ANALISIS PENGARUH UMUR SISWA DAN GENDER SISWA TERHADAP NILAI SISWA

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu.

Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

1. Uji Normalitas

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya.

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov.

2. Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).

3. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.

Analisis Pengaruh Umur Siswa dan Gender Siswa Terhadap Nilai Siswa

Maka,

Variabel Terikat( Dependent Variable) : Nilai siswa

Variabel bebas ( Independent Variable) : Umur siswa , Gender siswa.

DATA

1.Uji Normalitas

Dianalisis melalui grafik normal P-Plot

Titik-titik pada grafik mengikuti garis diagonal dan tidak berada jauh dari garis. Sehingga data pada model ini “lulus” Uji Normalitas.

2.Uji Multikolinearitas

Tabel coeficient

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.	Collinearity Statistics
		B	Std. Error	Beta			Tolerance	VIF
	(Constant)	70,452	9,733		7,239	,000
	Umur responden	,344	,509	,171	,675	,509	,689	1,451
	Gender responden	2,899	1,917	,383	1,512	,149	,689	1,451
a. Dependent Variable: Nilai responden

Variabel umur siswa memiliki nilai tolerance= 0,689. Nilai tolerance >0,1

Nilai VIF=1,451. VIF<10

Sehingga, variabel umur siswa “lulus” Uji Multikolinearitas

3.Uji Heteroskedastisitas

Titik-titik pada grafik menyebar dan tidak membentuk pola tertentu. Serta berada di atas dan di bawah angka 0 pada sumbuY. Maka data ini “lulus” Uji Heteroskedastisitas.

Sekian Analisis Pengaruh Umur Siswa dan Gender Siswa Terhadap Nilai Siswa, semoga bermanfaat^^