Daftar isi
Hampir setiap uji statistik parametrik punya asumsi: syarat tentang data yang harus dipenuhi supaya hasil ujinya bisa dipercaya. Uji asumsi, yang di banyak skripsi disebut uji prasyarat analisis, memeriksa syarat-syarat itu sebelum hipotesis diuji.
Asumsi menurut jenis analisis
| Analisis | Asumsi yang diuji | Bila tidak terpenuhi |
|---|---|---|
| Uji t sampel independen | Normalitas tiap kelompok, homogenitas varians | Uji Mann-Whitney; uji t Welch bila hanya varians yang tidak homogen |
| Uji t berpasangan | Normalitas selisih pasangan | Uji Wilcoxon |
| ANOVA satu arah | Normalitas tiap kelompok, homogenitas varians | Kruskal-Wallis; ANOVA Welch |
| Korelasi Pearson | Normalitas, hubungan linear | Korelasi Spearman |
| Regresi linear | Uji asumsi klasik: normalitas residual, multikolinearitas, heteroskedastisitas, autokorelasi, linearitas | Transformasi, perbaikan model, atau galat baku yang tahan heteroskedastisitas |
Urutan yang umum di skripsi
- Bersihkan data: periksa salah input dan data pencilan (outlier).
- Statistik deskriptif setiap variabel.
- Uji asumsi sesuai analisis yang direncanakan (lihat tabel di atas).
- Uji hipotesis dengan analisis yang asumsinya terpenuhi, atau dengan alternatifnya.
Dasar keputusan yang paling sering dipakai
Sebagian besar uji asumsi di SPSS dibaca dengan nilai Sig. (nilai p). Untuk uji asumsi, yang diharapkan justru tidak signifikan: H₀ uji asumsi menyatakan bahwa asumsinya terpenuhi (misalnya data berdistribusi normal). Jadi:
- Sig. > 0,05: asumsi terpenuhi.
- Sig. ≤ 0,05: asumsi tidak terpenuhi.
Pengecualiannya adalah multikolinearitas, yang dibaca dari nilai Tolerance dan VIF, dan autokorelasi Durbin-Watson, yang dibaca dari tabel Durbin-Watson.
Panduan dalam topik ini
- Data Tidak NormalCara mengatasi data tidak berdistribusi normal: memeriksa salah input dan pencilan (outlier), transformasi data (log, akar), memakai uji nonparametrik pengganti, menambah sampel, dan pertimbangan untuk regresi. Lengkap dengan tabel pengganti uji parametrik.Buka
- Uji Asumsi KlasikPanduan uji asumsi klasik untuk regresi linear berganda: normalitas residual, multikolinearitas, heteroskedastisitas, autokorelasi, dan linearitas. Urutan pengujian, menu SPSS, dasar keputusan, dan cara menuliskannya di Bab 4.Buka
- Uji AutokorelasiPanduan uji autokorelasi pada regresi linear: pengertian, uji Durbin-Watson dengan cara membaca dL dan dU, Run test sebagai alternatif bila hasil Durbin-Watson ragu-ragu, langkah di SPSS, dan kapan uji ini relevan.Buka
- Uji HeteroskedastisitasPanduan uji heteroskedastisitas pada regresi linear: pengertian, uji Glejser langkah demi langkah di SPSS, uji Breusch-Pagan, cara membaca grafik scatterplot ZPRED dan SRESID, serta cara mengatasinya.Buka
- Uji HomogenitasPanduan uji homogenitas varians dengan uji Levene untuk uji t sampel independen dan ANOVA: pengertian, langkah di SPSS, cara membaca nilai Sig., dan apa yang dilakukan bila varians tidak homogen.Buka
- Uji MultikolinearitasPanduan uji multikolinearitas pada regresi linear berganda: pengertian, rumus VIF dan Tolerance, batas yang umum dipakai (Tolerance > 0,10 dan VIF < 10), langkah di SPSS, contoh membaca output, dan cara mengatasinya.Buka
- Uji NormalitasPanduan uji normalitas untuk skripsi: kapan diperlukan, data apa yang diuji, Kolmogorov-Smirnov atau Shapiro-Wilk, cara di SPSS, cara membaca nilai Sig., pemeriksaan grafik Q-Q plot, dan apa yang dilakukan bila data tidak normal.Buka
Pertanyaan umum
Apakah semua penelitian kuantitatif wajib uji asumsi?
Hanya bila analisisnya parametrik dan mensyaratkan asumsi tertentu, misalnya uji t, ANOVA, korelasi Pearson, dan regresi linear. Statistik deskriptif saja tidak membutuhkan uji asumsi.
Uji asumsi dilakukan sebelum atau sesudah uji hipotesis?
Sebelum. Hasil uji asumsi menentukan analisis mana yang tepat dipakai untuk menguji hipotesis.
Apa yang dilakukan bila asumsi tidak terpenuhi?
Periksa dulu penyebabnya (misalnya data pencilan atau salah input). Bila memang tidak terpenuhi, pakai uji alternatif: uji nonparametrik untuk data tidak normal, uji t Welch untuk varians tidak homogen, atau perbaikan model regresi.