UJI ASUMSI KLASIK DALAM ANALISIS REGRESI LINEAR

1. Nilai galat ( e = Yi− Y ) pada setiap pengamatan bersifat acak

Cara menguji dengan menggunakan Uji Run
a. Pada pengamatan dengan n kecil, nilai galat bersifat acak jika :
r1 < r < r2, r1 dan r2 banyaknya tanda (+) atau (-), r banyaknya run
b. Pada pengamatan dengan n besar, nilai galat bersifat acak jika :
2n1 n2
u=
+1
n1 + n2
2 n1 n2 (2 n1 n2− n1− n2 )
σ2=
(n1 + n2)2 (n1 + n2− 1)
r− u
z=
σ
Galat bersifat acak jika :−z0,025 < z < z0,025
c. Pengujian menggunakan Program SPSS dilakukan melalui prosedur :
Analyze Nonparametrics Test Runs
2.Nilai galat ( e = Yi− Y ) seluruh pengamatan pada setiap variabel bebas X
mempunyai rata-rata (Mean) Nol
3.Homoskedastisitas yaitu ragam dari setiap nilai galat adalah konstan (sama)
untuk semua nilai dari variabel bebas X.
Beberapa cara menguji asumsi homoskedastisitas :
a.Uji Park : Membangun model regresi Ln e2 = b0 + b1Ln.X jika koefisien b1 bersifat tidak
signifikan, bararti asumsi homoskedastisitas dapat diterima.
b. Uji Korelasi Rank Spearman : Korelasikan variabel bebas X dengan variabel galat e, selanjutnya
gunakan Uji t. Homoskedastisitas dapat diterima jika−t0,025(n-2)< t < t0,025(n-2).
c. Pengujian Homoskedastisitas menggunakan Program SPSS dilakukan
melalui prosedur :

Wijaya : Uji Asumsi Klasik Regresi Linear- 2

Analyze Regression Linear, masukkan Variabel Dependen ke kotak
Dependent dan beberapa Variabel Independen ke kotak Independent(s)
 klik Plot  masukan *ZPRED ke kotak X dan *SRESID ke kotak Y 
OK.

Pada output akan terlihat Diagram Pencar (sumbu X = Regression Standardized Predicted Value,
sumbu Y = Regression Standardized Residual). Jika Diagram Pencar tidak menunjukkan pola
tertentu maka asumsi homoskedastisitas dapat diterima, jika menunjukkan pola tertentu berarti
terjadi heteroskedastisitas.
4.Normalitas : Variabel galat berdistribusi normal.
Beberapa cara menguji asumsi normalitas :
a.Kolmogorov-Smirnov (Uji K-S) : (1) Urutkan nilai galat ei dari terkecil sampai terbesar, (2)
Transformasi nilai ei menjadi zi dengan zi = (ei− e)/s dimana e dan s adalah rata-rata dan simpangan
baku nilai galat, (3) Tentukan besarnya nilai peluang zi yaitu P(zi) dan peluang proporsional S(zi),
(4) Tentukan selisih mutlak⏐S(zi)− P(zi)⏐ dan⏐S(zi−1)− P(zi)⏐, (5) Tentukan nilai statistik
Kolmogorov-Smirnov D = maksimum⏐S(zi)− P(zi)⏐ atau⏐S(zi−1)− P(zi)⏐, (6) bandingkan
nilai D dengan Dα(n), (7) Keputusan Jika D > Dα(n) maka Tolak Ho artinya nilai variabel galat
tidak normal.
b. Uji Lilifors : (1) Urutkan nilai galat ei dari terkecil sampai terbesar, (2) Transformasi nilai ei
menjadi zi dengan zi = (ei− e)/s dimana e dan s adalah rata-rata dan simpangan baku nilai galat, (3)
Tentukan besarnya nilai peluang zi yaitu P(zi) dan peluang proporsional S(zi), (4) Tentukan selisih
mutlak⏐P(zi)− S(zi)⏐, (5) Tentukan nilai statistik Liliefors L = maksimum⏐P(zi)− S(zi)⏐, (6)
bandingkan nilai L dengan Lα(n), (7) Keputusan Jika L > Lα(n) maka Tolak Ho artinya nilai
variabel galat tidak normal.
c.Uji Saphiro-Wilks : (1) Tentukan nilai statistik Saphiro-Wilks T = 1/D [∑Ai (Xn-i+1 – Xi)]2
dimana D =∑Xi2 – (∑Xi)2/n, (2) bandingkan nilai T dengan nilai T tabel Saphiro-Wilks (Tα(n)),
Normalitas dapat diterima jika T < T0,05(n).
Dalil Limit Pusat menyatakan bahwa apabila sampel sebuah pengamatan mempunyai ukuran yang
besar (n > 30), maka data pengamatan tersebut akan menyebar normal, atau mendekati normal.

Wijaya : Uji Asumsi Klasik Regresi Linear- 3

d. Pengujian Normalitas menggunakan Program SPSS dilakukan melalui
prosedur :
(1) Untuk Uji Kolmogorov-Smirnov : Analyze Nonparametric Test
1-Sample K-S.
Pada Output, jika Signifikansi hasil Uji Kolmogorov-Smirnov (Uji K-
S) nilainya lebih besar dari 0,05 berarti data berdistribusi normal.
(2) Untuk Uji Liliefors dan Saphiro-Wilks : Analyze Descriptive
Statistics Explore.

Pada Output, jika Signifikansi pada Uji Liliefors dan Saphiro-Wilks lebih besar dari 0,05 berarti
data berdistribusi normal. Disamping itu, jika pada Grafik Normal Q-Q Plot dan Detrended Normal
Q-Q Plot, nilai-nilai pengamatan menyebar pada garis tersebut, berarti data pengamatan
berdistribusi normal.
5.Autokorelasi atau Korelasi Diri atau Korelasi Seial : Nilai galat ( e = Yi− Y )
setiap pengamatan pada setiap variabel bebas X bersifat bebas.
Beberapa cara menguji asumsi Autokorelasi :
Ho≡ Tidak ada Autokorelasi
H1≡ Ada Autokorelasi
a.Ujiχ2 : (1) Buat tabel 2x2, seperti tabel dibawah, (2) Tentukan nilaiχ2, (3) Bandingkan nilaiχ2
denganχ20,05(1) (4) Keputusan tidak adanya Autokorelasi dapat diterima jika nilaiχ2 <χ20,05(1).
Banyaknya +ei
Banyaknya−ei
Jumlah
Banyaknya +ei-1
Banyaknya−ei-1
Jumlah
b.Uji Durbin-Watson : (1) Tentukan nilai D = [∑ (ei− ei-1)2 ] / [∑ ei2 ] (2) Bandingkan nilai D
dengan D0,05(n), (3) Keputusan tidak adanya Autokorelasi dapat diterima jika nilai dU < D < (4−
dU), Ada Autokorelasi jika D < dL atau d > (4− dL), Tidak ada Keputusan jika berada pada selang
lain .
Tolak Ho
?
Terima Ho
?
Tolak Ho
dL
dU
4− dU
4− dL

Wijaya : Uji Asumsi Klasik Regresi Linear- 4

c. Pengujian Autokorelasi menggunakan Program SPSS dilakukan melalui
prosedur :
Analyze Regression Linear, masukkan Variabel Dependen ke kotak
Dependent dan beberapa Variabel Independen ke kotak Independent(s)
klik Statistics  Pada kotak Residuals, beri tanda centang pada pilihan
Durbin Watson Continue OK.
6.Multikolinearitas : terjadi korelasi yang kuat diantara variabel bebas X.
Pengujian Multikolinearitas menggunakan Program SPSS dilakukan melalui
prosedur :
Analyze Regression Linear, masukkan Variabel Dependen ke kotak
Dependent dan beberapa Variabel Independen ke kotak Independent(s)
 klik Statistics Beri tanda centang pada pilihan Collinearity
diagnostics Continue OK.

Pada Output, akan muncul nilai Collinearity Statistics Tolerance (T) dan VIF (Variance Inflation
Factor). Nilai T = 1/VIF, jadi nilai Tolerance merupakan kebalikan dari nilai VIF. Diantara variabel
bebas X tidak terjadi multikolinearitas jika nilai VIF mendekakti nilai 1.
Cara lain untuk mendeteksi ada tidaknya multikolinearitas yaitu dengan
mengkorelasikan seluruh variabel bebas. Apabila nilai Koefisien Korelasi R
≥ 0,80, diindikasikan adanya multikolinearitas.
Indikator lainnya yang menunjukkan adanya multikolinearitas adalah nilai F yang tinggi (sangat
signifikan) pada ANOVA, tetapi nilai T pada setiap variabel bebas X tidak ada yang signifikan.
7.Linearitas : artinya bentuk hubungan antara variabel bebas X dan variabel
terikat Y adalah Linear.
Pengujian Linearitas menggunakan Program SPSS dilakukan melalui
prosedur :
Analyze Compre Means Means, masukkan Variabel Dependen ke kotak Dependent List dan
beberapa Variabel Independen ke kotak Independent List klik Options Beri tanda centang pada
pilihan Test for linearity Continue OK.
Pada Output, jika signifikansi F pada ANOVA lebih besar dari 0,05, maka
hipotesis tentang hubungan linear dapat diterima.
()
()
Wijaya : Uji Asumsi Klasik Regresi Linear- 5
UJI VALIDITAS DAN RELIABILITAS INSTRUMENT
1. Validitas Instrument

Secara garis besar ada dua macam Validitas, yaitu (1) Validitas Logis, menunjuk pada kondisi bagi
sebuah instrumen evaluasi yang memenuhi persyaratan valid berdasarkan hasil penalaran. Validitas
Logis terdiri dari Validitas Isi dan Validitas Konstruk, (2) Validitas Empiris, yaitu apabila instrumen
tersebut telah teruji dari pengalaman. Validitas Empiris terdiri dari validitas “ada sekarang” dan
validitas predictive.
Uji validitas atau kesahihan digunakan untuk mengetahui seberapa tepat suatu instrument (alat
ukur) mampu melakukan fungsinya. Alat ukur yang dapat digunakan dalam pengujian validitas
suatu instrument adalah angka hasil korelasi antara skor pernyataan (baik berupa item atau butir
setiap pertanyaan maupun skor dari faktor atau variabel) dengan total skor seluruh pertanyaan.
Beberapa Rumus Uji Validitas :
(1) Korelasi Pearson (Product Moment) :
( )( )
⎥⎦⎤
⎢⎣⎡
−
∑
⎥⎦⎤
⎢⎣⎡
∑
−
∑
∑
∑
−
∑
=
∑y
n
n
y
x
xy
n
y
x
x
r
2
2
2
2
Pengujian Koefisien Korelasi :
r
n
r
t
2
1
2
−−
=
Butir (item) atau Faktor dari skor pertanyaan dikatakan valid jika :
t <−t0,025(n−2) atau t0,025(n−2) < t
(2) Korelasi Biserial :
qp
s
m
m
T
T
P
bi
−
=
ρ

Wijaya : Uji Asumsi Klasik Regresi Linear- 6

dimana :
ρ = koefisien korelasi biserial
mp = rata-rata skor dari subjek yang menjawab benar bagi item yang akan

dihitung validitasnya
mT = rata-rata skor total
sT = simpangan baku dari skor total
p = proporsi responden yang menjawab benar
q = 1–p
Pengujian Validitas menggunakan Program SPSS dilakukan melalui prosedur :
Analyze Correlate Bivariate, masukkan data Skor tiap Butir pertanyaan
dan Skor Total ke kotak Variables OK.
2. Reliabilitas Instrument
Reliabilitas instrumen berhubungan dengan tingkat kepercayaan (keyakinan) terhadap instrument
atau sebuah tes. Suatu instrument atau tes dikatakan mempunyai tingkat kepercayaan yang tinggi
jika instrument atau tes tersebut dapat memberikan hasil yang tetap (ajeg). Jadi reliabilitas adalah
ketetapan (keajegan) suatu instrument atau tes apabila diberikan kepada subjek yang sama.
Cara menentukan besarnya reliabilitas instrument atau tes dalam bentuk jawaban Pilihan Ganda
atau Benar-Salah dapat dilakukan dengan beberapa metode, yaitu :
(a) Metode Paralel (Equivalent)
Dua buah instrument atau tes yang mempunyai tujuan, tingkat kesukaran, dan susunan yang sama
tetapi soal (item) berbeda diberikan kepada subjek yang sama pada dua waktu yang berbeda.
Reliabilitas diukur dengan menghitung besarnya nilai Koefisien Korelasi Pearson terhadap kedua
hasil pengamatan tersebut.
(b) Metode Ulang
Sebuah instrument atau tes diberikan kepada subjek yang sama pada dua waktu yang berbeda
(berulang). Reliabilitas diukur dengan menghitung besarnya nilai Koefisien Korelasi Pearson pada
kedua waktu tersebut.

Wijaya : Uji Asumsi Klasik Regresi Linear- 7

(c) Metode Belah Dua

Sebuah instrument atau tes diberikan pada waktu yang sama kepada kelompok subjek yang dibagi
dua. Pembelahan dapat dilakukan dengan cara memisahkan item-item genap dengan item-item
ganjil, atau item-item awal dengan item-item akhir. Reliabilitas diukur dengan menghitung besarnya
nilai Koefisien Korelasi antar kedua belahan tersebut. Rumus yang digunakan untuk mengukurnya,
diantaranya :
(1) Spearman – Brown
2 r12
R=
( 1 +r12 )
dimana :
R=
Koefisien Reliabilitas
r12 =
Koefisien Korelasi Pearson antar belahan
(2) Flanagan :
S12 +S22
R = 2(1−
)
St2
dimana :
R=
Koefisien Reliabilitas
S12=
Ragam belahan ke-1
S22 =
Ragam belahan ke-2
St2=
Ragam Total
(3) Rullon :
R =1− (SD2/ St2)
dimana :
R=
Koefisien Reliabilitas
SD2=
Ragam dari selisih skor antar belahan ke-1 dan ke-2
St2 =
Ragam Total

Wijaya : Uji Asumsi Klasik Regresi Linear- 8

Cara menentukan besarnya reliabilitas instrument atau tes dalam bentuk
jawaban Uraian dilakukan dengan metode Alpha-Cronbach yaitu :
n
∑Si2
R=
( 1−
)
n–1

St2
dimana :
R
= Koefisien Reliabilitas
∑ Si2 = Jumlah Ragam tiap-tiap item
St2
= Ragam Total
Pengujian Validitas menggunakan Program SPSS dilakukan melalui prosedur :
Analyze Scale Reliability Analysis, masukkan data Skor tiap Butir
pertanyaan ke kotak Items Pilih Model Alpha atau Split-Half OK.
Jika sebelum klik OK, kita meng-klik kotak “Statistics” kemudian kita centang pilihan Scale dan
Scale if Item Delete, maka pada Output Item Total Statistics akan diperoleh nilai Koefisien Korelasi
Pearson Terkoreksi (pada kolom Corrected Item -Total Correlation) yang menggambarkan Validitas
item.

Wijaya : Uji Asumsi Klasik Regresi Linear- 9

Misal : Ingin diketahui pengaruh Motivasi (Q15 = X1) dan Fasilitas (Q610 = X2) terhadap
Produktivitas (Y). Faktor Motivasi terdiri dari 5 butir pertanyaan (Q1 sampai Q5), dan Fasilitas
terdiri dari 5 butir pertanyaan (Q6 sampai Q10). Datanya sebagai berikut :
Resp Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 TOT Q15 Q610 Y
1
3
2
2
3
2
2
2
2
1
3
22
12
10
85
2
2
2
2
2
2
2
2
2
1
2
19
10
9
74
3
2
2
2
2
2
2
2
1
2
2
19
10
9
78
4
3
3
2
3
2
2
2
2
2
2
23
13
10
90
5
3
2
2
2
2
2
3
2
2
2
22
11
11
85
6
3
3
3
3
2
2
3
2
2
2
25
14
11
87
7
3
2
2
3
3
3
3
2
2
3
26
13
13
94
8
3
2
3
3
3
3
3
2
2
3
27
14
13
98
9
2
2
3
2
2
2
2
2
2
2
21
11
10
81
10
2
3
3
3
3
2
2
2
2
2
24
14
10
91
11
2
1
2
3
2
2
2
2
1
1
18
10
8
76
12
2
1
1
2
2
2
1
1
1
2
15
8
7
74
1. Validitas Item (Butir) :
Validitas Item dilakukan dengan cara meng-korelasikan setiap butir pertanyaan (Q1 sampai Q10)
dengan total seluruh butir pertanyaan (TOT). Korelasi yang digunakan adalah Korelasi Pearson.
Hasil perhitungan menggunakan SPSS 13.0 adalah sebagai berikut :

()
()
Wijaya : Uji Asumsi Klasik Regresi Linear - 11
2. Reliabilitas Instrument :
Reliabilitas yang dihitung yaitu : (1) Spearman-Brown, (2) Flanagan, (3) Rullon
dan (4) Alpha Cronbach, berdasarkan metode belah dua Ganjil-Genap.
No
Q1
Q3
Q5
Q7
Q9
Q2
Q4
Q6
Q8
Q10
Ganj
Genp Beda
TOT
1
3
2
2
2
1
2
3
2
2
3
10
12
-2
22
2
2
2
2
2
1
2
2
2
2
2
9
10
-1
19
3
2
2
2
2
2
2
2
2
1
2
10
9
1
19
4
3
2
2
2
2
3
3
2
2
2
11
12
-1
23
5
3
2
2
3
2
2
2
2
2
2
12
10
2
22
6
3
3
2
3
2
3
3
2
2
2
13
12
1
25
7
3
2
3
3
2
2
3
3
2
3
13
13
0
26
8
3
3
3
3
2
2
3
3
2
3
14
13
1
27
9
2
3
2
2
2
2
2
2
2
2
11
10
1
21
10
2
3
3
2
2
3
3
2
2
2
12
12
0
24
11
2
2
2
2
1
1
3
2
2
1
9
9
0
18
12
2
1
2
1
1
1
2
2
1
2
7
8
-1
15
VAR 0,273 0,386 0,205 0,386 0,242 0,447 0,265 0,152 0,152 0,333 4,083 2,879 1,356 12,568
(1) Koefisien Korelasi Pearson (r) :
Resp
Ganjil (X)
Genap (Y)
XY
X2
Y2
1
10
12
120
100
144
2
9
10
90
81
100
3
10
9
90
100
81
4
11
12
132
121
144
5
12
10
120
144
100
6
13
12
156
169
144
7
13
13
169
169
169
8
14
13
182
196
169
9
11
10
110
121
100
10
12
12
144
144
144
11
9
9
81
81
81
12
7
8
56
49
64
JML
131
130
1450
1475
1440
( )( )
⎥⎦⎤
⎢⎣⎡
−
∑
⎥⎦⎤
⎢⎣⎡
∑
−
∑
∑
∑
−
∑
=
∑y
n
n
y
x
xy
n
y
x
x
r
2
2
2
2

()
()
Wijaya : Uji Asumsi Klasik Regresi Linear - 12
⎥⎦⎤
⎢⎣⎡
−
⎥⎦⎤
⎢⎣⎡
−
−
=
130
)
440
.
1
(
12
131
)
475
.
1
(
12
)
130
)(
131
(
)
450
.
1
(
12
2
2
r
= 0,818
Nilai Koefisien Korelasi Pearson antara Jumlah Skor Ganjil dengan Jumlah
Skor Genap menggunakan SPSS 13.0 yaitu sebesar 0,818.
(1) Spearman – Brown
2 r12
2 (0,818)
R=
=
= 0,900
( 1 +r12 )
( 1 + 0,818 )
(2) Flanagan :
S12 +S22
R = 2(1−
)
St2
4,083 + 2,879
R = 2(1−
) = 0,892
12,658
(3) Rullon :
R =1−( SD2 /St2 ) = 1 − ( 1,356 / 12,658 ) = 0,892
Correlations
1
,818**
,001
12
12
,818**
1
,001
12
12

Pearson Correlation
Sig. (2-tailed)
NPearson Correlation
Sig. (2-tailed)
N
Skor Butir Ganjil
Skor Butir Genap
Skor Butir Ganjil
Skor Butir Genap
Correlation is significant at the 0.01 level (2-tailed).
**.
Wijaya : Uji Asumsi Klasik Regresi Linear - 13
(4) Alpha-Cronbach :
n
∑Si2
R=
( 1−
)
n–1
St2
12
2,841
R=
( 1−
) = 0,844
12 – 1
12,658
Nilai Reliability dengan metode Alpha Cronbach menggunakan SPSS 13.0
yaitu sebesar 0,860
Reliability
Reliability Statistics
,860
10
Cronbach's Alpha N of Items

Wijaya : Uji Asumsi Klasik Regresi Linear - 14

Pengujian Asumsi Regresi
Data :
No
X1
X2
Y
X1.X2
X1.Y
X2.Y
1
12
10
85
120
1020
850
2
10
9
74
90
740
666
3
10
9
78
90
780
702
4
13
10
90
130
1170
900
5
11
11
85
121
935
935
6
14
11
87
154
1218
957
7
13
13
94
169
1222
1222
8
14
13
98
182
1372
1274
9
11
10
81
110
891
810
10
14
10
91
140
1274
910
11
10
8
76
80
760
608
12
8
7
74
56
592
518
Jumlah
140
121
1013
1442
11974
10352
JK
1676
1255
86213
Rataan
11,667
10,083
84,417
Persamaan Regresi Dugaan :
Y = b0 +b1 X1 +b2 X2.
Persamaan Normal
:∑ Y
= nb0 + b1∑ X1 +b2∑ X2
∑X1 Y
= b0∑ X1 +b1∑ X12 +b2∑ X1 X2
∑X2 Y
= b0∑ X2 +b1∑ X1 X2 +b2∑ X22
(X'X)
(b)
(X'Y)
n
∑X1
∑X2
b0
∑Y
∑X1
∑X12
∑X1 X2
b1
=
∑X1 Y
∑X2
∑X1 X2
∑X22
b2
∑X2 Y
(X'X)
(X'X)−1
(X'Y)
12
140
121
3,513
-0,178
-0,134
1013
140
1676
1442
-0,178
0,061
-0,053
11974
121
1442
1255
-0,134 -0,053
0,075
10352

Wijaya : Uji Asumsi Klasik Regresi Linear - 15

Dari hasil perkalian invers matriks (X’X-1) dengan matriks (X’Y) diperoleh nilai b0,
b1 dan b2 sebagai berikut :
b0 =
38,245
b1 =
2,215
b2 =
2,016
Selanjutnya dengan Metode Doolitle dapat disusun Analisis Ragam (Anova) serta
pengujian koefisien regresi menggunakan Uji-t.
Metode Doolitle :
Matriks (X'X)
Matriks
Matriks (X'X-1)
Baris
b0
b1
b2
(X'Y)
(0)
12
140
121
1013
1
0
0
(1)
1676
1442
11974
0
1
0
(2)
1255
10352
0
0
1
(3) = (0)
12
140
121
1013
1
0
0
(4) = (3) /12
1,000
11,667 10,083 84,417
0,083
0,000
0,000
(5) = (1)-140(4)
42,667 30,333 155,667 -11,667
1,00
0,00
(6) = (5) /42,67
1,000
0,711
3,648
-0,273
0,023
0,000
(7) = (2)-121(4)-30,33(6)
13,352 26,914
-1,789
-0,711
1,000
(8) = (7) /13,353
1,000
2,016
-0,134
-0,053
0,075

(1) Menentukan Koefisien Regresi :

Pada Baris (8) : 1,0 (b2) = 2,016 b2 = 2,016
Pada Baris (6) : 1,0 (b1) + 0,711 (b2) = 3,648 b1 = 2,215
Pada Baris (4) : 1,0 (b0) + 11,667 (b1) + 10,083 (b2) = 84,417 b0 = 38,245
(2) Analisis Ragam (Anova) :
Faktor Koreksi (FK) = (ΣY)2/n = (1.013)2/12 = 85514,083, atau
FK
= (1013)(84417) = 85514,083
Jumlah Kuadrat Total (JKT) =Σ Y2̶ (ΣY)2/n
JKT = 86213̶ 85514,083 = 698,917
Jumlah Kuadrat Regresi (JKR) =Σ (biΣ XiY)
JKR = b1[ΣX1Y̶ (ΣX1)(ΣY)/n] + b2[ΣX2Y̶ (ΣX2)(ΣY)/n]
JKR = 2,215 [11974̶ (140)(1013)/12] + 2,016 [10352̶ (121)(1013)/12]

Wijaya : Uji Asumsi Klasik Regresi Linear - 16

JKR = 344,853 + 277,340 = 622,193
Atau JKR = JKR (b1 /b0) + JKR (b2 / b1, b0)
JKR = [ (155,667)(3,648 ] + [ (26,914)(2,016) ]
JKR = 567,940 + 54,253 = 622,193
Jumlah Kuadrat Galat (JKG) = JKT̶ JKR
JKG = 698,917̶ 622,193 = 76,723
Daftar Sidik Ragam
No.
Variasi
DB
JK
KT
F
F5%
1
Regresi
2
622,193
311,097 36,493
4,256
R (b1/ b0)
1
567,940
567,940 66,622
5,117
R (b2/ b1, b0)
1
54,253
54,253
6,364
5,117
2
Galat
9
76,723
8,525
Total
11
698,917
63,538
T
T1
1,000
0,000
0,000
1,000
–11,667
–1,789
–11,667
1,000
0,000
0,000
1,000
–0,711
–1,789
–0,711
1,000
0,000
0,000
1,000
(t)
(X'X)−1 = T1. t
0,083
0,000
0,000
3,513
–0,178
–0,134
–0,273
0,023
0,000
–0,178
0,061
–0,053
–0,134
–0,053
0,075
–0,134
–0,053
0,075
b
KTG
Cii
KTG.Cii
Sb
t
t0,025
38,245
8,525
3,513
29,949
5,473
6,989
2,228
2,215
8,525
0,061
0,523
0,723
3,065
2,228
2,016
8,525
0,075
0,638
0,799
2,523
2,228

Wijaya : Uji Asumsi Klasik Regresi Linear - 17

Keterangan :
b
= Nilai Koefisien Regresi
KTG
= Nilai Kuadrat Tengah Galat pada Daftar Sidik Ragam
Cii
= Nilai pada Diagonal Utama Matriks(X' X)−1
Sb
=√ KTG . Cii
.t
= b/Sb

Hasil analisis regresi linear ganda pengaruh Motivasi (Faktor1) dan Fasilitas (Faktor2) terhadap
Produktivitas (Nilai) menggunakan program MS Excel maupun SPSS 13.0 adalah :
Hasil Analisis dengan MS Excel :
SUMMARY OUTPUT
Regression Statistics
Multiple R
0,9435
R Square
0,8902
Adjusted R Square
0,8658
Standard Error
2,9197
Observations
12
ANOVA
Df
SS
MS
F
Sig. F
Regression
2
622,193
311,097
36,493
0,000
Residual
9
76,723
8,525
Total
11
698,917
Coefficients
Standard Error
t Stat
P-value
Intercept
38,245
5,473
6,989
0,000
X Variable 1
2,215
0,723
3,065
0,013
X Variable 2
2,016
0,799
2,523
0,033

Wijaya : Uji Asumsi Klasik Regresi Linear - 19

(a) Persamaan Regresi Dugaan :Ŷ = 38,245 + 2,215*Faktor1 + 2,016*Faktor2
(b) Faktor Motivasi dan faktor Fasilitas keduanya mempunyai pengaruh yang
signifikan terhadap nilai produktivitas, karenaP-value < 0,05
(c) Berdasarkan persamaan regresi dugaan tersebut, dapat ditentukan nilai
Galat e = Yi -Ŷi, nilai Kuadrat galat e2.
(d) Dari nilai galat e dan nilai kuadrat galat e2, dapat diuji asumsi regresi yang
berkaitan dengan distribusi nilai galat tersebut.
Data :
Resp
Q15
Q610
Y
Ŷ
ei
ei-1
(ei-ei-1)2
1
12
10
85
84,987
0,013
2
10
9
74
78,541
-4,541
0,013
20,735
3
10
9
78
78,541
-0,541
-4,541
16,000
4
13
10
90
87,202
2,798
-0,541
11,144
5
11
11
85
84,788
0,212
2,798
6,683
6
14
11
87
91,434
-4,434
0,212
21,585
7
13
13
94
93,250
0,750
-4,434
26,871
8
14
13
98
95,465
2,535
0,750
3,185
9
11
10
81
82,772
-1,772
2,535
18,547
10
14
10
91
89,418
1,582
-1,772
11,249
11
10
8
76
76,525
-0,525
1,582
4,440
12
8
7
74
70,078
3,922
-0,525
19,771
Jml
140
121
1013
1013,000
0,000
-3,922
160,210
JK
1676
1255
86213 Durbin-Watson =
2,088
Keterangan : Jml = Jumlah ; JK = Jumlah Kuadrat
1. Asumsi Nilai Galat Bersifat Acak
a. Hipotesis H0≡ barisan bersifat acak

H1≡ barisan bersifat tidak acak

b. Taraf Nyata (α) = 0,05
c. Uji Statistik = Uji Run

Wijaya : Uji Asumsi Klasik Regresi Linear - 20

d. Perhitungan

Pada nilai galat (ei) :

Banyaknya tanda (-) = 5 = n1
Banyaknya tanda (+) = 7 = n2
Banyaknya runtun r = 9
Dari Tabel Uji Run untuk n1 = 5 dan n2 = 7 diperoleh nilai
r1 = 3 dan r2 = 11.
n
(+)
(-)
r
r1
r2
12
7
5
9
3
11
e. Kesimpulan : Terima Ho (nilai pengamatan bersifat acak)
karena (r1 = 3) < (r = 10) < (r2 = 11)
Pengujian menggunakan Program SPSS dilakukan melalui prosedur :
Analyze Nonparametrics Test Runs. Pindahkan variabel Galat (Residu)
ke kotak Test Variable List, beri tanda centang pada kotak Mean Klik OK
Hasil Analisis Uji Run menggunakan SPSS 13.0 :
2. Rata-rata nilai galat =Σ ei : n = 0,000 : 12 = 0,000
Runs Test
,00000
57
129
1,041
,298
Test Valuea
Cases < Test Value
Cases >= Test Value
Total Cases
Number of Runs
ZAsymp. Sig. (2-tailed)
Galat
Mean
a.

Wijaya : Uji Asumsi Klasik Regresi Linear - 21

3. Homoskedastisitas :
Resp
X1
X2
e12
ln X1
ln X2
ln e12
1
12
10
0,000
2,485
2,303
-8,705
2
10
9
20,618
2,303
2,197
3,026
3
10
9
0,292
2,303
2,197
-1,230
4
13
10
7,826
2,565
2,303
2,057
5
11
11
0,045
2,398
2,398
-3,099
6
14
11
19,657
2,639
2,398
2,978
7
13
13
0,563
2,565
2,565
-0,575
8
14
13
6,425
2,639
2,565
1,860
9
11
10
3,139
2,398
2,303
1,144
10
14
10
2,503
2,639
2,303
0,918
11
10
8
0,275
2,303
2,079
-1,289
12
8
7
15,379
2,079
1,946
2,733
a. Uji Park : Ln ei2 = b0 + b1 Ln.X1 + b2 Ln X2.
Persamaan Regresi Dugaan : ei2 = b0 + b1 Ln X1 + b2 LnX2.
Persamaan Normal
:
∑e12
= n b0 + b1∑ Ln X1 + b2∑ Ln X2
∑ ei2 (Ln X1 ) = b0 ∑ Ln X1 + b1 ∑ (Ln X1)2 + b2 ∑ (Ln X1)(Ln X2)
∑ ei2 (Ln X2) = b0 ∑ Ln X2 + b1 ∑ (Ln X1)(Ln X2) + b2 ∑ (Ln X2)2
Matriks :
(X'X)
(b)
(X'Y)
n
∑Ln X1
∑Ln X2
b0
∑Y
∑Ln X1
∑(Ln X1)2
∑(LnX1)(LnX2)
b1
=
∑X1 Y
∑Ln X2
∑(LnX1)(LnX2)
∑(Ln X1)2
b2
∑X2 Y

Wijaya : Uji Asumsi Klasik Regresi Linear - 22

(X'X)
(X'X)−1
(X'Y)
12
29,315
27,556
18,028
-5,344
-2,129
-0,181
29,315
71,959
67,605
-5,344
9,292
-7,558
-0,474
27,556
67,605
63,632
-2,129
-7,558
8,968
-0,967
Dari hasil perkalian invers matriks (X’X-1) dengan matriks (X’Y) diperoleh nilai b0,
b1 dan b2 sebagai berikut :
b0 =
1,331
b1 =
3,872
b2 =
- 4,705
Metode Doolitle :
Matriks (X'X)
Matriks
Matriks (X'X-1)
Baris
b0
b1
b2
(X'Y)
(0)
12
29,315 27,556
-0,181
1
0
0
(1)
71,956 67,605-0,474
0
1
0
(2)
63,632-0,967
0
0
1
(3) = (0)
12
29,315 27,556
-0,181
1,000
0,000
0,000
(4) = (3) /12
1
2,443
2,296
-0,015
0,083
0,000
0,000
(5) = (1)-29,315(4)
0,342
0,288
-0,032
-2,443
1,000
0,000
(6) = (5) /0,342
1
0,843
-0,094
-7,139
2,922
0,000
(7) = (2)-27,556(4)-0,288(6)
0,112
-0,525
-0,237
-0,843
1,000
(8) = (7) /0,112
1
-4,705
-2,129
-7,558
8,968
T
T1
1,000
0,000
0,000
1,000
-2,443
–0,237
-2,443
1,000
0,000
0,000
1,000
–0,843
-0,237
-0,843
1,000
0,000
0,000
1,000

Wijaya : Uji Asumsi Klasik Regresi Linear - 23

(t)
(X'X)−1 = T1. t
0,083
0,000
0,000
18,028
–5,344
–2,129
–7,139
2,292
0,000
–5,344
9,292
–7,558
–2,129
–7,558
8,968
–2,129
–7,558
8,968
B
KTG
Cii
KTG.Cii
Sb
t
t0,025
1,331 13,528
18,028
243,892
15,617
0,085
2,228
3,872 13,528
9,292
125,703
11,212
0,345
2,228
-4,705 13,528
8,968
121,317
11,014
-0,427
2,228
Hasil Pengolahan menggunakan Excel :
Regression Statistics
Multiple R
0,1411
R Square
0,0199
Adjusted R Square
-0,1979
Standard Error
3,6781
Observations
12
ANOVA
df
SS
MS
F
Sig F
Regression
2
2,472
1,236
0,091
0,914
Residual
9
121,755
13,528
Total
11
124,227
Coeff
SE
t Stat
P-value
Intercept
1,331
15,617
0,085
0,934
X Variable 1
3,872
11,212
0,345
0,738
X Variable 2
-4,705
11,014
-0,427
0,679
Wijaya : Uji Asumsi Klasik Regresi Linear - 24
Analisis menggunakan SPSS :


Untuk menghitung nilai kuadrat galat KG (e2) : klik menu Transform Compute. Pada kotak
Target variable ketik KG, pindahkan variabel Galat (residu) ke kotak Numeric Expression, klik
tanda *, pindahkan kembali variabel Galat (Residu), sehingga pada kotak Numeric expression
tertulis : Residu*Residu. Klik OK. Pada Data View akan muncul variabel baru bernama KG.

Untuk menghitung nilai Ln X1 : klik menu Transform Compute. Pada kotak Target variable ketik
LnX1. Pada kotal Function group pilih Arithmetic, dan pada kotak Function and Special variables
sorot pilihan Ln pindahkan ke kotak Numeric Expression, sehingga pada kotak Numeric expression
tertulis : LN(?). Klik variabel Motivasi (X1) pindahkan ke kotak Numeric Expression, sehingga
pada kotak Numeric expression tertulis : LN(X1). Klik OK. Pada Data View akan muncul variabel
baru bernama LnX1.

Untuk menghitung nilai Ln X2 dan LnKG dlakukan dengan cara seperti diatas.

Untuk menganalisis model regresi Ln e2 = b0 + b1 Ln.X1 + b2 Ln.X2 : Klik Analyze
Regression Linear, pindahkan Variabel Dependen LnKG ke kotak Dependent dan Variabel
Independen LnX1 dan LnX2 ke kotak Independent(s) klik OK.
Hasil Analisis Uji Park menggunakan SPSS :
Regression :
Model Summary
,141a
,020
-,198
3,6780934
Model
1
R
R Square Adjusted R Square
Std. Error of the Estimate
Predictors: (Constant), Ln(Fasilitas), Ln(Motovasi)
a.
Variables Entered/Removedb
Ln(Fasilitas),
Ln(Motovasi)a
. Enter
Model
1
Variables Entered
Variables Removed
Method
All requested variables entered.
a.
Dependent Variable: Ln Kuadrat Galat
b.
Wijaya : Uji Asumsi Klasik Regresi Linear - 26
t3− t
∑Tx=∑
12
33−3
23− 3
23− 2
33− 3
∑Tx=
+
+
+
= 5,00
12
12
12
12
t3−t
∑Ty=∑
= 0,00
12
N3−N
123− 12
∑X2=
− ∑Tx =
− 5,00 = 138,00
12
12
N3−N
123− 12
∑Y2=
− ∑Tx =
− 0,00 = 143,00
12
12
∑
∑
∑
∑
∑
−
+
=
y
x
di
y
x
rS
2
2
2
2
2
.
2
)
00
,
143
(
.
)
00
,
138
(
2
00
,
232
00
,
143
00
,
138
−
+
=
rS
174
,
0
=
rS
r
r
S
S
n
t
2
1
2
−−
=
174
,
0
1
2
12
174
,
0
2
−
−
=
t
t = 0,560
t0,025 (n−2)= t 0,025 (10) = 2,228
Kesimpulan : tidak terdapat hubungan yang nyata antara variabel Motivasi
(X1) dengan nilai galat.

Wijaya : Uji Asumsi Klasik Regresi Linear - 27

(2) Korelasi Variabel Bebas X2 (Fasilitas) dengan Galat e.
No
X2
Y
Rank-X2
Rank-Y
di2
1
10
0,013
6,5
6
0,25
2
9
-4,541
3,5
1
6,25
3
9
-0,541
3,5
4
0,25
4
10
2,798
6,5
11
20,25
5
11
0,212
9,5
7
6,25
6
11
-4,434
9,5
2
56,25
7
13
0,750
11,5
8
12,25
8
13
2,535
11,5
10
2,25
9
10
-1,772
6,5
3
12,25
10
10
1,582
6,5
9
6,25
11
8
-0,525
2
5
9,00
12
7
3,922
1
12
121,00
Jumlah
252,50
t3− t
∑Tx=∑
12
23−2
43− 4
23− 2
23− 2
∑Tx=
+
+
+
= 6,50
12
12
12
12
t3−t
∑Ty=∑
= 0,00
12
N3−N
123− 12
∑X2=
− ∑Tx =
− 6,50 = 136,50
12
12
N3−N
123− 12
∑Y2=
− ∑Tx =
− 0,00 = 143,00
12
12
∑
∑
∑
∑
∑
−
+
=
y
x
di
y
x
rS
2
2
2
2
2
.
2
Wijaya : Uji Asumsi Klasik Regresi Linear - 28
)
00
,
143
(
.
)
50
,
136
(
2
50
,
252
00
,
143
50
,
136
−
+
=
rS
097
,
0
=
rS
r
r
S
S
n
t
2
1
2
−−
=
097
,
0
1
2
12
097
,
0
2
−
−
=
t
t = 0,307
t0,025 (n−2) = t0,025 (10) = 2,228
Kesimpulan : tidak terdapat hubungan yang nyata antara variabel Fasilitas
(X2) dengan nilai galat.
Hasil analisis dengan SPSS :
Nonparametric Correlations : Rank Spearman - Homoskedastisitas
Kesimpulan : Asumsi Homoskedastisitas dapat diterima, karena nilai
Signifikansi kedua faktor tersebut tidak signifikan (> 0,05)
Correlations
1,000
,174
,097
.
,588
,765
12
12
12
,174
1,000
,801**
,588
.
,002
12
12
12
,097
,801**
1,000
,765
,002
.
12
12
12

Correlation Coefficient
Sig. (2-tailed)
NCorrelation Coefficient
Sig. (2-tailed)
NCorrelation Coefficient
Sig. (2-tailed)
N
Galat
Motivasi
Fasilitas
Spearman's rho
Galat
Motivasi
Fasilitas
Correlation is significant at the 0.01 level (2-tailed).
**.

Wijaya : Uji Asumsi Klasik Regresi Linear - 29

Pengujian Homoskedastisitas menggunakan SPSS 13.0 melalui prosedur :

klik Plot pindahkan ZPRED ke kotak X dan SRESID ke kotak Y. Pada pilihan Standardized
Residual Plot, beri tanda centang pada pilihan Histogram dan Normal probability plots Continue
1.0
0.8
0.6
0.4
0.2
0.0
Observed Cum Prob
1.0
0.8 0.6 0.4
0.2
0.0
ExpectedCum
Prob
Dependent Variable: Produktivitas
Normal P-P Plot of Regression Standardized Residual
2
1
0
-1
-2
Regression Standardized Predicted Value
21
0
-1
-2
RegressionS
tudentizedR
esidual
Dependent Variable: Produktivitas
Scatterplot

Wijaya : Uji Asumsi Klasik Regresi Linear - 30

Kesimpulan
: Asumsi Homoskedastisitas dapat diterima, karena (a) pada gambar pertama, titik-titik menyebar di
sekitar garis diagonal, (b) pada gambar kedua titik-titik menyebar tidak menunjukkan pola tertentu
4. Uji Normalitas :
(a) Uji Normalitas untuk Variabel Motivasi (X1)
 Nilai X1 diurutkan dari terkecil sampai terbesar
Resp
X1
Zi
P(Zi)
P(Xi)
P(Zi) - P(Xi)
PX-1 - PZ
12
8
-1,862 0,0313 0,0833
0,0520
0,0313
2
10
-0,846 0,1987 0,1667
0,0320
0,1154
3
10
-0,846 0,1987 0,2500
0,0513
0,0320
11
10
-0,846 0,1987 0,3333
0,1346
0,0513
5
11
-0,339 0,3675 0,4167
0,0492
0,0342
9
11
-0,339 0,3675 0,5000
0,1325
0,0492
1
12
0,169
0,5672 0,5833
0,0161
0,0672
4
13
0,677 0,7508 0,6667
0,0841
0,1675
7
13
0,677 0,7508 0,7500
0,0008
0,0841
6
14
1,185
0,8819 0,8333
0,0486
0,1319
8
14
1,185
0,8819 0,9167
0,0347
0,0486
10
14
1,185
0,8819 1,0000
0,1181
0,0347
Rata
11,67
Maks
0,1346
0,1675
STD
1,97
Nilai maksimum D = 0,1675. Dari tabel Kolmogorov-Smirnov untuk n = 12 dan taraf nyata (α) =
0,05 didapat D0,05(12) = 0,375. Karena nilai (D = 0,1675) < (D0,05(12) = 0,375) maka
disimpulkan bahwa sampel tadi berasal dari populasi yang berdistribusi normal.

Wijaya : Uji Asumsi Klasik Regresi Linear - 31

(b) Uji Normalitas untuk Variabel Fasilitas (X2)
Resp
X2
Zi
P(Zi)
P(Xi)
P(Zi) - P(Xi)
PX-1- PZ
12
7
-1,731
0,0418 0,0833
0,0416
0,0418
11
8
-1,169
0,1211
0,1667
0,0455
0,0378
2
9
-0,608 0,2716 0,2500
0,0216
0,1049
3
9
-0,608 0,2716 0,3333
0,0618
0,0216
1
10
-0,047 0,4813 0,4167
0,0647
0,1480
4
10
-0,047 0,4813 0,5000
0,0187
0,0647
9
10
-0,047 0,4813 0,5833
0,1020
0,0187
10
10
-0,047 0,4813 0,6667
0,1853
0,1020
5
11
0,515
0,6966 0,7500
0,0534
0,0299
6
11
0,515
0,6966 0,8333
0,1368
0,0534
7
13
1,637
0,9492 0,9167
0,0325
0,1159
8
13
1,637
0,9492 1,0000
0,0508
0,0325
Rata
10,08
Maks
0,1853
0,1480
STD
1,78
Variabel X2 berdistribusi normal karena (D = 0,1853) < (D0,05(12) = 0,375).
(c) Uji Normalitas untuk Variabel Produktivitas (Y)
Resp
Yi
Zi
P(Zi)
P(Yi)
P(Zi)-P(Yi)
PY- PZ
2
74
-1,307 0,0956 0,0833
0,0123
0,0956
12
74
-1,307 0,0956 0,1667
0,0710
0,0123
11
76
-1,056
0,1455 0,2500
0,1045
0,0212
3
78
-0,805 0,2104 0,3333
0,1229
0,0396
9
81
-0,429 0,3341
0,4167
0,0826
0,0008
1
85
0,073
0,5292 0,5000
0,0292
0,1125
5
85
0,073
0,5292 0,5833
0,0542
0,0292
6
87
0,324
0,6271 0,6667
0,0396
0,0437
4
90
0,700
0,7582 0,7500
0,0082
0,0915
10
91
0,826
0,7956 0,8333
0,0378
0,0456
7
94
1,202
0,8854 0,9167
0,0313
0,0520
8
98
1,704
0,9558 1,0000
0,0442
0,0392
Rata
84,42
Maks
0,1229
0,1125
STD
7,97
Wijaya : Uji Asumsi Klasik Regresi Linear - 34
Untuk n = 12, banyaknya variabel bebas = k = 2 dan a = 0,05 diperoleh dL = 0,812
dan dU = 1,579
Kriteria Penolakan H0 :
Tolak Ho
dL
dU
Terima Ho
4-dU
4-dL
Tolak Ho
0,812
1,579
2,421
3,188
Nilai D = 2,088 terletak pada daerah penerimaan H0, sehingga asumsi tidak ada
autokorelsi dapat diterima.
Prosedur menggunakan SPSS :

Analyze Regression Linear, masukkan Variabel Dependen Y (Produktivitas) ke kotak

Dependent dan Variabel Independen (X1 = Motivasi dan X2 = Fasilitas) ke kotak Independent(s)
klik Statistics Pada kotak Residuals, beri tanda centang pada pilihan Durbin Watson
Continue OK.
Hasil Analisis SPSS :
Menggunakan Ujiχ2:
Nilai Observasi (O) :
Banyaknya +ei
Banyaknya−ei
Jumlah
Banyaknya +ei-1
2
4
6
Banyaknya−ei-1
4
1
5
Jumlah
6
5
11
Model Summaryb
,944a
,890
,866
2,920
2,088
Model
1
R
R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Predictors: (Constant), Faktor2, Faktor1
a.
Dependent Variable: Nilai
b.

Wijaya : Uji Asumsi Klasik Regresi Linear - 35

Nilai Harapan (E) :
Banyaknya +ei
Banyaknya−ei
Jumlah
Banyaknya +ei-1
3,27
2,73
6
Banyaknya−ei-1
2,73
2,27
5
Jumlah
6
5
11
(2 – 3,27)2
(4 – 2,73)2
(4 – 2,73)2
(1 – 2,27)2
X2 =
+
+
+
3,27
2,73
2,73
2,27
X2 = 2,396
X20,05(1) = 3,841
Kesimpulan : Karena (X2 = 2,396) < (X20,05(1) = 3,841) maka H0 diterima
(asumsi tidak ada autokorelasi dapat diterima).

Prosedur menggunakan SPSS :

Analyze Descriptive Statistics Crosstab.
Hasil Analisis :
CrosstabsNilai Ei-1 * Nilai Ei Crosstabulation
Count
2
4
6
4
1
5
6
5
11
+Ei-1
-Ei-1
Nilai Ei-1
Total
+Ei
-Ei
Nilai Ei
Total

Wijaya : Uji Asumsi Klasik Regresi Linear - 37

7.Linearitas : artinya bentuk hubungan antara variabel bebas X dan variabel
terikat Y adalah Linear.
a. uji Linearitas antara X1 (Motivasi) dengan Y (Produktivitas) :
Resp
X1
Y
X1.Y
Y2
KJ
Selisih
12
8
74
592
5476
5476
0
2
10
74
740
3
10
78
780
17336
17328
8
11
10
76
760
5
11
85
935
13786
13778
8
9
11
81
891
1
12
85
1020
7225
7225
0
4
13
90
1170
16936
16928
8
7
13
94
1222
6
14
87
1218
8
14
98
1372
25454
25392
62
10
14
91
1274
Jumlah
140
1013
11974
86213
86127
86
JK
1676
86213
k=
6
Rata-rata
11,667
84,417
KJ = Kuadrat Jumlah
JK = Jumlah Kuadrat
Contoh perhitungan :
Untuk X1 = 10 Y2 = 742 + 782 + 762 = 17336
KJ = (74 + 78 + 76)2 = 17328
. . . . . . . . ds t.
n ∑X1 Y̶ (∑X1)(∑Y)
12 (11974)̶ (140)(1013)
b1=
=
= 3,648
n∑X12̶ (∑X1)2
12 (1676)̶ (140)2
b0 = 84,417̶ 3,648 (11,667) = 41,852

Analisis Ragam (Anova) :

1. Faktor Koreksi (FK) = (ΣY)2/n = (1013)2/12 = 85514,083
2. Jumlah Kuadrat Total (JKT) =ΣY2̶ (ΣY)2/n
JKT = 86213̶ 85514,083 = 698,917

Wijaya : Uji Asumsi Klasik Regresi Linear - 38

3. Jumlah Kuadrat Regresi (JKR) =biΣ XiY
JKR = b1 [ΣX1Y̶ (ΣX1)(ΣY)/n]
JKR = 3,648 [11974̶ (140)(1013)/12] = 567,940
4. Jumlah Kuadrat Galat (JKG) = JKT̶ JKR

JKG = 698,917̶ 567,940 = 130,977

JKG-Murni =Σ Y2̶Σ(Yi2/ni) = 86213̶ 86127 = 86
JKG-SDM = JKG7̶ JKGM = 130,977̶ 86 = 44,977
Daftar Sidik Ragam
db
JK
KT
F
F0,05
Regresi
1
567,940
567,940
39,624
4,965
Galat
10
130,977
13,098
Murni
6
86,000
14,333
SDM
4
44,977
11,244
0,784
4,534
Total
11
698,917
Ket. : DB = Derajat Bebas ;
JK = Jumlah Kuadrat ;
KT = Kuadrat Tengah ; SDM = Simpangan Dari Model
KT = JK : DB
F-Regresi = KT(Regresi) : KT(Galat Murni) = 567,940 : 14,333 = 39,624
F-SDM = KT(SDM) : KT(Galat Murni) = 11,244 : 14,333 = 0,784
Kesimpulan : Karena nilai (F-SDM = 0,784) < (F0,05 = 4,534) maka asumsi
Linearitas dapat diterima (hubungan antara X1 dengan Y bersifat Linear)

Wijaya : Uji Asumsi Klasik Regresi Linear - 39

b. uji Linearitas antara X2 (Fasilitas) dengan Y (Produktivitas) :
Resp
X2
Y
X2.Y
Y2
KJ
Selisih
12
7
74
518
5476
5476,00
0,00
11
8
76
608
5776
5776,00
0,00
2
9
74
666
3
9
78
702
11560
11552,00
8,00
1
10
85
850
4
10
90
900
9
10
81
810
10
10
91
910
30167
30102,25
64,75
5
11
85
935
6
11
87
957
14794
14792,00
2,00
7
13
94
1222
8
13
98
1274
18440
18432,00
8,00
Jumlah
121
1013
10352
86213
86130,25
82,75
JK
1255
86213
k=
6
Rataan
10,083
84,417
n∑X2Y̶ (∑X2) (∑ Y)
12 (10352)̶ (121)(1013)
b1 =
=
= 3,940
n∑X22̶ (∑X2)2
12 (1255)̶ (121)2
b0 = 84,417̶ 3,940 (10,083) = 44,685

Analisis Ragam (Anova) :

1. Faktor Koreksi (FK) = (ΣY)2/n = (1013)2/12 = 85514,083
2. Jumlah Kuadrat Total (JKT) =ΣY2̶ (ΣY)2/n
JKT = 86213̶ 85514,083 = 698,917
3. Jumlah Kuadrat Regresi (JKR) =biΣ XiY
JKR = b2[ΣX2Y̶ (ΣX2)(ΣY)/n]
JKR = 3,940 [10352̶ (121)(1013)/12] = 542,12

Wijaya : Uji Asumsi Klasik Regresi Linear - 40

4. Jumlah Kuadrat Galat (JKG) = JKT̶ JKR

JKG = 698,917̶ 542,12 = 156,79

JKG-Murni =Σ Y2̶Σ(Yi2/ni) = 86213̶ 86130,25 = 82,75
JKG-SDM = JKG7̶ JKGM = 156,79̶ 82,75 = 74,04
Daftar Sidik Ragam
db
JK
KT
F
F0,05
Regresi
1
542,12
542,12
34,576
4,965
Galat
10
156,79
15,68
Murni
6
82,75
13,79
SDM
4
74,04
18,51
1,342
4,534
Total
11
698,92
Ket. : DB = Derajat Bebas ; JK = Jumlah Kuadrat ; KT = Kuadrat Tengah
SDM = Simpangan Dari Model
KT = JK : DB
F-Regresi = KT(Regresi) : KT(Galat Murni) = 542,12 : 13,79 = 34,576
F-SDM = KT(SDM) : KT(Galat Murni) = 18,51 : 13,79 = 1,342
Kesimpulan : Karena nilai (F-SDM = 1,342) < (F0,05 = 4,534) maka asumsi Linearitas
dapat diterima (hubungan antara X2 dengan Y bersifat Linear)
Prosedur pengujian menggunakan SPSS :
Analyze Compre Means Means, masukkan Variabel Dependen X2(Fasilitas) ke kotak
Dependent List dan Variabel Independen Y (Produktivitas) ke kotak Independent List klik
Options Beri tanda centang pada pilihan Test for linearity Continue OK.

Uji Asumsi Regresi

Download this Document for FreePrintMobileCollectionsReport Document
Report this document?
Please tell us reason(s) for reporting this document
Spam or junk
Porn adult content
Hateful or offensive
If you are the copyright owner of this document and want to report it, please follow these directions
to submit a copyright infringement notice.
Report Cancel

This is a private document.

Info and Rating

Reads:
6,519
Uploaded:
11/12/2009
Category:
Uncategorized.
Rated:

Copyright:
Attribution Non-commercial

non
uji spearman
tujuan uji
spearman rho
tidak
sepuluh
contoh perhitungan
statistika
pada regresi
(more tags)
non
uji spearman
tujuan uji
spearman rho
tidak
sepuluh
contoh perhitungan
statistika
pada regresi
model
uji runs
(fewer)
nindyalangenluthf...

Ads by Google

Classic Magician
Mencari Entertainer utk pesta anda?
Diskusikanlah dengan saya
william.gosal.org

Iklan Sepatu trendy

Pilihan lengkap, barang bagus,
Cek sekarang di berinaga.com !
berniaga.com
Universitas Luar Negeri
Program persiapan berbahasa Inggris
Jaminan Penempatan di Universitas
www.ef.com

Share & Embed

Related Documents
PreviousNext
1. p.
p.
p.
2. p.
p.
p.
3. p.
p.
p.
4. p.
p.
p.
5. p.
p.
p.
6. p.
p.
p.
7. p.
More from this user
PreviousNext
1. 13 p.
9 p.
24 p.
2. 18 p.
17 p.
65 p.
3. 55 p.
33 p.
30 p.
4. 15 p.
30 p.
22 p.
5. 33 p.
19 p.
14 p.
6. 23 p.
43 p.
9 p.

Recent Readcasters

Add a Comment

Submit
share:
Characters: 400
This document has made it onto the Rising list!
02 / 01 / 2010

Print this document

High Quality
Open the downloaded document, and select print from the file menu (PDF reader required).
Download and Print

Add this document to your Collections

This is a private document, so it may only be added to private collections.
+ Create a New Collection
Name:

Description:

Collection Type:

public locked: only you can add to this collection, but others can view it
public moderated: others can add to this collection, but you approve or reject additions
private: only you can add to this collection, and only you will be able to view it
Save collection Cancel
Finished? Back to Document

Upload a Document

Search Documents

 Follow Us!
 scribd.com/scribd
 twitter.com/scribd
 facebook.com/scribd
 About
 Press
 Blog
 Partners
 Scribd 101
 Web Stuff
 Scribd Store
 Support
 FAQ
 Developers / API
 Jobs
 Terms
 Copyright
 Privacy
Copyright © 2011 Scribd Inc.
Language:
English