1. Uji Normalitas

Asumsi: Data terdistribusi normal.
Analisis yang memerlukan uji ini:

  • ANOVA, ANCOVA: Untuk membandingkan rata-rata antar kelompok.
  • MANOVA, MANCOVA: Untuk membandingkan rata-rata multivariat antar kelompok.
  • Regresi Linier: Syarat bahwa residual harus terdistribusi normal.
  • Uji-t (independen/berpasangan): Membandingkan rata-rata dua kelompok.
  • Korelasi Pearson: Hubungan linier antara dua variabel.
  • Analisis Jalur (Path Analysis): Syarat untuk pengujian model linier.

Cara Pengujian:

  • Nilai Ukur:
    • Uji Shapiro-Wilk (untuk data kecil, <50) atau Kolmogorov-Smirnov (untuk data besar, >50).
    • p-value > 0,05 menunjukkan data terdistribusi normal.
  • Grafik:
    • Histogram: Pola lonceng menunjukkan normalitas.
    • Q-Q Plot: Titik-titik mengikuti garis diagonal menunjukkan distribusi normal.

Interpretasi Grafik:

  • Histogram: Jika asimetris atau memiliki outlier besar, data mungkin tidak normal.
  • Q-Q Plot: Jika titik jauh dari garis diagonal, distribusi tidak normal.

2. Uji Homogenitas Varians

Asumsi: Varians antar kelompok adalah sama.
Analisis yang memerlukan uji ini:

  • ANOVA, ANCOVA: Membandingkan rata-rata antar kelompok dengan asumsi varians homogen.
  • MANOVA, MANCOVA: Membandingkan rata-rata multivariat antar kelompok.
  • Uji-t independen: Varians dua kelompok harus homogen.

Cara Pengujian:

  • Nilai Ukur:
    • Uji Levene: p-value > 0,05 menunjukkan varians homogen.
    • Uji Bartlett: Digunakan jika data normal.
  • Grafik:
    • Boxplot: Kotak antar kelompok memiliki ukuran yang mirip.

Interpretasi Grafik:

  • Jika ukuran kotak sangat berbeda, varians antar kelompok tidak homogen.

3. Uji Linieritas

Asumsi: Hubungan antara variabel independen dan dependen adalah linier.
Analisis yang memerlukan uji ini:

  • Regresi Linier Sederhana dan Berganda: Hubungan linier adalah asumsi dasar.
  • Korelasi Pearson: Mengasumsikan hubungan linier antara variabel.
  • Analisis Jalur (Path Analysis): Menentukan hubungan linier antar variabel dalam model.

Cara Pengujian:

  • Nilai Ukur:
    • Uji Linieritas dengan ANOVA (fit garis linier vs garis kurva).
    • p-value > 0,05 menunjukkan hubungan linier.
  • Grafik:
    • Scatterplot: Pola titik membentuk garis lurus.

Interpretasi Grafik:

  • Jika pola titik melengkung atau acak tanpa pola, hubungan mungkin tidak linier.

4. Uji Multikolinearitas

Asumsi: Tidak ada hubungan kuat antara variabel independen.
Analisis yang memerlukan uji ini:

  • Regresi Linier Berganda: Multikolinearitas dapat membuat hasil regresi bias.
  • Analisis Jalur (Path Analysis): Hubungan independen antar prediktor penting.
  • SEM (Structural Equation Modeling): Hubungan antar variabel harus unik.

Cara Pengujian:

  • Nilai Ukur:
    • Tolerance > 0,1 dan Variance Inflation Factor (VIF) < 10 menunjukkan tidak ada multikolinearitas.
  • Grafik: Tidak ada grafik spesifik untuk uji ini.

Interpretasi Nilai:

  • VIF > 10 menunjukkan multikolinearitas tinggi.

5. Uji Independen Residual

Asumsi: Residual tidak berhubungan satu sama lain.
Analisis yang memerlukan uji ini:

  • Regresi Linier Sederhana dan Berganda: Residual yang independen memastikan estimasi yang valid.
  • Analisis Jalur (Path Analysis): Residual tidak boleh berkorelasi satu sama lain.

Cara Pengujian:

  • Nilai Ukur:
    • Uji Durbin-Watson: Nilai antara 1,5–2,5 menunjukkan independensi.
  • Grafik:
    • Plot residual terhadap nilai prediksi: Residual harus tersebar acak.

Interpretasi Grafik:

  • Pola residual seperti lengkung menunjukkan adanya hubungan antar residual.

6. Uji Homoskedastisitas

Asumsi: Variabilitas residual sama di semua tingkat prediktor.
Analisis yang memerlukan uji ini:

  • Regresi Linier Sederhana dan Berganda: Untuk memastikan hasil estimasi yang tidak bias.
  • Analisis Jalur (Path Analysis): Untuk memastikan residual konsisten.
  • ANOVA, ANCOVA: Kadang diperlukan jika mengevaluasi residual.

Cara Pengujian:

  • Nilai Ukur:
    • Uji Breusch-Pagan: p-value > 0,05 menunjukkan homoskedastisitas.
  • Grafik:
    • Scatterplot residual terhadap nilai prediksi: Pola penyebaran harus acak.

Interpretasi Grafik:

  • Pola seperti corong menunjukkan heteroskedastisitas (asumsi tidak terpenuhi).

Alternatif Jika Asumsi Tidak Terpenuhi

  1. Uji Non-Parametrik:
    Gunakan uji non-parametrik seperti Uji Mann-Whitney, Kruskal-Wallis, atau Spearman jika asumsi normalitas atau homogenitas varians tidak terpenuhi.
  2. Transformasi Data:
    Lakukan transformasi (log, square root, dll.) untuk memperbaiki distribusi atau homogenitas varians.
  3. Bootstraping:
    Teknik resampling ini dapat digunakan untuk mengatasi pelanggaran asumsi statistik tertentu.