Home / Evaluasi / Contoh Uji Asumsi Klasik dalam Bidang Pendidikan

Sabtu, 27 Januari 2018

Contoh Uji Asumsi Klasik dalam Bidang Pendidikan

Contoh Uji Asumsi Klasik dalam Bidang Pendidikan


A. Data yang Digunakan dalam Analisis


Pada analisis uji asumsi ini digunakan data afektif, kognitif, dan psikomotor dari 100 peserta didik sehingga ketiga data tersebut adalah variabel bebas, sedangkan variabel terikatnya adalah nomor induk peserta didik. Penggunaan data tersebut dengan tujuan untuk mengetahui hubungan antara ketiga variabel bebas. Data yang digunakan dalam analisis ini adalah data afektif, kognitif, dan psikomotor.

B. Uji Asumsi Klasik


Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda berbasis Ordinary Least Square (OLS) sehingga regresi yang tidak berdasarkan OLS, tidak memerlukan uji asumsi klasik. Demikian juga tidak semua asumsi klasik harus dilakukan pada analisis regresi linier. Uji asumsi klasik yang sering digunakan adalah uji normalitas, uji autokorelasi, uji multikolinier, dan uji heteroskedastisitas.

UJI ASUMSI KLASIK, PENDIDIKAN, EVALUASI

1. Normalitas

Uji normalitas digunakan untuk melihat nilai residual terdistribusi normal atau tidak. Model regresi yang baik harus memiliki nilai residual terdistribusi normal. Normal dapat diartikan bahwa peserta didik yang bodoh sekali atau yang bodoh sekali jumlahnya sedikit, dan sebagian besar berada pada kategori sedang atau rata-rata.

Tabel 1. Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test


Afektif
Kognitif
Psikomotor
N
100
101
101
Normal Parametersa
Mean
13.33
13.86
14.29
Std. Deviation
1.907
2.159
2.066
Most Extreme Differences
Absolute
.147
.159
.173
Positive
.147
.102
.144
Negative
-.119
-.159
-.173
Kolmogorov-Smirnov Z
1.472
1.601
1.736
Asymp. Sig. (2-tailed)
.026
.012
.005
a. Test distribution is Normal.








Pada tabel 1, dapat dilihat tanda yang berwarna kuning bahwa nilai signifikansi (α) lebih dari 0,05 sehingga data dinyatakan normal.

2. Uji Autokorelasi

Uji autokorelasi digunakan untuk melihat apakah terjadi korelasi antara pengambilan data pada periode awal dengan periode akhir. Secara sederhana, analisis regresi digunakan untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, sehingga tidak boleh terjadi korelasi antara pre test dan post test. Namun data yang digunakan adalah data afektif, kognitif, dan psikomotor sehingga dalam kasus ini lebih baik terjadi autokorelasi antar variabel.

Tabel 2. Hasil Uji Normalitas

Model Summaryb
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1
.212a
.045
.015
28.794
.097
a. Predictors: (Constant), Psikomotor, Afektif, Kognitif

b. Dependent Variable: NIPD



Tabel 3. Analisis Uji Autokorelasi

dl
du
4-du
4-dl
dw
Interpretasi
1,613
1,736
2,264
2,387
0,097
Terjadi autokorelasi positif

Pengambilan keputusan: 
  1. Tidak terjadi autokorelasi jika dU < DW < (4 - dU) 
  2. Terjadi autokorelasi positif jika DW < dL, karena 0,097<1,163
  3. Terjadi autokorelasi negatif jika DW > (4 - dU) 
  4. Tanpa keputusan jika dL < DW < dU atau ( 4 - dU) < DW < (4 - dL)

Berdasarkan analisis tersebut, dapat dinyatakan bahwa kemampuan afektif, kognitif, dan psikomotor memiliki korelasi positif, atau saling menguatkan.

3.Uji Multikolinier

Uji multikolinearitas digunakan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linier berganda. Jika terdapat korelasi yang tinggi diantara variabel bebasnya, maka hubungan variabel bebas dan variabel terikat terganggu.

Tabel 4. Hasil Uji Multikolinier

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
Collinearity Statistics
B
Std. Error
Beta
Tolerance
VIF
1
(Constant)
56.845
25.354

2.242
.027


Afektif
2.543
1.794
.167
1.417
.160
.715
1.398
Kognitif
.052
1.590
.004
.033
.974
.706
1.416
Psikomotor
-2.870
1.551
-.205
-1.851
.067
.813
1.229
a. Dependent Variable: NIPD







Jika VIF>10 maka variabel bebas berkorelasi tinggi (multikolinier). Berdasarkan tabel 4 dapat dilihat bahwa nilai VIF kurang dari 10 sehingga tidak ada korelasi yang tinggi antara variabel bebas. Oleh karena itu, data antar variabel bebas dan terikat tidak terganggu.

4. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk melihat apakah terdapat ketidaksamaan varians antar variabel bebas. Model regresi yang memenuhi persyaratan adalah terdapat kesamaan varians antar variabel bebas atau dapat dikatakan tetap yang disebut homoskodestisitas.

Tabel 5. Hasil Uji Heteroskedastisitas

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
Collinearity Statistics
B
Std. Error
Beta
Tolerance
VIF
1
(Constant)
26.041
12.442

2.093
.039


Afektif
.788
.881
.107
.895
.373
.715
1.398
Kognitif
-.507
.780
-.079
-.650
.517
.706
1.416
Psikomotor
-.349
.761
-.052
-.459
.647
.813
1.229
a. Dependent Variable: absu







Berdasarkan Rule of thumb yang digunakan adalah bila  nilai t-hitung  > t-tabel  ,  berarti terjadi heterosdastisitas namun sebaliknya apabila nilai t-hitung  < t-tabel  maka akan terjadi homoskedastisitas.  Nilai Ttabel :  α  = 5% = dan (N = 100) = 1,660. Pada tabel 5 nilai sig untuk afektif, kognitif, dan psikomotor adalah 0,373; 0,517; 0,647 yang artinya lebih kecil dari t-tabel sehingga terjadi homoskedastisitas.

C. Kesimpulan


Variabel bebas dari uji analisis ini adalah kemampuan afektif, kognitif, dan psikomotor. Berdasarkan uji asumsi yang dilakukan, data memenuhi persyaratan normal, terjadi autokorelasi positif, tidak multikolinier, dan homoskedastisitas sehingga dapat disimpulkan bahwa dapat dilakukan uji regresi berganda pada variabel kemampuan afektif, kognitif, dan psikomotor.