Uji Multikolinearitas Dengan Melihat Nilai Tolerance Dan Vif Spss

Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS | Uji multikolinearitas merupakan bab dari uji perkiraan klasik (normalitas dan heteroskedastisitas) dalam analisis regresi linear berganda. Tujuan digunakannya uji multikolinearitas dalam penelitian yakni untuk menguji apakah model regresi ditemukan adanya hubungan (hubungan kuat) antar variabel bebas atau variabel independent. Model regresi yang baik seharusnya tidak terjadi hubungan diantara variabel bebas atau tidak terjadi tanda-tanda multikolinearitas.

Untuk mendeteksi ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka sanggup dilakukan dengan beberapa cara, yaitu: (1) Melihat nilai hubungan antar variabel independent. (2) Melihat nilai condition index dan eigenvalue. (3) Melihat nilai tolerance dan variance inflating factor (VIF). Dalam kesempatan kali ini kita akan memprektekkan cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS.

Dasar Pengambilan Keputusan dalam Uji Multikolinearitas (Tolerance dan VIF)

Seperti yang kita ketahui, bahwa setiap uji statistik yang dilakukan niscaya ada dasar pengambilan keputusannya. Adapun dasar pengambilan keputusan pada uji multikolinearitas dengan Tolerance dan VIF yakni sebagai berikut:

Pedoman Keputusan Berdasarkan Nilai Tolerance

1. Jika nilai Tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinieritas dalam model regresi.
2. Jika nilai Tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas dalam model regresi.

Pedoman Keputusan Berdasarkan Nilai VIF (Variance Inflation Factor)

1. Jika nilai VIF < 10,00 maka artinya tidak terjadi multikolinieritas dalam model regresi.
2. Jika nilai VIF > 10,00 maka artinya terjadi multikolinieritas dalam model regresi.

Catatan: kedua dasar pengambilan keputusan dalam uji multikolinearitas di atas akan menghasilkan kesimpulan yang sama (tidak akan bertentangan).

Contoh Kasus Uji Multikolinearitas dalam Model Regresi

Sebagai contoh, kita akan mendeteksi apakah ada tanda-tanda multikolinearitas untuk model regresi efek Motivasi (X1) dan Minat (X2) terhadap Prestasi Belajar (Y). Adapun data penelitian yang akan kita uji sanggup dilihat pada gambar tabel di bawah ini.

[Download Data excel, Input-Output SPSS]

Keterangan: data variabel motivasi dan minat di peroleh dari penyebaran kuesioner, sementara data variabel prestasi mencar ilmu diperoleh dari nilai ulangan. Adapun jumlah sampel yang dipakai dalam penelitian ini yakni 12 orang siswa.

Langkah-Langkah Uji Multikolinearitas Tolerance dan VIF dengan SPSS

Selanjutnya, kita masuk kebagian langkah-langkah melaksanakan uji multikolinearitas dengan melihat nilai Tolerance dan VIF memakai kegiatan SPSS. Adapun urutan langkah-langkah tersebut sanggup anda simak pada pembahasan di bawah ini.

1. Persiapkan data tabulasi untuk masing-masing variabel penelitian yang akan di uji. Buka kegiatan SPSS, kemudian klik Variable View. Selanjutnya, pada bab Name tuliskan Motivasi, Minat dan Prestasi, pada bagian Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y), pada bab Measure ubah menjadi Scale. Abaikan pilihan lainnnya, maka tampak dilayar.

2. Setelah itu, klik Data View, kemudian masukkan data Motivasi, Minat dan Prestasi yang sudah dipersiapkan tadi, sanggup dengan cara copy-paste atau ditulis satu persatu.

3. Selanjutnya, dari sajian SPSS pilih sajian Analyze, kemudian submenu Regression, kemudian pilih Linear...

4. Muncul kotak gres dengan nama "Linear Regression", selanjutnya masukkan variabel Motivasi (X1) dan Minat (X2) pada kotak Independent(s): kemudian masukkan variabel Prestasi (Y) pada kotak Dependent: kemudian pada bab "Method" pilih Enter, kemudian klik Statistics...

5. Dilayar akan muncul tampilan obrolan "Linear Regression: Statistics". Aktifkan pilihan dengan cara mecentang (v) pada Covariance matrix dan Collinierity Diagnostics. Abaikan pilihan lain atau biarkan tetap defauld kemudian klik Continue

6. Terakhir klik Ok, maka muncul output SPSS dengan judul "Regression". Untuk melihat ada tidaknya tanda-tanda multikolinearitas dalam model regresi, maka kita cukup memperhatikan tabel output "Coefficients". Adapun pembahsannya sanggup dilihat pada interpretasi berikut.

Interpretasi Output Uji Multikolinearitas Tolerance dan VIF

Sekangan saatnya kita untuk menginterpretasi atau menafsirkan hasil output SPSS di atas. Seperti yang sudah saya jelaskan pada bab sebelumnya, bahwa dasar pengambilan keputusan dalam uji multikolinearitas ini, sanggup dilakukan dengan cara melihat nilai Tolerance dan VIF. Berdasarkan tabel output "Coefficients" pada bab "Collinearity Statistics" diketahui nilai Tolerance untuk variabel Motivasi (X1) dan Minat (X2) yakni 0,394 lebih besar dari 0,10. Sementara, nilai VIF untuk variabel Motivasi (X1) dan Minat (X2) yakni 2,537 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam uji multikolinearitas sanggup disimpulkan bahwa tidak terjadi tanda-tanda multikolineritas dalam model regresi.

Catatan: jikalau jumlah variabel independent (X) yang dipakai dalam analisis regresi hanya ada 2 buah, maka otomatis hasil Tolerance dan VIF untuk kedua variabel tersebut akan bernilai sama.

Tips Tambahan: solusi alternatif untuk mengatasi tanda-tanda multikolinearitas dalam model regresi antara lain:

1. Melakukan alternatif uji lain untuk mendeteksi tanda-tanda multikolinearitas. (seperti: uji korelasi, uji condition index dan eigenvalue).
2. Melakukan transformasi data (missal: Ln, Log, Lag, dll).
3. Mengeluarkan variabel yang berkorelasi tinggi.
4. Melakukan outlier terhadap data ekstrim atau jikalau dibutuhkan maka boleh menambah sampel gres supaya sebaran data menjadi lebih bervariasi.

Demikian artikel pembahasan mengenai cara melaksanakan uji multikolinearitas dengan melihat nilai tolerance dan VIF memakai kegiatan SPSS versi 21 semoga bermanfaat dan terimakasih. Pada artikel berikutnya akan dibahas mengenai Tutorial Uji Heteroskedastisitas dengan Glejser SPSS

VIDEO Cara Uji Multikolinearitas Tolerance dan VIF dengan SPSS *UPDATE

[Kata Kunci Pencarian: Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS, Cara Melakukan Uji Multikolinearitas dengan Program SPSS, Langkah-langkah Melakukan Uji Multikolinearitas, Tutorial Uji Multikolinearitas dengan Software SPSS | Img: Dokumen hasil olah data dengan pemberian kegiatan SPSS versi 21]

UPDATE INFO: SELASA, 29 JANUARI 2019

Read More

Tutorial Uji Heteroskedastisitas Dengan Glejser Spss

Tutorial Uji Heteroskedastisitas dengan Glejser SPSS | Selamat pagi bapak-bapak, ibu-ibu dan kawan-kawan semua yang sedang bersibuk-sibuk ria mengerjakan skripsi, tesis, maupun kiprah lainnya. Setelah sebelumnya kita membahas mengenai uji normalitas dan uji multikolinearitas, maka pada kesempatan kali ini kita melanjutkan ke tahap berikutnya yakni cara melaksanakan uji heteroskedastisitas.

Sebelum saya mulai tutorial pada pembahasan artikel ini, terlebih dahulu kita harus tahu ihwal konsep dasar dalam uji heteroskedastisitas. Uji heteroskedastisitas merupakan bab dari uji perkiraan klasik dalam analisis regresi yang bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance (variasi) dari nilai residual satu pengamatan ke pengamatan yang lain. Jika variance dari nilai residual satu pengamatan ke pengamatan lain bersifat tetap, maka disebut homoskedastisitas, namun jikalau variance dari nilai residual satu pengamatan ke pengamatan lain berbeda maka disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi tanda-tanda heteroskedastisitas.



Salah satu cara mendeteksi ada tidaknya tanda-tanda heteroskedastisitas dalam model regresi yaitu dengan melaksanakan uji glejser. Prinsip kerja uji heteroskedastisitas memakai uji glejser ini yaitu dengan cara meregresikan variabel independent terhadap nilai Absolute residual atau Abs_RES dengan rumus persamaan regresinya adalah: |Ut| =a + BXt + vt

Dasar Pengambilan Keputusan Uji Heteroskedastisitas (Glejser)

Seperti yang telah kita ketahui bersama bahwa setiap uji dalam statistik niscaya mempunyai dasar pengambilan keputusan. Dasar pengambilan keputusan mempunyai kegunaan sebagai aliran atau pola dalam memilih sebuah kesimpulan atau keputusan atas hasil analisis yang telah dilakukan. Adapun dasar pengambilan keputusan dalam uji heteroskedastisitas dengan memakai uji glejser yaitu sebagai berikut:

1. Jika nilai signifikansi (Sig.) lebih besar dari 0,05, maka kesimpulannya yaitu tidak terjadi tanda-tanda heteroskedastisitas dalam model regresi.
2. Sebaliknya, jikalau nilai nilai signifikansi (Sig.) lebih kecil dari 0,05, maka kesimpulannya yaitu terjadi tanda-tanda heteroskedastisitas dalam model regresi.

Contoh Soal Uji Heteroskedastisitas dengan Uji Glejser

Selanjutnya kita masuk kebagian contoh perkara uji heteroskedastisitas dengan uji glejser dalam penelitian. Perlu saya informasikan bahwa model regresi yang kita uji kali ini yaitu efek Motivasi (X1) dan Minat (X2) terhadap Prestasi Belajar (Y). Adapun data untuk masing-masing variabel penelitian sanggup dilihat pada gambar dibawah ini.

[Download Data excel, Input-Output SPSS]

Cara Uji Heteroskedastisitas dengan Uji Glejser Menggunakan Program SPSS Versi 21

1. Setelah kita mempersiapkan data yang akan di uji glejser, maka langkah selanjutnya buka kegiatan SPSS, kemudian menyerupai biasa klik Variable View. Kemudian, pada bagian Name tulis saja Motivasi dan Minat dan Prestasi, pada bagian Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y), pada bab Measure ganti menjadi Scale. Abaikan yang lainnnya, maka tampak di layar sebagai berikut.

2. Setelah itu, klik Data View lalu masukkan data penelitian untuk variabel Motivasi, Minat dan Prestasi yang sebelumnya sudah dipersiapkan (bisa dengan cara copy-paste atau ditulis satu persatu ke SPSS). Tampak dilayar.

3. Langkah selanjutnya, kita akan menciptakan persamaan regresi untuk variabel penelitian dan memunculkan variabel gres yakni variabel Unstandardized residual atau RES_1. Caranya dari hidangan SPSS pilih Analyze, kemudian klik Regression, kemudian klik Linear...

4. Maka muncul kotak obrolan dengan nama "Linear Regression" selanjutnya masukkan variabel Prestasi (Y) ke kolom Dependent: kemudian masukkan variabel Motivasi (X1) dan Minat (X2) ke kolom Independent(s): sehabis itu klik Save...

5. Muncul obrolan dengan nama "Linear Regression: Save" selanjutnya pada bab "Residuals", berikan tanda centang (v) pada Unstandardized (abaikan pilihan lain), kemudian klik Continue

6. Selanjutnya klik Ok (abaikan saja ada output SPSS yang muncul) kemudian buka Data View maka perhatikan disitu muncul variabel gres dengan nama RES_1. Tampak dilayar.

7. Kemudian kita akan menciptakan variabel Abs_RES yang akan kita gunakan dalam uji glejser ini. Caranya, dari hidangan utama SPSS pilih Transform, kemudian klik Compute Variable...

8. Maka muncul dialog "Compute Variable" selanjutnya pada kotak "Target Variable" tuliskan Abs_RES kemudian pada kotak "Numeric Expression" ketikkan ABS(RES_1). Tampak dilayar.

9. Kemudian klik Ok (abaikan saja ada output SPSS yang muncul), lihat di bagian Data View maka muncul variabel gres dengan nama Abs_RES. Tampak dilayar.

10. Selanjuntya kita akan melaksanakan uji glejser untuk persamaan regresi Motivasi (X1) dan Minat (X2) terhadap variabel Absolute residual atau Abs_RES. Caranya dari hidangan utama SPSS pilih Analyze, kemudian pilih Regression, kemudian klik Linear...

11. Muncul kotak obrolan dengan nama "Linear Regression", selanjutnya keluarkan variabel Prestasi (Y) yang terdapat pada kolom Dependent: lalu ganti dengan variabel Abs_RES, kemudian klik Save...

12. Mucul kotak dengan nama "Linear Regression: Save", selanjutnya pada bab "Residuals", hilangkan tanda centang (v) pada Unstandardized (abaikan pilihan yang lain), kemudian klik Continue...

13. Langkah yang terakhir yaitu klik Ok untuk mengakhiri perintah. Maka kita akan sanggup melihat Output SPSS dan selanjutnya tinggal kita interpretasikan saja.

Interpretasi Output Uji Heteroskedastisitas (Glejser) dengan SPSS

Untuk memaknai hasil uji heteroskedastisitas dengan uji glejser ini, maka kita cukup melihat tabel output "Coefficients" dengan variabel Abs_RES berperan sebagai variabel dependent. Berdasarkan output di atas diketahui nilai signifikansi (Sig.) untuk variabel Motivasi (X1) yaitu 0,004. Sementara, nilai signifikansi (Sig.) untuk variabel Minat (X2) yaitu 0,007. Karena nilai signifikansi kedua variabel di atas lebih kecil dari 0,05 maka sesuai dengan dasar pengambilan keputusan dalam uji glejser, sanggup disimpulkan bahwa terjadi tanda-tanda heteroskedastisitas dalam model regresi.

Mengatasi Gejala Heteroskedastisititas dalam Model Regresi

Dalam perkara menyerupai di atas, maka ada beberapa cara yang perlu kita lakukan semoga model regresi terbebas dari tanda-tanda heteroskedastisitas. Adapun solusi yang sanggup kita jadikan alternatif yaitu sebagai berikut:

1. Melakukan alternatif uji lain untuk mendeteksi ada tidaknya tanda-tanda heteroskedastisitas. (seperti: uji heteroskedastisitas dengan gambar scatterplot, uji rank spearman, uji park dan uji white).
2. Melakukan transformasi data penelitian (missal: Ln, Log10, Lag, dll).
3. Melakukan outlier terhadap data ekstrim atau jikalau diharapkan maka kita boleh menambah sampel gres supaya sebaran data menjadi lebih bervariasi atau beragam.

Demikain panduan ihwal cara melaksanakan uji heteroskedastisitas dengan uji glejser dalam model regresi memakai kegiatan SPSS versi 21. Semoga sanggup bermanfaat bagi anda yang sedang mengerjakan tugas. Artikel berikutnya akan dibahas tentang: Tutorial Uji Autokorelasi dengan Durbin Watson SPSS

UPDATE INFO: RABU, 30 JANUARI 2019

[Kata Kunci Pencarian: Tutorial Uji Heteroskedastisitas dengan Glejser SPSS, Cara melaksanakan Uji Heteroskedastisitas dengan Uji Glejser pada Program SPSS versi 21, Langkah-langkah Uji Heteroskedastisitas Glejser dengan software SPSS serta Interpretasi] [Img: Dokumen hasil olah data dengan pertolongan kegiatan SPSS versi 21]

VIDEO: Cara Uji Heteroskedastisitas dengan Uji Glejser SPSS

Read More

Tutorial Uji Autokorelasi Dengan Durbin Watson Spss

Tutorial Uji Autokorelasi dengan Durbin Watson SPSS | Sebelum saya membahas mengenai Uji Autokorelasi, sekedar mengigatkan kembali bahwa sebelumnya telah dibahas mengenai Tutorial Uji Heteroskedastisitas dengan Glejser SPSS. Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada hubungan antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada duduk perkara autokorelasi.

Autokorelasi muncul alasannya ialah observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul alasannya ialah residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) alasannya ialah “gangguan” pada seseorang individu atau kelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama atau pada periode berikutnya.

Model regresi yang baik ialah regresi yang bebas dari autokorelasi. Ada beberapa cara yang sanggup dipakai untuk mendeteksi ada atau tidaknya autokorelasi. Dalam postingan kali ini akan saya bahas mengenai Uji Autokorelasi dengan Durbin Watson (DW test). Uji Durbin Watson hanya dipakai untuk autokorelasi tingkat satu dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen.

Dasar Pengambilan Keputusan
Metode pengujian yang sering dipakai ialah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut :

1. Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat autokorelasi.
2. Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
3. Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

Setelah teman mengetahui dasar-dasar pada Uji Autokorelasi, sekarang kita masuk pada bab praket pengolahan datanya dengan SPSS versi 21. Perlu saya informasikan terlebih dahulu bahwa data yang akan diuji ialah data Motivasi (X1), Minat (X2), dan Prestasi (Y) dengan jumlah N=12. Adapun rincian datanya sanggup dilihat pada gambar dibawah ini.

1. Setelah data yang ingin di uji sudah dipersiapkan, selanjutnya buka kegiatan SPSS, kemudian menyerupai biasa, klik Variable View, Selanjutnya, pada bab Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi, Minat ,dam Prestasi, abaikan yang lainnnya.



2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi, sanggup dengan cara copy-paste.

3. Langkah selanjunya, dari hidangan SPSS pilih Analyze, kemudian klik Regression, selanjutnya klik Linear

4. Kemudian, muncul kotak obrolan dengan nama Linear Regression, maka masukkan variabel Prestasi (Y) ke Dependent, masukkan variabel Motivasi (X1) dan Minat (X2) ke Independent (s), laris klik Statistics

5. Muncul kotak dengan nama Linear Regression : Statistics, pada bab ini kemudian centang (v) Durbin-Watson (abaikan centangan yang lain).

6. Langkah yang terakhir ialah klik Ok. Hasil outputnya lihat dibawah ini.

Berdasarkan output di atas, diketahui nilai DW 2,115, selanjutnya nilai ini akan kita bandingkan dengan nilai table signifikansi 5%, jumlah sampel N=12 dan jumlah variabel independen 2 (K=2) = 2.12 (Cari pada tabel Durbin Watson) maka diperoleh nilai du 1,579.

Nilai DW 2,115 lebih besar dari batas atas (du) yakni 1,579 dan kurang dari (4-du) 4-1,579 = 2,421 sehingga sanggup disimpulkan bahwa tidak terjapat autokorelasi.

Demikain tadi serangkaian Tutorial Uji Autokorelasi dengan Durbin Watson SPSS cukup mudah dan gampang untuk dipraktekkan, jikalau teman masih resah sanggup menentukan alternatif lain yakni : Jasa Olah Data Statistik SPSS Terpercaya

Artikel selanjutnya : Cara Melakukan Analisis Regresi Berganda dengan SPSS

[Search : Tutorial Uji Autokorelasi dengan Durbin Watson SPSS, Cara melaksanakan Uji Autokorelasi dengan Uji Durbin Watson (DW test) kegiatan SPSS versi 21, Langkah-langkah Uji Autokorelasi lengkap dengan gambar]
[Img : Dokumen olah data SPSS versi 21]

Read More

Panduan Uji Heteroskedastisitas Dengan Gambar Scatterplots Spss

Panduan Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS | Seperti yang kita ketahui bersama bahwa uji heteroskedastisitas merupakan bab dari uji perkiraan klasik dalam model regresi. Dimana, salah satu persyaratan yang harus terpenuhi dalam model regresi yang baik yaitu tidak terjadi gelaja heteroskedastisitas. Sementara itu, terjadinya tanda-tanda atau duduk kasus heteroskedastisitas ini akan berakibat pada sebuah keraguan [ketidak akuratan] pada suatu hasil analisis regresi yang dilakukan.

Uji heteroskedastisitas berfungsi untuk menguji terjadinya perbedaan variance dari nilai residual pada suatu periode pengamatan ke periode pengamatan yang lainnya. Dalam analisis statistik ada beberapa cara untuk yang sanggup kita lakukan sebagai upaya untuk mendeteksi ada tidaknya tanda-tanda heteroskedastisitas, antara lain dengan melakukan:

1. Uji Glejser
2. Uji Koefisien Korelasi Spearman
3. Melihat Pola Gambar Scatterplots
4. Uji Park

Ok lanjut, sebagaimana judul tutorial SPSS di atas, disini saya akan mempraktekkan cara melaksanakan uji heteroskedastisitas dengan melihat pola gambar scatterplots hasil dari output SPSS. Adapun aliran yang kita gunakan untuk meprediksi atau mendeteksi ada tidaknya tanda-tanda heteroskedastisitas tersebut dilakukan dengan cara melihat pola gambar scatterplots, dengan ketentuan:

TIDAK TERJADI GELAJA ATAU MASALAH HETEROSKEDASTISITAS JIKA:

1. Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data dihentikan membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.

CONTOH KASUS UJI HETEROSKEDASTISITAS

Data penelitian yang akan saya gunakan dalam uji heteroskedastisitas untuk pola kali ini yakni data “Pengaruh Profesionalisme [X1] dan Motivasi [X2] terhadap Kinerja [Y]”



Karena jumlah sampel sebanyak 72 sehingga gambar akan terlalu besar jikalau di tampilkan diblog ini, maka untuk latihan silahkan anda[Download Data Saja]

LANGKAH-LANGKAH MENDETEKSI HETEROSKEDASTISITAS DENGAN GAMBAR SCATTERPLOTS SPSS

1. Seperti biasa buka kegiatan SPSS kemudian klik Variable View, pada kolom Name baris pertama tuliskan X1, baris kedua X2, baris ketiga Y. Selanjutnya, pada bab Label untuk baris pertama tuliskan Profesionalisme, baris kedua Motivasi dan baris ketiga Kinerja [abaikan kolom yang lain]



2. Jika sudah, selanjutnya klik Data View kemudian masukkan data penelitian sesuai dengan nama variabel yang ada pada tampilan Data View tersebut



3. Selanjutnya klik sajian Analyze –Regression –Linear…



4. Maka keluar kotak obrolan “Linear Regression”, selanjutnya masukkan variabel Profesionalisme [X1] dan Motivasi [X2] ke kotak Independent(s), dan masukkan variabel Kinerja [Y] ke kotak Dependent, dengan cara klik tanda panah [>]. kemudian pada bab Method: pilih Enter, sesudah itu klik Plots..



5. Muncul kotak obrolan “Linear Regression: Plots”, masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, kemudian klik Continue



6. Terakhir klik Ok, maka akan muncul Ouput SPSS.. perhatikan output Scatterplots yang ada bab output paling bawah

ANALISIS OUTPUT SCATTERPLOTS SPSS

Bedasarkan output Scatterplots di atas diketahui bahwa :

1. Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.

Dengan demikian sanggup kita disimpulkan bahwa tidak terjadi duduk kasus heteroskedastistas, sampai model regresi yang baik dan ideal sanggup terpenuhi.

SOLUSI MENGATASI JIKA TERDAPAT GELAJA HETEROSKEDASTISITAS

Dalam masalah lain, dikala dimungkinkan terjadi duduk kasus heteroskedastisitas. Oleh alasannya yaitu itu, alternatif solusi yang sanggup anda lakukan untuk mengatasi duduk kasus tersebut adalah:

1. Melakukan transformasi data ke bentuk lain seperti: Log atau Ln
2. Mengganti metode pengujian heteroskedastisitas dengan metode yang lain seperti: Uji Glejser
3. Mengurangi jumlah data [outlier data ekstrim]
4. Menambah atau menganti data atau jumlah sample

Sementara hanya ini yang sanggup saya tulis dalam Panduan Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS agar bermanfaat.. saya akhiri dan selamat mencoba..

Baca : Cara Melakukan Analisis Regresi Multipes dengan SPSS

[Search: Panduan Cara Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS, Uji Pola Gambar Scatterplots dengan Program SPSS, Solusi Mengatasi Masalah atau Gelaja Heteroskedastisitas]
[Img: screenshot olah data SPSS versi 21]

Lihat Juga: Video Cara Uji Heteroskedastisitas dengan Scatterplots SPSS

Read More

Download File Praktik Latihan Spss Tutorial Youtube

Download File Praktik Latihan SPSS Tutorial YOUTUBE | Selamat pagi mitra semua yang sedang asik (ASIK SEKALI, hehe) mengerjakan tugas, skripsi, atau tesisnya biar selalu diberikan akomodasi dan kelancaran oleh Allah SWT dalam menuntaskan kiprah ini. Kunci sukses dalam mengerjakan analisis data memakai jadwal SPSS untuk penelitian bersama-sama terletak pada beberapa hal, diantaranya:

KUNCI SUKSES MENGERJAKAN ANALISIS DATA MENGGUNAKAN SPSS

1. Kecermatan dalam memilih metode analisis apa yang paling sempurna untuk penelitian anda. Cara termudah dalam hal ini adalah dengan merujuk pada penelitian sejenis atau jurnal yang relevan (mirip) dengan penelitian yang sedang anda lakukan dikala ini. Kemudian anda hanya perlu menyamakan (meniru) metode analisis yang digunakan dalam penelitian atau jurnal relevan tersebut. Kalau sanggup sih sebaiknya mencari penelitian terdahulu, dimana peneliti tersebut pernah dibimbing oleh dosen yang sama dengan dosen yang membimbing anda dikala ini - cari diperpustakaan kampus (inilah yang disebut cara main aman.hehe).
2. Pelajari teori-teori yang berkaitan dengan analisis yang digunakan untuk penelitian anda. Mencakup pengertian, tujuan, syarat atau mekanisme serta dasar pengambilan keputusan dalam analisis tersebut.
3. Perlu ketelitian dalam menginput data penelitian ke dalam Progam SPSS, baik pada Variabel View maupun pada Data View.
4. Baca sebanyak mungkin rujukan penunjang sebagai pegangan bagi anda untuk menafsirkan atau menginterpretasi Ouput SPSS atas hasil analisis yang sudah anda lakukan.

Baik kita masuk kebagian inti dari postingan kali ini, yakni disini saya akan membagikan beberapa file pendukung (file praktik analisis data di youtube) kepada kawan-kawan semua sebagai sarana embel-embel tutorial SPSS sederhana pada Channel youtube: Sahid Raharjo | kawan-kawan sanggup mendownloadnya secara gratis pada link di bawah ini.

Judul Video	Data File
Uji Normalitas Kolmogorov Smirnov dengan SPSS Full Edisi	Download
Cara Uji Linearitas dengan SPSS Paling Mudah	Download
Cara Uji Normalitas Probability Plot dengan SPSS Detail	Download
Video Uji Multikolinearitas dengan Tolerance-VIF SPSS	Download
Uji Heteroskedastisitas Glejser dengan SPSS	Download
Cara Uji Heteroskedastisitas dengan Metode Scatterplots SPSS	Download
Video Uji Autokorelasi Durbin Watson dengan SPSS	Download
Cara Uji Autokorelasi dengan Uji Run Test Menggunakan SPSS	Download
Uji Analisis Korelasi Pearson dengan SPSS Sangat Jelas	Download
Cara Uji Korelasi Berganda Simultan dengan SPSS Full	Download
Uji Regresi Linear Sederhana dengan SPSS Sangat Detail	Download
Uji t dan Uji F dalam Analisis Regresi Berganda dengan SPSS	Download
Panduan Cara Uji Regresi Variabel Intervening dengan SPSS	Download
Uji Regresi dengan Variabel Moderasi MRA dalam SPSS	Download
Teknik Uji Variabel Dummy dalam Analisis Regresi SPSS	Download
Praktik Mencari SE dan SR Regresi Berganda	Download
Uji Normalitas Shapiro Wilk Statistik Parametrik dengan SPSS	Download
Uji Homogenitas Levene Statistics dengan SPSS Sangat Lengkap	Download
Cara Uji Paired Sample T Test dengan SPSS Full	Download
Uji Beda Independent Sample t Test dengan SPSS Lengkap	Download
Video Cara Uji Wilcoxon Non Parametrik dengan SPSS	Download
Cara Uji Mann Whitney Non Parametrik dengan SPSS Lengkap	Download
Bimbingan Kilat Uji One Way Anova dengan SPSS bagi Pemula	Download
Bimbingan Praktis Cara Uji Two Way Anova dengan SPSS lengkap	Download
Cara Praktis Uji Normalitas Skewness dan Kurtosis dengan SPSS	Download
Membuat Tabel Distribusi Frekuensi dengan SPSS Sangat Mudah	Download
Cara Uji Analisis Korelasi Rank Spearman dengan SPSS Lengkap	Download
Uji Validitas Pearson Product Moment dengan SPSS [UPDATE]	Download
Uji Reliabilitas Cronbach Alpha dengan SPSS [UPDATE]	Download
Tutorial Cara Uji Chi Square dengan Program SPSS	Download
Uji Heteroskedastisitas Metode Glejser dengan SPSS UPDATE	Download
Uji Multikolinearitas Tolerance dan VIF dengan SPSS *UPDATE	Download
Analisis Data Kelas Eksperimen dan Kontrol dengan SPSS [5]	Download
Cara Memasukkan Data Kuesioner Skala Likert di SPSS Lengkap	Download
Cara Memasukkan Data Laporan Keuangan (Sekunder) di SPSS	Download
Video Panduan Uji Kruskal Wallis dengan SPSS Lengkap	Download
Uji One Sample t Test dengan SPSS + Interpretasi	Download
Tutorial Analisis Faktor dengan SPSS + Interpretasi	Download
Tutorial Uji Friedman dengan SPSS Serta Interpretasi Lengkap	Download
Uji Repeated Measures Anova dengan SPSS Serta Interpretasi	Download
Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi	Download
Cara Uji Korelasi Korelasi Kendalls tau-b dengan SPSS	Download
Next Video	Download

Catatan: untuk keamanan file, maka file data di atas saya rekap dalam format folder winrar. Isi file yang terdapat dalam forder winrar tersebut secara umum meliputi data Pdf, Excel, dan data Input SPSS.sav yang saya gunakan di dalam video youtube.

Lihat Juga: Panduan Berbagai Analisis Data dengan SPSS Lengkap

Demikian postingan ihwal Download File Praktik Latihan SPSS Tutorial YOUTUBE, biar bermanfaat dan sanggup dipergunakan sebagaimana mestinya. Oh iya, kalau ada link download yang rusak tolong diinfokan ke saya ya melalui whatsapp atau email supaya saya sanggup segera mengupdate dengan link yang baru. Terimakasih.

Read More