Menu

Monday, April 8, 2019

Uji Multikolinieritas


1.      Uji Multikolinieritas Dengan Perhitungan Manual
Uji multikolinieritas dilakukan untuk mengetahui ada tidaknya hubungan yang kuat (signifikan) antar variabel bebas. Jika terdapat hubungan yang signifikan maka dapat dikatakan ada aspek yang sama dikur pada variabel bebas. Kondisi ini menunjukkan ketidaklayakan untuk digunakan dalam menguji kontribusi variabel bebas secara simultan terhadap variabel terikat. Uji multikolinieritas ini diperlukan hanya pada regresi ganda, hal ini dikarenakan pada regresi ganda memiliki lebih dari satu variabel bebas. Sedangkan untuk regresi sederhana tidak memerlukan uji multikolinieritas karena pada regresi sederhana hanya melibatkan satu variabel bebas.
Misalkan pada regresi ganda dengan variabel bebas X1, X2, X3, . . . , Xn terhadap Y. Apabila terjadi multikolinieritas pada variabel – variabel bebas, maka akan kesulitan untuk menginterpretasikan efek dari masing – masing variabel bebas.
Pengujian multikolinieritas dapat dilakukan dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien  korelasi antar variabel bebas. Sebagai contoh, pada suatu penelitian yang mengkaji tentang kontribusi X1, X2, X3 terhdap Y. Pertama – tama dihitung RY. X1X2X3. Lakukan perhitungan korelasi sederhana dari masing – masing variabel bebas, yaitu rX1X2, rX1X3, dan rX2X3, apabila dari ketiga korelasi tersebut dikategorikan kuat (lebih dari 0,8) maka dilanjutkan dengan menghitung korelasi ganda antar variabel bebas.  Selanjutnya dihitung korelasi antar variabel – variabel bebas, yaitu rX1.X2X3,  rX2.X1X3 dan rX3.X1X2. Apabila diantara koefisien korelasi tersebut ada yang melebihi RY. X1X2X3 maka dapat dikatakan bahwa terjadi multikolonieritas.
Sebagai contoh, suatu penelitian yang mengkaji hubungan (korelasi) antara motivasi belajar (X1), minat belajar (X2) dan kepercayaan diri (X3) terhadap hasil belajar matematika siswa. Misalkan hasil perhitungan korelasi ganda untuk RY. X1X2X3 memberikan hasil 0,897. Hasil perhitungan korelasi sederhana antara variabel – variabel bebas (X1, X2, dan X3) tersaji pada tabel berikut.

X1
X2
X3
X1
1.000
0,845
0,637
X2
0,845
1,000
0,945
X3
0,637
0,945
1,000

Dari tabel di atas, dapat dilihat hasil korelasi, yaitu rX1X2 = 0,845, rX1X3 = 0,637 dan rX2X3 = 0,945. Dari hasil tersebut dapat ditarik kesimpulan bahwa terjadi hubungan yang kuat. Nilai dari rX1X2 = 0,845 > 0,8 yang artinya terdapat hubungan yang kuat antara X1 dan X2. Nilai dari rX2X3 = 0,945 > 0,8 yang juga terjadi hubungan yang kuat antara X2 dan X3. Selanjutnya dilakukan perhitungan korelasi ganda antar variabel – variabel bebas, yaitu rX1.X2X3,  rX2.X1X3 dan rX3.X1X2.  Misalkan pada contoh penelitian di atas didapatkan hasil : rX1.X2X3 = 0,886, rX2.X1X3=0,925 dan rX3.X1X2 = 0,772. Dari hasil tersebut terlihat bahwa nilai rX2.X1X3 merupakan nilai terbesar, yang artinya bahwa X2 memiliki hubungan yang kuat dengan variabel bebas yang lain (X1 dan X3). Jika peneliti ingin menggugurkan variabel yang menimbulkan multikolinieritas, maka variabel yang harus digugurkan adalah X2.
Khusus untuk penelitian eksperimen dengan variabel terikat lebih dari satu (Manova), uji multikolinieritas juga dibutuhkan untuk menguji apakah antar variabel terikat pada penelitian tersebut memiliki hubungan yang kuat. Sehingga uji multikolinieritas dilakukan pada variabel terikat (Y1, Y2, . . .). Uji multikolinieritas pada penelitian manova dilakukan dengan mencari koefisien korelasi dari variabel-variabel terikat. Jika koefisien korelasi yang didapatkan dapat dikategorikan tinggi (lebih dari 0,8) maka pada variabel terikat yang dipilih pada penelitian itu terjadi multikolinieritas. Sebagai contoh yang lebih spesifik, misalnya suatu penelitian manova dengan variabel terikat sebanyak 2 (dua),  didapatkan rY1Y2 = 0,562, dari hasil korelasi ini dapat dikatakan bahwa tidak terjadi multikolinieritas pada kedua variabel terikat tersebut, sehingga dapat digunakan sebagai variabel terikat lebih lanjut. Sebaliknya jika koefisien korelasi rY1Y2 lebih dari 0,8 maka dapat dikatakan kedua variabel terikat yang diteliti terjadi multikolinieritas, akibatnya salah satu dari kedua variabel tersebut harus dibuang atau diganti dengan variabel lainnya.

2.      Uji Multikolinieritas berbantuan SPSS
Sama halnya dengan uji multikolinieritas dengan perhitungan manual, uji multikolinieritas berbantuan SPSS dapat dilakukan dengan terlebih dahulu mencari koefisien korelasi dari masing-maisng variabel bebas (untuk regresi) dan masing-masing variabel terikat (untuk manova). Pengujian korelasi dapat dilakukan dengan langkah-langkah berikut.
a)      Analyze  −> Correlate  −> Bivariate
b)      Masukkan data variabel yang akan diuji multikolinieritas ke variables
c)      Lalu klik OK

Sunday, April 7, 2019

Bagaimana Menguji MANOVA?; Teori dan Aplikasi dengan SPSS


Sebelum dilakukan uji hipotesis, terlebih dahulu dilakukan uji prasyarat analisis. Adapun uji prasyarat analisis untuk manova adalah:
(1). Uji normalitas (LINK)
Uji normalitas dilakukan untuk menguji apakah data berasal dari populasi yang berdistribusi normal atau tidak. Kelompok data yang diuji normalitas adalah data ketahanmalangan dan hasil belajar baik dari kelompok eksperimen maupun kontrol.
(2). Uji homogenitas (LINK)
Uji homogenitas dilakukan untuk menguji apakah kedua kelompok data memiliki varians data yang homogen atau tidak. Pengujian homogenitas dilakukan bersamaan dengan langkah uji hipotesis.
(3). Uji homogenitas matriks varian-kovarian / box – M (LINK)
Uji box – M dilakukan untuk menguji apakah data pada kedua variabel terikat memiliki matris varian – kovarian yang sama terhadap variabel bebas. Langkah pengujian box – M dapat dilakukan secara bersamaan dengan uji hipotesis.
(4). Uji multikolinieritas (LINK)
Uji multikolinieritas untuk manova dilakukan untuk menguji apakah kedua variabel terikat bersifat linier atau tidak.

1.      Pengujian Manova Secara Manual
Manova merupakan singkatan dari Multivariate of Variance. Pada dasarnya manova sama dengan anava yang merupakan uji beda varian. Perbedaannya, pada anava hanya melibatkan satu variabel terikat, sedangkan pada manova melibatkan lebih dari satu variabel terikat.
Model manova untuk membandingkan vektor mean sebanyak g adalah sebagai berikut.
Xij = µ + τi + eij, j = 1, 2, 3, . . ., ni­­ dan i = 1, 2, 3, . . ., g
Vektor observasi dapat dikomposisi ulang sesuai model, seperti berikut.
Hipotesis nol yang diuji pada manova adalah sebagai berikut.
H0  = τ1 = τ2 = . . . = τg = 0  
Tabel kerja manova untuk membandingkan vektor mean adalah sebagai berikut.

Sumber Variasi
Matriks Jumlah Kuadrat dan Perkalian Silang
Derajat Kebebasan
Treatment
     g - 1
Residu (error)
Total (rata-rata terkoreksi)

Dari nilai B dan W selanjutnya dihitung koefisien A* dengan menggunakan rumus:
Hipotesis nol H0 ditolak apabila nilai A* terlalu kecil.
Koefisien A* disebut dengan koefisien Wilks Lambda. Distribusi A* yang lebih teliti untuk pengujian H0 dapat dijabarkan pada tabel berikut.
Banyak Variabel
Banyak Kelompok
Sampling Distribusi
Harga Ftabel
p = 1
g ≥ 2
p = 2
g ≥ 2
p ≥ 1
g = 2
p ≥ 1
g = 3

2.       Pengujian Manova Berbantuan SPSS
Pengujian manova pada dasarnya hampir sama dengan anava, namun pada manova menggunakan variabel terikat lebih dari satu. Misalkan pada suatu penelitian yang berjudul Pengaruh Model Pembelajaran Kontekstual terhadap ketahanmalangan dan hasil belajar matematika. Variabel bebas pada penelitian ini adalah model pembelajaran kontekstual, sedangkan variabel terikat pada penelitian ini adalah ketahanmalangan dan hasil belajar matematika. Pengujian manova mengikuti langkah berikut.
a)      Analyze −> General Linier Model −> Multivariate
b)      Klik multivariate
c)      Pindahkan data variable terikat pertama dan kedua ke dependent variables  dan data “kelas” atau kelompok data baik kelompok eksperimen dan kontrol ke fixed factor(s).
d)     Lalu klik OK.

Secara rinci, langkah - langkah menguji manova dapat dilihat pada video berikut.

Semoga bermanfaat, jangan lupa SUBSCRIBE channel youtube REAL MATIKA untuk video tutorial SPSS yang lain.
Baca Juga:


Monday, April 1, 2019

UJI HOMOGENITAS VARIANS

A.    Uji Homogenitas Dengan Perhitungan Manual
Uji homogenitas adalah pengujian yang berguna untuk mengetahui sekumpulan data yang variansnya homogen atau seragam. Dalam data yang diuji model yang digunakan harus cocok dengan komposisi dan distribusi datanya. Karena model yang sesuai dengan keadaan data adalah apabila simpangan estimasinya mendekati 0. Agar penyimpangan estimasi tidak terlalu besar, maka data tersebut perlu di uji homogenitas variansinya. Uji homogenitas bisa di uji dengan uji Fisher dan uji Bartlet.  
1)      Uji Fisher
Uji F atau uji Fisher adalah uji Eksak yang diturunkan oleh seseorang bernama Fisher, karenanya disebut Uji Eksak Fisher. Tujuan uji Eksak Fisher antara lain adalah untuk menguji taraf signifikansi hipotesis komparatif dua sampel independen, selain itu juga untuk mengetahui apakah ada perlakuan yang berbeda dari dua populasi yang di uji.
a)      Langkah Pengujian dan Penafsiran Hasil Uji Fisher
Adapun langkah pada uji Fisher adalah sebagai berikut.
a.    Tentukan taraf sigifikansi (α) untuk menguji hipotesis :
Ho           :  (varians 1 sama dengan varians 2 atau homogen)
H1           : (varians 1 tidak sama dengan varians 2 atau tidak
  homogen)
b.    Hitung varians tiap kelompok data
c.    Tentukan nilai Fhitungyaitu, 
                    Fhitung= 
d.   Tentukan Ftabel untuk taraf signifikan (α) ,
dk-1= dk pembilang = na – 1 , dan  dk2= dk penyebut = nb – 1
e.    Lakukan pengujian dengan membandingkan nilai Fhitung dan Ftabel
f.     Jika Fhitung < Ftabel, maka kelompok data memiliki varians yang homogen.
2)      Uji Barlet
Uji Bartlet adalah pengujian untuk uji kesamaan ragam atau varians. Uji Bartlet digunakan untuk menguji apakah k sampel berasal dari populasi dengan keseragaman varians. k sampel bisa berapa saja, karena biasanya uji Bartlet digunakan untuk menguji sampel atau kelompok yang lebih dari 2. Varians yang sama diseluruh sampel disebut homo scedasticity atau homogenitas varians. Uji Bartlet diperlukan dalam beberapa uji statistik seperti analysis of variance (ANOVA) sebagai syarat jika ingin menggunakan Anova. Berdasarkan info dari Wikipedia uji Bartlet ini dinamai oleh Maurice Stevenson Bartlett. Uji Bartlet dapat digunakan apabila data yang digunakan sudah di uji normalitas dan datanya merupakan data normal.
Uji Bartlet dengan menghitung x2. Harga x2 yang diperoleh dari perhitungan (x2-hitung) selanjutnya dibandingkan dengan nilai x2 dari tabel distribusi x2 (tabel distribusi Chi Kuadrat) pada taraf signifikansi yang ditentukan dengan derajat kebebasan (dk) = k-1, yang mana k menyatakan banyak kelompok. Bila x2-hitung lebih kecil daripada x2 -tabel, makan hipotesis nol diterima. Artinya, varians data pada setiap kelompok homogen atau sering disebut bahwa data berasal dari populasi yang homogen.
a)      Langkah Pengujian dan Penafsiran Hasil Uji Barlet
Adapun langkah pada uji Barlet adalah sebagai berikut.
a)      Pertama dibuat tabel  kerja seperti ini.  
Sampel
dk
1/dk
S12
Log S12
dk x S12
dk x Log  S12




























Total







b)      Selanjutnya dihitung varians gabungan (S2) dengan rumus :
 atau
c)      Bila harga varians gabungan (S2) sudah diperoleh, maka selajutnya dihitung nilai B dengan rumus :
d)     Setelah ditemukan nilai B, lakukan perhitungan untuk mendapatkan nilai x2 dengan menggunakan rumus :
Selanjutnya, nilai x2 yang diperoleh dari perhitungan dibandingkan dengan nilai x2 yang diperoleh dari tabel distribusi x2 (tabel distribusi Chi Kuadrat). Apabila x2 - hitung lebih kecil daripada x2 -tabel, maka hipotesis nol diterima. Jadi kelompok data memiliki varians yang homogen.

B. Uji Homogenitas Berbantuan SPSS
Pengujian homogenitas dapat dilakukan dengan langkah yang sma dengan uji hipotesis pada eksperimen, sebagai contoh, pada uji anakova, pada langkah uji anakova juga menghasilkan output dari uji homogenitas. Jadi output uji homogenitas didapatkan dari langkah - langkah dari uji hipotesisnya, baik pada uji-t, anava, anakova, manova maupun uji hipotesis lain pada penelitian eksperimen.
Pada contoh berikut diberikan langkah-langkah uji homogenitas pada uji hipotesis anakova:
a)      Analyze −> General Linier Model −> Univariate
b)      klik Univariate
c)      Pindahkan variabel terikat ke Dependent Variable, “kelas” ke Fixed Factor(s) serta variabel kovariabel ke Covariate(s).
d)     Klik OK

Secara rinci, langkah – langkah uji homogenitas dengan anakova dapat dilihat pada video berikut.

Semoga bermanfaat, dan jangan lupa SUBSCRIBE channel youtube REAL MATIIKA untuk video tutorial SPSS yang lain.
Baca juga: