Sebelum melakukan uji statistik langkah awal yang harus
dilakukan adalah screening terhadap data yang akan diolah. Salah satu asumsi
penggunaan statistik parametrik adalah asumsi multiνariate normality.
ΜuΙtίνaήate nomality merupakan asumsi bahwa setiap νariabel dan semua kombinasi
linear dari νariabel berdistribusi normal. Jika asumsi ini dipenuhi, maka nilai
residual dari analisis juga berdistribusi normal dan independen. Asumsi
multiνariate normality tidak dapat diuji langsung seketika oleh karena tidaklah
praktis menguji jumlah tak terhingga dari kombinasi linear νariabel-variabel
untuk normalitasnya.
Asumsi multivariate normality berlaku baik untuk dίstribusi
variabeΙ itu sendiri (dalam ungroup data) atau terhadap sampling distribution
means νariabel (dalam group data). Dalam ungroup data, jika terdapat multiνaiate
normality hal ini berarti setiap νariabel dengan sendirinya terdtstribusi
secara normal dan hubungan antar pasang νariabel adalah linear dan
homoskedastik (variance dari satu νariabel adalah sama untuk semua nilai variabel
lainnya). Asumsi multiνariate normality ίnί dapat diuji dengan melihat
normalίtas, linearitas dan homoskedastisitas νariabeΙ atau melalui residualnya.
3.1 Normalitas
Screening terhadap normalitas data merupakan langkah
awal yang harus dilakukan untuk setiap analisis multiνariate, khususnya jika
tujuannya adalah inferensi. Jika terdapat normalitas, maka residual akan
terdistribusi secara normal dan independen. Yaitu perbedaan antara nilai prediksi
dengan skor yang sesungguhnya atau euor akan terdistribusi secara simetri
disekitar nilai means sama dengan nol. Jadi salah satu cara mendeteksi
normalitas adalah lewat pengamatan nilai residual.
Uji
normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan uji statistic
non-parametric Kolmogorov- Smirnov (K-S).
Langkah analisis :
- Dari
menu utama SPSS pilih menu Analyze lalu pilih Non-parametric Test
- Kemudian
pilih sub menu 1-Sample K-S, dilayar akan tampak tampilan windows
One-Sample Kolmogorov-Smirnov test
- Pada kotak test variable list, isikan unstandardized residual dan aktifkan test distribution pada kotak normal
- Pilih OK
3.2. Data Outlier
Setelah melakukan
transformasi untuk mendapatkan normalitas data langkah screening berikutnya
yang harus dilakukan adalah mendeteksi adanya data outlier. Outlier adalah
kasus atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh
dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim baik
untuk sebuah variabel tunggal atau variabel kombinasi. Ada
empat penyebab timbulnya data outlier: (1) kesalahan dalam meng-entri data, (2)
gagal menspesifikasi adanya missing value dalam program komputer, (3) outlier
bukan merupakan anggota populasi yang kita ambil sebagai sampel, dan (4)
outlier berasal dari populasi yang kita ambil sebagai sampel, tetapi distribusi
dari variabel dalam populasi tersebut memiliki nilai ekstrim dan tidak
terdistribusi secara normal.
Deteksi terhadap univariate outlier dapat dilakukan
dengan menentukan nilai batas yang akan dikategorikan sebagai data outlier
yaitu dengan cara mengkonversi nilai data kedalam skor standardized atau yang
biasa disebut z-score, yang memi1iki nilai means (rata-rata) sama dengan nοl
dan standar deviasi sama dengan satu. Menurut Hair (1998) untuk kasus sampel
kecil (kurang dari 80), maka standar skor dengan nilai ± 2.5 dinyatakan
outlier. Untuk sampel besar standar skor dinyatakan outlier jika nilainya pada
kisaran 3 sampai 4. Jika standar skor tidak digunakan, maka kita dapat
menentukan data outlier jika data tersebut nilainya lebih besar dari 2.5
,standar deviasi atau antara 3 sampai 4 standar deviasi tergantung dari
besarnya sampel.
Data yang akan kita deteksi outliernya
adalah data yang sudah kita screening normalitasnya, jadi dalam hal ini adalah
variabel ROI, ROE. Berikut ini cara mendeteksi outlier.
Langkah
Analisis:
a. Dari
menu utama SPSS pilih Anαlyze, lalu Descriptive Stαtistic dan
kemudian Descriptive.
b. Τampak
dilayar taInpilan windows Descriptive
c. Isikan variabeI yang akan dianalisis yaitu
ROI dan ROE, kemudian piIih (tikmark) save standardized vaIue as variabIe
d. Kemudian piIih Ok
e. Output SPSS
|
Obserνasi
|
ZROI
|
Observasi
|
ZROE
|
|
54
|
3,81945
|
28
|
5,62935
|
|
83
|
4,12072
|
57
|
6,12040
|
|
|
|
86
|
4,27154
|
