Uji asumsi klasik adalah rangkaian pemeriksaan yang memastikan model regresi linear Anda layak ditafsirkan. Bila salah satu asumsi dilanggar, koefisien yang Anda laporkan bisa tetap keluar angkanya, tetapi maknanya sudah tidak dapat dipercaya. Panduan ini menjalankan kelimanya secara berurutan di SPSS, menyebutkan ambang yang lazim dipakai kampus Indonesia, dan menutup dengan kalimat siap adaptasi untuk bab empat.
Langkah 0: Pastikan skripsi Anda memang memerlukan uji ini
Ini langkah yang paling sering dilewati dan paling banyak membuang waktu. Uji asumsi klasik melekat pada regresi linear dengan metode kuadrat terkecil. Bila analisis Anda berupa uji beda dua kelompok, korelasi sederhana, uji chi-kuadrat, atau analisis nonparametrik, Anda tidak perlu menjalankan lima uji ini. Bila analisis Anda berupa pemodelan persamaan struktural berbasis komponen, seperangkat asumsi yang berlaku juga berbeda.
Dua uji tambahan juga bersyarat. Autokorelasi hanya bermakna bila data Anda punya urutan alamiah, misalnya deret waktu bulanan atau tahunan. Pada data kuesioner satu waktu yang urutan barisnya hanya mengikuti urutan pengembalian angket, nilai Durbin-Watson tidak menjawab pertanyaan apa pun. Multikolinearitas hanya berlaku bila variabel bebas Anda lebih dari satu. Menuliskan tabel VIF pada regresi sederhana dengan satu prediktor adalah tanda naskah disalin dari template.
Langkah 1: Jalankan regresi utama dan simpan residualnya
Semua pemeriksaan berikutnya bekerja pada residual, bukan pada variabel mentah. Karena itu regresi dijalankan lebih dulu, bukan terakhir.
- Buka Analyze → Regression → Linear.
- Masukkan variabel terikat ke kotak Dependent dan seluruh variabel bebas ke kotak Independent(s).
- Klik tombol Save, lalu centang Unstandardized pada kelompok Residuals. SPSS akan membuat kolom baru bernama RES_1 di lembar data.
- Klik tombol Statistics, lalu centang Collinearity diagnostics dan Durbin-Watson. Keduanya akan dipakai pada Langkah 3 dan Langkah 5.
- Klik tombol Plots, masukkan ZRESID ke sumbu Y dan ZPRED ke sumbu X, lalu centang Normal probability plot.
Dengan satu kali menjalankan regresi, Anda sudah memegang bahan untuk empat dari lima pemeriksaan. Kebiasaan menjalankan setiap uji dari menu terpisah adalah sebab utama mengapa pekerjaan yang seharusnya dua jam menjadi dua hari.
Langkah 2: Uji normalitas residual
Buka Analyze → Descriptive Statistics → Explore, masukkan kolom RES_1 ke kotak Dependent List, lalu pada tombol Plots centang Normality plots with tests. SPSS menampilkan dua uji berdampingan: Kolmogorov-Smirnov dengan koreksi Lilliefors dan Shapiro-Wilk.
Bacaan yang benar: nilai Sig. lebih besar dari 0,05 berarti asumsi normalitas terpenuhi. Arah logikanya berlawanan dengan uji hipotesis biasa, dan inilah kesalahan tafsir nomor satu di skripsi kuantitatif. Lengkapi dengan plot probabilitas normal: titik-titik yang mengikuti garis diagonal menandakan sebaran residual yang wajar.
Contoh kalimat: “Uji Shapiro-Wilk terhadap residual menghasilkan nilai 0,987 dengan Sig. 0,214 (> 0,05), sehingga residual dinyatakan berdistribusi normal dan asumsi normalitas terpenuhi.” Bila hasilnya sebaliknya, jangan berhenti di sana; urutan tindakan yang lazim diterima penguji dibahas terpisah di apa yang harus dilakukan ketika data tidak normal.
Langkah 3: Uji multikolinearitas
Multikolinearitas terjadi ketika dua atau lebih variabel bebas saling menjelaskan sehingga model tidak bisa memisahkan pengaruh masing-masing. Gejalanya khas: nilai F signifikan, R kuadrat besar, tetapi hampir semua uji t individual tidak signifikan, dan kadang tanda koefisien berbalik dari yang diteorikan.
Karena Collinearity diagnostics sudah dicentang pada Langkah 1, dua kolom baru muncul pada tabel Coefficients: Tolerance dan VIF. Konvensi yang paling banyak dipakai di skripsi Indonesia adalah Tolerance lebih dari 0,10 dan VIF kurang dari 10. Sebagian pembimbing memakai ambang yang lebih ketat, yaitu VIF kurang dari 5. Keduanya adalah konvensi buku ajar, bukan ketentuan resmi, jadi sebutkan ambang yang Anda pakai beserta rujukan bukunya.
Bila terjadi pelanggaran, ada empat tindakan yang masuk akal: keluarkan salah satu variabel yang berkorelasi tinggi dan jelaskan dasar teorinya; gabungkan variabel yang mengukur konstruk yang sama menjadi satu skor komposit; pusatkan variabel sebelum membentuk suku interaksi, karena interaksi hampir selalu menaikkan VIF secara artifisial; atau tambah jumlah responden. Menghapus variabel semata karena VIF-nya tinggi tanpa argumen teoretis akan ditanyakan penguji, terutama bila variabel itu justru variabel utama hipotesis Anda. Bila konstruk Anda memang tumpang tindih, akar masalahnya ada di kerangka teori, bukan di data.
Langkah 4: Uji heteroskedastisitas
Asumsi ini menyatakan bahwa ragam residual seragam di seluruh rentang nilai prediksi. Bila residual makin melebar seiring naiknya nilai prediksi, model Anda lebih akurat di satu ujung daripada di ujung lain, dan galat baku yang dipakai untuk uji t menjadi tidak tepat.
Pemeriksaan pertama bersifat visual: scatterplot ZRESID terhadap ZPRED yang sudah Anda minta pada Langkah 1. Sebaran titik yang acak tanpa pola di sekitar garis nol menandakan ragam yang seragam. Pola corong yang melebar ke kanan, atau pola melengkung, menandakan pelanggaran.
Karena penilaian visual bersifat subjektif, kampus Indonesia umumnya meminta satu uji formal pendamping. Yang paling sering dipakai adalah uji Glejser:
- Buat variabel baru berisi nilai mutlak residual melalui Transform → Compute Variable dengan rumus ABS(RES_1).
- Jalankan regresi baru dengan variabel mutlak residual itu sebagai variabel terikat dan seluruh variabel bebas asli sebagai prediktor.
- Baca kolom Sig. pada tabel Coefficients. Bila seluruh variabel bebas menghasilkan Sig. lebih besar dari 0,05, tidak terdapat gejala heteroskedastisitas.
Bila satu variabel saja signifikan, laporkan apa adanya dan sebutkan tindakan Anda. Pilihan yang lazim: transformasi variabel terikat, atau memakai galat baku yang tahan terhadap heteroskedastisitas. Menjalankan uji Glejser berulang kali dengan variabel yang dibuang satu per satu sampai semuanya tidak signifikan adalah praktik yang akan terbaca dari tabel yang tidak konsisten.
Langkah 5: Uji autokorelasi
Autokorelasi berarti residual satu pengamatan berhubungan dengan residual pengamatan sebelumnya. Ini masalah nyata pada data deret waktu seperti laporan keuangan bulanan atau data produksi tahunan, dan hampir tidak bermakna pada kuesioner lintas seksi.
Nilai Durbin-Watson muncul pada tabel Model Summary. Cara membacanya menuntut dua batas dari tabel Durbin-Watson sesuai jumlah pengamatan (n) dan jumlah variabel bebas (k), yaitu batas bawah dL dan batas atas dU. Aturannya: bila nilai d berada antara dU dan 4 − dU, tidak terdapat autokorelasi; bila d kurang dari dL, terdapat autokorelasi positif; bila d lebih besar dari 4 − dL, terdapat autokorelasi negatif; dan bila d jatuh di antara dL dan dU, hasilnya berada di daerah tanpa keputusan.
Ambil kedua batas itu dari tabel Durbin-Watson untuk n dan k Anda sendiri, jangan menyalin dari skripsi lain, karena batasnya berubah mengikuti ukuran sampel dan jumlah prediktor. Bila hasil Anda jatuh di daerah tanpa keputusan, alternatif yang lazim dan mudah dipertahankan adalah run test pada residual melalui Analyze → Nonparametric Tests → Legacy Dialogs → Runs, dengan Sig. lebih besar dari 0,05 berarti residual acak.
Langkah 6: Uji linearitas
Regresi linear mengasumsikan hubungan antar variabel berbentuk garis lurus. Menguji ini penting terutama bila teori Anda memungkinkan hubungan yang melengkung, misalnya beban kerja terhadap kinerja.
Buka Analyze → Compare Means → Means, masukkan variabel terikat ke Dependent List dan satu variabel bebas ke Independent List, lalu pada tombol Options centang Test for linearity. Baca baris Deviation from Linearity pada tabel ANOVA yang dihasilkan. Nilai Sig. lebih besar dari 0,05 pada baris itu berarti hubungan dinyatakan linear. Ulangi untuk setiap variabel bebas.
Tabel ringkasan: menu, statistik, dan ambang
| Asumsi | Menu SPSS | Yang dibaca | Ambang yang lazim | Bila gagal |
|---|---|---|---|---|
| Normalitas residual | Explore pada kolom residual | Sig. Shapiro-Wilk atau Kolmogorov-Smirnov | Sig. > 0,05 | Transformasi, bootstrap, atau uji nonparametrik |
| Multikolinearitas | Regression → Statistics → Collinearity | Tolerance dan VIF | Tolerance > 0,10 dan VIF < 10 | Keluarkan atau gabungkan variabel, pusatkan interaksi |
| Heteroskedastisitas | Scatterplot ZPRED-ZRESID dan uji Glejser | Pola sebaran dan Sig. tiap prediktor | Tidak berpola; Sig. > 0,05 | Transformasi variabel terikat atau galat baku robust |
| Autokorelasi | Regression → Statistics → Durbin-Watson | Nilai d | dU < d < 4 − dU | Tambahkan lag, atau jalankan run test |
| Linearitas | Compare Means → Test for linearity | Deviation from Linearity | Sig. > 0,05 | Tambahkan suku kuadrat atau ubah bentuk fungsi |
Cara menuliskannya di bab empat
Tulis satu subbab bernama Uji Asumsi Klasik sebelum subbab pengujian hipotesis, dengan satu paragraf per asumsi dan satu tabel ringkasan. Setiap paragraf memuat tiga hal: uji yang dipakai, angka yang diperoleh, dan kesimpulan asumsi.
Contoh: “Uji multikolinearitas menunjukkan nilai Tolerance seluruh variabel bebas berada pada rentang 0,412 sampai 0,758 dan nilai VIF pada rentang 1,319 sampai 2,427. Karena seluruh nilai Tolerance melebihi 0,10 dan seluruh nilai VIF berada di bawah 10, model dinyatakan bebas dari gejala multikolinearitas.” Tulis dengan pola yang sama untuk keempat asumsi lainnya, dan lampirkan tangkapan layar keluaran aslinya. Jumlah responden pada setiap tabel harus konsisten dengan jumlah yang Anda hitung pada penentuan jumlah sampel di bab tiga; selisih satu atau dua kasus tanpa penjelasan adalah pertanyaan pertama yang muncul di sidang.
Enam kesalahan yang paling sering ditemukan penguji
- Menguji normalitas pada variabel, bukan pada residual. Pada regresi, hanya residual yang diasumsikan normal.
- Melaporkan Durbin-Watson pada data kuesioner satu waktu. Angkanya keluar, tetapi tidak menjawab apa pun.
- Menyalin batas dL dan dU dari skripsi lain. Batas itu bergantung pada n dan k Anda sendiri.
- Menulis “VIF < 10 sehingga tidak ada multikolinearitas” pada regresi satu prediktor. Tidak ada yang bisa berkorelasi dengan dirinya sendiri.
- Menyatakan asumsi terpenuhi hanya berdasarkan gambar. Sertakan satu uji formal pendamping untuk heteroskedastisitas.
- Menempatkan subbab asumsi setelah pengujian hipotesis. Urutan naskah harus mengikuti urutan logika: model diperiksa dulu, baru ditafsirkan.
Langkah berikutnya
Kerjakan Langkah 1 sekali, lalu baca lima keluarannya berurutan. Bila semua asumsi terpenuhi, Anda tinggal menyalin lima paragraf ke bab empat dan lanjut ke pengujian hipotesis. Bila ada yang gagal, Anda sudah tahu tindakan penggantinya dari tabel di atas, dan yang tersisa hanyalah menuliskan alasannya dengan jujur.
Bagian yang paling lambat biasanya justru menulis ulang bab tiga dan bab empat agar konsisten setelah keputusan analisis berubah. Tesify membantu menyusun naskah bab demi bab sehingga rencana metodologi dan laporan hasil tetap sejalan, sementara setiap keputusan statistik tetap keputusan Anda. Untuk memilih perangkat lunak yang paling sesuai dengan keadaan Anda, bandingkan SPSS, JASP, Excel, dan R.
FAQ uji asumsi klasik
Berapa uji asumsi klasik yang wajib untuk skripsi?
Tidak ada ketentuan nasional. Buku pedoman fakultas dan pembimbing yang menentukan. Kombinasi yang paling sering diminta adalah normalitas, multikolinearitas, dan heteroskedastisitas, ditambah autokorelasi untuk data deret waktu dan linearitas bila diminta.
Apakah uji asumsi klasik dilakukan sebelum atau sesudah uji hipotesis?
Secara teknis regresi dijalankan lebih dulu untuk memperoleh residual, tetapi di naskah subbab asumsi ditulis sebelum subbab hipotesis. Model harus dinyatakan layak sebelum hasilnya ditafsirkan.
Berapa nilai VIF yang aman?
Konvensi paling umum adalah VIF di bawah 10 dengan Tolerance di atas 0,10. Sebagian pembimbing memakai ambang lebih ketat, yaitu VIF di bawah 5. Sebutkan ambang yang Anda pakai dan rujukan bukunya.
Apakah uji Glejser wajib atau cukup scatterplot?
Scatterplot saja bersifat subjektif dan mudah dibantah. Sebagian besar pembimbing di Indonesia meminta satu uji formal, dan Glejser adalah yang paling sering dipakai karena bisa dijalankan sepenuhnya dari menu SPSS bawaan.
Apakah data saya perlu uji autokorelasi bila responden mengisi kuesioner pada waktu berbeda?
Tidak, selama urutan baris tidak mencerminkan urutan waktu yang bermakna secara teori. Urutan pengembalian angket bukan deret waktu.
Nilai Durbin-Watson saya jatuh di daerah tanpa keputusan. Apa yang harus saya lakukan?
Laporkan apa adanya, lalu jalankan run test pada residual sebagai pemeriksaan pendamping. Menyebut daerah tanpa keputusan dengan jujur jauh lebih aman daripada memaksakan kesimpulan.
Apakah JASP bisa menjalankan uji asumsi klasik?
Bisa untuk sebagian besar: JASP menyediakan diagnostik residual, plot Q-Q, VIF, dan Durbin-Watson pada modul regresi linear. Uji Glejser tidak tersedia sebagai satu tombol, tetapi dapat dijalankan dengan cara yang sama, yaitu meregresikan nilai mutlak residual.
Apakah data sekunder juga perlu uji asumsi klasik?
Ya, bila analisisnya regresi linear. Asumsi melekat pada modelnya, bukan pada cara data dikumpulkan.
Bolehkah menghapus data ekstrem agar semua asumsi terpenuhi?
Hanya dengan alasan substantif yang dilaporkan, misalnya kesalahan pencatatan atau kasus di luar kriteria inklusi. Jumlah kasus yang dikeluarkan dan alasannya harus tertulis di naskah.
Apakah tangkapan layar keluaran SPSS wajib dilampirkan?
Sebagian besar pedoman fakultas meminta lampiran keluaran. Meski tidak diwajibkan, melampirkannya adalah cara termurah untuk menutup keraguan penguji terhadap angka yang Anda tulis.
Berapa lama seharusnya proses ini?
Dengan data yang sudah bersih dan variabel yang sudah terdefinisi, satu sampai dua jam cukup untuk menjalankan kelima uji dan membaca hasilnya. Yang memakan waktu adalah membersihkan data sebelumnya.