Dalam melakukan analisis regresi linear, salah satu syarat yang harus dipenuhi adalah ketepatan data penelitian dalam bentuk scatterplot. Scatterplot ini digunakan untuk mengetahui apakah terdapat masalah heteroskedastisitas pada model regresi.

Motivasi

Heteroskedastisitas adalah situasi di mana variancenya bergantung pada nilai prediksi. Dalam analisis regresi, hal ini dapat menyebabkan hasil yang tidak akurat dan tidak signifikan.

Kinerja

Untuk mengatasi masalah heteroskedastisitas, kita perlu melakukan transformasi data atau menggunakan metode pengujian lainnya. Selain itu, kita juga dapat mengurangi jumlah data yang ekstrim atau menambah sample baru.

Analisis Output Scatterplots SPSS

Berikut adalah langkah-langkah untuk melakukan analisis output scatterplot di SPSS:

1. Buka SPSS dan buat file baru.
2. Klik menu Data View dan masukkan data penelitian sesuai dengan nama variabel yang ada pada tampilan Data View tersebut.
3. Klik menu Analyze – Regression – Linear.
4. Masukkan variabel Profesionalisme (X1) dan Motivasi (X2) ke kotak Independent(s), serta variabel Kinerja (Y) ke kotak Dependent.
5. Pilih Enter dan klik Plots.
6. Muncul kotak dialog “Linear Regression: Plots”, masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, lalu klik Continue.
7. Terakhir, klik Ok, maka akan muncul output SPSS.

Hasil Output Scatterplot

Berikut adalah hasil output scatterplot yang diperoleh:

• Titik-titik data menyebar di atas dan di bawah angka 0 pada sumbu Y.
• Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
• Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.

Dengan demikian, dapat kita disimpulkan bahwa tidak terdapat masalah heteroskedastisitas pada model regresi.

Solusi Mengatasi Heteroskedastisitas

Jika terjadi masalah heteroskedastisitas, beberapa solusi yang dapat dilakukan adalah:

• Melakukan transformasi data ke bentuk lain seperti: Log atau Ln.
• Mengganti metode pengujian heteroskedastisitas dengan metode yang lain seperti: Uji Glejser.
• Mengurangi jumlah data [outlier data ekstrim].
• Menambah atau menganti data atau jumlah sample.

Dengan demikian, analisis regresi linear dapat dilakukan dengan akurat dan tidak terdapat masalah heteroskedastisitas.