis, antara lain:
Uji normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi normal.
Contoh soal:
Sebuah penelitian dilakukan untuk mengetahui pengaruh motivasi, dukungan, dan kelengkapan sarana praktek terhadap nilai praktek merias wajah cikatri. Penelitian ini dilakukan dengan cara menyebar angket pada siswa jurusan Kecantikan sebanyak 30 siswa dan hasil dari angket tersebut dibandingkan dengan nilai praktek siswa.
Langkah pengujian normalitas data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze non parametrik test 1 sampel K.S
Pindahkan variabel ke sebelah kanan klik OK
Hasil
Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak normal
Nilai probabilitas > 0,05 = data normal
Motivasi : 0,137 > 0,05 = data normal
Dukungan orang tua : 0,060 > 0,05 = data normal
Kelengkapan sarana : 0,148 > 0,05 = data normal
Nilai praktek : 0,143 > 0,05 = data normal
Uji homogenitas
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variasi yang sama.
Langkah pengujian homogenitas data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze compare means one way ANOVA
Pindahkan variabel ke sebelah kanan
Klik options klik homogeneity of variance test continue OK
Hasil
Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak homogen
Nilai probabilitas > 0,05 = data homogen
Motivasi : 0,429 > 0,05 = data homogen
Dukungan orang tua : 0,981 > 0,05 = data homogen
Kelengkapan sarana: 0,314 > 0,05 = data homogen
Tidak ada perbedaan antara motivasi, kelengkapan sarana dan dukungan orang tua .
Uji linieritas
Uji linieritas dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y.
Langkah pengujian linieritas data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze compare means means
Pindahkan variabel ke sebelah kanan
Klik options test of linierity continue OK
Hasil
Pengambilan keputusan:
Nilai probabilitas > 0,05 = data tidak linier
Nilai probabilitas < 0,05 = data linier
Nilai Sig. Linearity 0,00 < 0,05 = data linier
Uji heterokedasitas
Uji Heterokedasitas adalah untuk melihat apakah kesalahan (error) pada data memiliki varian yang sama atau tidak. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar grafik antara ŷ dengan residu (y - ŷ). Apabila garis yang membatasi sebaran titik-titik relatif paralel maka varian error dikatakan konstan.
Langkah pengujian heterokedasitas data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze regression linier
Pindahkan variabel ke sebelah kanan
Klik plots isi Y dengan SRESID dan X dengan ZPRED
Hasil
Pada grafik tampak titik-titik menyebar diatas dan di bawah sumbu Y dan tidak terjadi pola tertentu. Dengan demikina dapat disimpulkan bahwa tidak terjadi heterokedasitas.
Uji multikolinieritas
Uji multikolinieritas dimaksudkan untuk mengetahui ada tidaknya hubungan (korelasi) yang signifikan antar variabel bebas. Jika terdapat hubungan yang cukup tinggi (signifikan), berarti ada aspek yang sama diukur pada variabel bebas. Hal ini tidak layak digunakan untuk menentukan kontribusi secara bersama-sama variabel bebas terhadap variabel terikat.
Langkah pengujian multikolinieritas data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze regression linier
Pindahkan variabel ke sebelah kanan
Klik Statistics colinierity diagnostic
Hasil
Nilai VIF disekitar angka 1 atau memiliki toleran mendekati angka 1, dengan demikian dapat dikatakan tidak terdapat masalah multikolinieritas.
Uji Autokorelasi
Uji autokorelasi bertujuan untuk mencari tahu apakah kesalahan (error) suatu data pada periode tertentu berkorelasi dengan periode lain. Model regresi ganda yang baik adalah tidak mengalami autokorelasi. Cara untuk mengetahui apakah mengalami atau tidak mengalami autokorelasi adalah dengan mengecek nilai Durbin-Watson (DW). Syarat tidak terjadi autokorelasi adalah 1 < DW < 3.
Langkah pengujian autokorelasi data menggunakan program SPSS yaitu:
Buka variable view isi
Isi value labels
Buka Data view masukkan data
Klik analyze regression linier
Pindahkan variabel ke sebelah kanan
Klik statistics durbin Watson continue OK
Hasil
Ternyata koefisien Durbin Watson besarnya 1,472. Dengan demikian dapat disimpulkan bahwa regresi antara motivasi, kelengkapan sarana, dukungan orang tua terhadap nilai praktek.
BAB III
PENUTUP
A. Kesimpulan
Chi square dapat dihitung menggunakan data kategori. Datanya berbentuk diskrit atau nominal. Hasil dari chi kuadrat selalu positif karena hasilnya selalu dikuadratkan. Hasil chi kuadrat hitung jika lebih kecil dari chi kuadrat tabel maka hasilnya adalah tidak terjadi perbedaan yang signifikan. Tetapi jika hasilnya lebih besar dari chi kuadrat tabel maka terjadi perbedaan yang signifikan. Sehingga dapat disimpulkan semakin besar hasil dari chi kuadrat hitung terhadap chi kuadrat tabel maka semakin signifikan perbedaannya.
Uji persyaratan analisis meliputi uji normalitas, homogenitas, linieritas, heterokedasitas, multikolinieritas dan autokorelasi. Uji tersebut sangat penting untuk dilakukan, karena dalam statistik inferensial agar kesimpulan analisis data berlaku pada populasi, maka sebaran data harus memenuhi beberapa kriteria tersebut.
DAFTAR RUJUKAN
Gunawan, Muhammad Ali. 2013. Statistik Untuk Penelitian Pendidikan. Yogyakarta: Parama Publishing
Suciptawati, Ni luh Putu. 2010. Metode Statistika Nonparametrik. Denpasar: Udayana University Press
Sufren dan Natanael, Yonathan. 2013. Mahir Menggunakan SPSS Secara Otodidak. Jakarta: PT. Elex Media Komputindo
Sugiyono. 2013. Statistik Nonparametris Untuk Penelitian. Bandung: CV. Alfabeta
