P. 1
regresi

regresi

|Views: 325|Likes:
Dipublikasikan oleh Aisyah Unni

More info:

Published by: Aisyah Unni on Apr 04, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

03/26/2014

pdf

text

original

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 KS) 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. () ()

Uji validitas atau kesahihan digunakan untuk mengetahui seberapa tepat suatu instrument (alat ukur) mampu melakukan fungsinya.5 UJI VALIDITAS DAN RELIABILITAS INSTRUMENT 1. Validitas Logis terdiri dari Validitas Isi dan Validitas Konstruk. yaitu (1) Validitas Logis. menunjuk pada kondisi bagi sebuah instrumen evaluasi yang memenuhi persyaratan valid berdasarkan hasil penalaran. yaitu apabila instrumen tersebut telah teruji dari pengalaman.Wijaya : Uji Asumsi Klasik Regresi Linear. (2) Validitas Empiris. 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 . Validitas Empiris terdiri dari validitas “ada sekarang” dan validitas predictive. Validitas Instrument Secara garis besar ada dua macam Validitas. 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.

2.025(n−2) atau t0. (b) Metode Ulang Sebuah instrument atau tes diberikan kepada subjek yang sama pada dua waktu yang berbeda (berulang). yaitu : (a) Metode Paralel (Equivalent) Dua buah instrument atau tes yang mempunyai tujuan. Reliabilitas diukur dengan menghitung besarnya nilai Koefisien Korelasi Pearson pada kedua waktu tersebut. . dan susunan yang sama tetapi soal (item) berbeda diberikan kepada subjek yang sama pada dua waktu yang berbeda. Cara menentukan besarnya reliabilitas instrument atau tes dalam bentuk jawaban Pilihan Ganda atau Benar-Salah dapat dilakukan dengan beberapa metode. masukkan data Skor tiap Butir pertanyaan dan Skor Total ke kotak Variables OK.025(n−2) < t (2) Korelasi Biserial : qp s m m T T P bi − = ρ Wijaya : Uji Asumsi Klasik Regresi Linear. Jadi reliabilitas adalah ketetapan (keajegan) suatu instrument atau tes apabila diberikan kepada subjek yang sama. tingkat kesukaran.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. Suatu instrument atau tes dikatakan mempunyai tingkat kepercayaan yang tinggi jika instrument atau tes tersebut dapat memberikan hasil yang tetap (ajeg). Reliabilitas Instrument Reliabilitas instrumen berhubungan dengan tingkat kepercayaan (keyakinan) terhadap instrument atau sebuah tes. Reliabilitas diukur dengan menghitung besarnya nilai Koefisien Korelasi Pearson terhadap kedua hasil pengamatan tersebut.1 2 −− = Butir (item) atau Faktor dari skor pertanyaan dikatakan valid jika : t <−t0.

atau item-item awal dengan item-item akhir.8 Cara menentukan besarnya reliabilitas instrument atau tes dalam bentuk jawaban Uraian dilakukan dengan metode Alpha-Cronbach yaitu : n ∑Si2 R= ( 1− ) n–1 .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. 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. Rumus yang digunakan untuk mengukurnya. Pembelahan dapat dilakukan dengan cara memisahkan item-item genap dengan item-item ganjil. Reliabilitas diukur dengan menghitung besarnya nilai Koefisien Korelasi antar kedua belahan tersebut.

masukkan data Skor tiap Butir pertanyaan ke kotak Items Pilih Model Alpha atau Split-Half OK. Jika sebelum klik OK. Wijaya : Uji Asumsi Klasik Regresi Linear. 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 . Faktor Motivasi terdiri dari 5 butir pertanyaan (Q1 sampai Q5). maka pada Output Item Total Statistics akan diperoleh nilai Koefisien Korelasi Pearson Terkoreksi (pada kolom Corrected Item -Total Correlation) yang menggambarkan Validitas item.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. kita meng-klik kotak “Statistics” kemudian kita centang pilihan Scale dan Scale if Item Delete.9 Misal : Ingin diketahui pengaruh Motivasi (Q15 = X1) dan Fasilitas (Q610 = X2) terhadap Produktivitas (Y).

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 .

0 adalah sebagai berikut : . Korelasi yang digunakan adalah Korelasi Pearson. Hasil perhitungan menggunakan SPSS 13. Validitas Item (Butir) : Validitas Item dilakukan dengan cara meng-korelasikan setiap butir pertanyaan (Q1 sampai Q10) dengan total seluruh butir pertanyaan (TOT).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.

(3) Rullon dan (4) Alpha Cronbach. 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 .() () Wijaya : Uji Asumsi Klasik Regresi Linear .11 2. Reliabilitas Instrument : Reliabilitas yang dihitung yaitu : (1) Spearman-Brown. (2) Flanagan. berdasarkan metode belah dua Ganjil-Genap.

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 .

083 2.1 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 0.333 4.205 0.879 1.273 0.356 12.568 (1) Koefisien Korelasi Pearson (r) : Resp Ganjil (X) Genap (Y) .152 0.386 0.152 0.447 0.386 0.265 0.242 0.

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 .

1 ( 12 2 2 r = 0. 1 ( 12 ) 130 )( 131 ( ) 450 .818 Nilai Koefisien Korelasi Pearson antara Jumlah Skor Ganjil dengan Jumlah Skor Genap menggunakan SPSS 13. (1) Spearman – Brown 2 r12 .0 yaitu sebesar 0.818.x x r 2 2 2 2 () () Wijaya : Uji Asumsi Klasik Regresi Linear .12 ⎥⎦⎤ ⎢⎣⎡ − ⎥⎦⎤ ⎢⎣⎡ − − = 130 ) 440 . 1 ( 12 131 ) 475 .

001 12 12 Pearson Correlation Sig. **.083 + 2.01 level (2-tailed).892 12.818** .658 ) = 0.658 (3) Rullon : R =1−( SD2 /St2 ) = 1 − ( 1. Wijaya : Uji Asumsi Klasik Regresi Linear . (2-tailed) N Skor Butir Ganjil Skor Butir Genap Skor Butir Ganjil Skor Butir Genap Correlation is significant at the 0.001 12 12 .900 ( 1 +r12 ) ( 1 + 0.879 R = 2(1− ) = 0.818) R= = = 0.818** 1 .13 (4) Alpha-Cronbach : n ∑Si2 R= ( 1− ) n–1 St2 12 .892 Correlations 1 .356 / 12.2 (0.818 ) (2) Flanagan : S12 +S22 R = 2(1− ) St2 4. (2-tailed) NPearson Correlation Sig.

X2 X1.Y X2.860 10 Cronbach's Alpha N of Items Wijaya : Uji Asumsi Klasik Regresi Linear .658 Nilai Reliability dengan metode Alpha Cronbach menggunakan SPSS 13.0 yaitu sebesar 0.2.860 Reliability Reliability Statistics .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 .841 R= ( 1− ) = 0.844 12 – 1 12.14 Pengujian Asumsi Regresi Data : No X1 X2 Y X1.

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 .

417 Persamaan Regresi Dugaan : Y = b0 +b1 X1 +b2 X2.74 56 592 518 Jumlah 140 121 1013 1442 11974 10352 JK 1676 1255 86213 Rataan 11. 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 .667 10.083 84.

15 Dari hasil perkalian invers matriks (X’X-1) dengan matriks (X’Y) diperoleh nilai b0.178 0.121 3.061 -0. 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 .075 10352 Wijaya : Uji Asumsi Klasik Regresi Linear .016 Selanjutnya dengan Metode Doolitle dapat disusun Analisis Ragam (Anova) serta pengujian koefisien regresi menggunakan Uji-t.053 0.215 b2 = 2.134 1013 140 1676 1442 -0.134 -0. b1 dan b2 sebagai berikut : b0 = 38.053 11974 121 1442 1255 -0.513 -0.245 b1 = 2.178 -0.

023 0.083 84.00 0.134 -0.273 0.053 0.083.353 1.245 (2) Analisis Ragam (Anova) : Faktor Koreksi (FK) = (ΣY)2/n = (1.000 (8) = (7) /13.215 Pada Baris (4) : 1.914 -1.667 (b1) + 10.000 11.352 26.67 1.000 0.333 155.0 1 0 (2) 1255 10352 0 0 1 (3) = (0) 12 140 121 1013 1 0 0 (4) = (3) /12 1.016 Pada Baris (6) : 1.667 -11.711 1.016 b2 = 2.0 (b2) = 2.013)2/12 = 85514.000 (7) = (2)-121(4)-30.711 (b2) = 3.648 -0.0 (b1) + 0.000 2.083 (b2) = 84.667 30.083 0.417 b0 = 38.789 -0.648 b1 = 2.075 (1) Menentukan Koefisien Regresi : Pada Baris (8) : 1.000 (5) = (1)-140(4) 42.667 1.33(6) 13.711 3.000 0.016 -0.667 10.0 (b0) + 11.417 0. atau .00 (6) = (5) /42.

525 Total 11 698.917̶ 622.723 8. b0) 1 54. b0) JKR = [ (155.000 .253 6.917 Jumlah Kuadrat Regresi (JKR) =Σ (biΣ XiY) JKR = b1[ΣX1Y̶ (ΣX1)(ΣY)/n] + b2[ΣX2Y̶ (ΣX2)(ΣY)/n] JKR = 2.016 [10352̶ (121)(1013)/12] Wijaya : Uji Asumsi Klasik Regresi Linear .117 R (b2/ b1.853 + 277. Variasi DB JK KT F F5% 1 Regresi 2 622.667)(3.364 5.940 + 54.940 567.193 Jumlah Kuadrat Galat (JKG) = JKT̶ JKR JKG = 698.253 54.193 = 76.493 4.193 Atau JKR = JKR (b1 /b0) + JKR (b2 / b1.622 5.FK = (1013)(84417) = 85514.117 2 Galat 9 76.097 36.083 Jumlah Kuadrat Total (JKT) =Σ Y2̶ (ΣY)2/n JKT = 86213̶ 85514.538 T T1 1.083 = 698.940 66.016) ] JKR = 567.16 JKR = 344.193 311.340 = 622.253 = 622.917 63.256 R (b1/ b0) 1 567.215 [11974̶ (140)(1013)/12] + 2.648 ] + [ (26.914)(2.723 Daftar Sidik Ragam No.

178 0.134 –0.075 –0.949 5.789 –11.525 3.0.473 6.053 0.134 –0.061 –0.053 –0.075 b KTG Cii KTG.000 0.000 0.667 1.667 –1.053 0.178 –0.000 0.245 8.711 –1.513 29.134 –0.789 –0.000 1.989 2.000 –0.000 0.000 (t) (X'X)−1 = T1.000 1.000 –0.000 0.215 .711 1. t 0.023 0.000 1.273 0.Cii Sb t t0.083 0.000 –11.025 38.228 2.000 3.000 0.513 –0.

193 .0 adalah : Hasil Analisis dengan MS Excel : SUMMARY OUTPUT Regression Statistics Multiple R 0.8.523 0.075 0.525 0.638 0.016 8.525 0.9197 Observations 12 ANOVA Df SS MS F Sig.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 .065 2.8902 Adjusted R Square 0. F Regression 2 622.523 2.t = b/Sb Hasil analisis regresi linear ganda pengaruh Motivasi (Faktor1) dan Fasilitas (Faktor2) terhadap Produktivitas (Nilai) menggunakan program MS Excel maupun SPSS 13.228 Wijaya : Uji Asumsi Klasik Regresi Linear .9435 R Square 0.723 3.8658 Standard Error 2.061 0.799 2. Cii .228 2.

473 6. dapat ditentukan nilai Galat e = Yi -Ŷi.917 Coefficients Standard Error t Stat P-value Intercept 38.033 Wijaya : Uji Asumsi Klasik Regresi Linear .799 2.215 0.19 (a) Persamaan Regresi Dugaan :Ŷ = 38.097 36.523 0.989 0.065 0.05 (c) Berdasarkan persamaan regresi dugaan tersebut.000 X Variable 1 2.493 0.215*Faktor1 + 2. (d) Dari nilai galat e dan nilai kuadrat galat e2.016*Faktor2 (b) Faktor Motivasi dan faktor Fasilitas keduanya mempunyai pengaruh yang signifikan terhadap nilai produktivitas.000 Residual 9 76. dapat diuji asumsi regresi yang berkaitan dengan distribusi nilai galat tersebut.723 3.723 8.311.245 5.016 0. karenaP-value < 0.013 X Variable 2 2.245 + 2.525 Total 11 698. Data : Resp Q15 Q610 Y Ŷ ei ei-1 (ei-ei-1)2 1 12 10 . nilai Kuadrat galat e2.

000 4 13 10 90 87.750 -4.434 0.250 0.144 5 11 11 85 84.434 -4.788 0.434 26.871 8 .013 20.85 84.541 0.585 7 13 13 94 93.212 21.798 6.541 -4.987 0.541 -4.202 2.683 6 14 11 87 91.798 -0.013 2 10 9 74 78.541 16.541 -0.212 2.735 3 10 9 78 78.541 11.

922 -0.525 19.14 13 98 95.750 3.922 160.418 1.185 9 11 10 81 82.535 0.772 -1.210 JK 1676 1255 86213 Durbin-Watson = 2.525 1.772 11.465 2.000 -3.525 -0.582 4.535 18.547 10 14 10 91 89.440 12 8 7 74 70.772 2.249 11 10 8 76 76.078 3.088 .582 -1.771 Jml 140 121 1013 1013.000 0.

Sig. Taraf Nyata (α) = 0.Keterangan : Jml = Jumlah . Uji Statistik = Uji Run Wijaya : Uji Asumsi Klasik Regresi Linear . Asumsi Nilai Galat Bersifat Acak a.0 : 2. 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. JK = Jumlah Kuadrat 1. (2-tailed) Galat Mean .298 Test Valuea Cases < Test Value Cases >= Test Value Total Cases Number of Runs ZAsymp.041 .00000 57 129 1. beri tanda centang pada kotak Mean Klik OK Hasil Analisis Uji Run menggunakan SPSS 13.20 d.000 Runs Test .05 c. Hipotesis H0≡ barisan bersifat acak H1≡ barisan bersifat tidak acak b.000 : 12 = 0. 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. Rata-rata nilai galat =Σ ei : n = 0. n (+) (-) r r1 r2 12 7 5 9 3 11 e. Pindahkan variabel Galat (Residu) ke kotak Test Variable List.

230 4 13 10 7.292 2.045 2.398 -3.303 2.a.000 2.705 2 10 9 20.21 3.303 -8.026 3 10 9 0. Wijaya : Uji Asumsi Klasik Regresi Linear .197 -1.826 2.303 2.197 3.618 2.639 .099 6 14 11 19.057 5 11 11 0. Homoskedastisitas : Resp X1 X2 e12 ln X1 ln X2 ln e12 1 12 10 0.303 2.657 2.485 2.398 2.565 2.

503 2.565 1.303 1.918 11 10 8 0.079 1.303 2. 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 .379 2.563 2.639 2.303 0.289 12 8 7 15.860 9 11 10 3. Persamaan Regresi Dugaan : ei2 = b0 + b1 Ln X1 + b2 LnX2.575 8 14 13 6.2. Uji Park : Ln ei2 = b0 + b1 Ln.398 2.565 -0.275 2.946 2.733 a.565 2.139 2.639 2.398 2.425 2.978 7 13 13 0.X1 + b2 Ln X2.079 -1.144 10 14 10 2.

315 27.556 67. b1 dan b2 sebagai berikut : b0 = 1.556 18.331 b1 = 3.292 -7.967 Dari hasil perkalian invers matriks (X’X-1) dengan matriks (X’Y) diperoleh nilai b0.632 -2.605 -5.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 .181 29.129 -7.344 -2.558 8.968 -0.474 27.344 9.315 71.129 -0.028 -5.558 -0.605 63.872 .22 (X'X) (X'X)−1 (X'Y) 12 29.959 67.

474 0 1 0 (2) 63.342 1 .315(4) 0.015 0.342 0.000 0.967 0 0 1 (3) = (0) 12 29.000 (5) = (1)-29.000 0.443 1.556 -0.556 -0.956 67.315 27.000 (6) = (5) /0.315 27.181 1 0 0 (1) 71.b2 = .000 0.083 0.4.000 (4) = (3) /12 1 2.032 -2.296 -0.632-0.288 -0.705 Metode Doolitle : Matriks (X'X) Matriks Matriks (X'X-1) Baris b0 b1 b2 (X'Y) (0) 12 29.000 0.605-0.181 1.443 2.

843 -0.237 -0.443 –0.843 -0.000 0.000 1.112 -0.0.000 18.112 1 -4.000 0. t 0.083 0.000 0.129 -7.028 –5.139 2.000 –5.443 1.000 (7) = (2)-27.968 T T1 1.000 (8) = (7) /0.000 0.000 1.129 –7.288(6) 0.000 0.344 –2.556(4)-0.237 -0.843 1.000 –0.344 .525 -0.843 1.558 8.000 0.000 -2.237 -2.094 -7.000 0.000 Wijaya : Uji Asumsi Klasik Regresi Linear .922 0.292 0.000 1.23 (t) (X'X)−1 = T1.139 2.705 -2.

129 –7.968 121.028 243.617 0.6781 Observations 12 ANOVA df SS MS F Sig F Regression .968 B KTG Cii KTG.1979 Standard Error 3.025 1.705 13.228 3.427 2.345 2.212 0.317 11.292 125.Cii Sb t t0.968 –2.228 -4.528 9.558 8.528 8.558 –2.0199 Adjusted R Square -0.892 15.292 –7.129 –7.528 18.331 13.872 13.9.014 -0.228 Hasil Pengolahan menggunakan Excel : Regression Statistics Multiple R 0.558 8.1411 R Square 0.703 11.085 2.

236 0.085 0.345 0.679 Wijaya : Uji Asumsi Klasik Regresi Linear . klik tanda *.755 13. Pada Data View akan muncul variabel baru bernama LnX1.212 0. Pada kotal Function group pilih Arithmetic.705 11. Pada kotak Target variable ketik KG.472 1. Klik OK.872 11. sehingga pada kotak Numeric expression tertulis : LN(X1).091 0.331 15. sehingga pada kotak Numeric expression tertulis : Residu*Residu.  Untuk menghitung nilai Ln X2 dan LnKG dlakukan dengan cara seperti diatas. Pada kotak Target variable ketik LnX1.227 Coeff SE t Stat P-value Intercept 1.427 0. Klik OK.738 X Variable 2 -4.528 Total 11 124.934 X Variable 1 3.24 Analisis menggunakan SPSS :  Untuk menghitung nilai kuadrat galat KG (e2) : klik menu Transform Compute.014 -0. pindahkan kembali variabel Galat (Residu). Pada Data View akan muncul variabel baru bernama KG. sehingga pada kotak Numeric expression tertulis : LN(?).617 0.914 Residual 9 121.  .2 2. dan pada kotak Function and Special variables sorot pilihan Ln pindahkan ke kotak Numeric Expression.  Untuk menghitung nilai Ln X1 : klik menu Transform Compute. Klik variabel Motivasi (X1) pindahkan ke kotak Numeric Expression. pindahkan variabel Galat (residu) ke kotak Numeric Expression.

Variables Entered/Removedb Ln(Fasilitas).6780934 Model 1 R R Square Adjusted R Square Std. Wijaya : Uji Asumsi Klasik Regresi Linear . a.Untuk menganalisis model regresi Ln e2 = b0 + b1 Ln. Dependent Variable: Ln Kuadrat Galat b. Ln(Fasilitas). Ln(Motovasi) a.26 t3− t ∑Tx=∑ 12 33−3 23− 3 23− 2 33− 3 ∑Tx= + + + = 5.X1 + b2 Ln.00 12 12 12 12 t3−t ∑Ty=∑ . pindahkan Variabel Dependen LnKG ke kotak Dependent dan Variabel Independen LnX1 dan LnX2 ke kotak Independent(s) klik OK.X2 : Klik Analyze Regression Linear.020 -. Ln(Motovasi)a . Enter Model 1 Variables Entered Variables Removed Method All requested variables entered.141a . Error of the Estimate Predictors: (Constant). Hasil Analisis Uji Park menggunakan SPSS : Regression : Model Summary .198 3.

00 12 12 N3−N 123− 12 ∑Y2= − ∑Tx = − 0. ) 00 .00 12 N3−N 123− 12 ∑X2= − ∑Tx = − 5.00 12 12 ∑ ∑ ∑ ∑ ∑ − + = y x di y x rS 2 2 2 2 2 .= 0.00 = 143. 143 ( . 138 ( 2 00 . 2 ) 00 . 232 .00 = 138.

0 1 2 12 174 .228 Kesimpulan : tidak terdapat hubungan yang nyata antara variabel Motivasi (X1) dengan nilai galat.560 t0.025 (n−2)= t 0. 138 − + = rS 174 .27 (2) Korelasi Variabel Bebas X2 (Fasilitas) dengan Galat e.00 . 0 = rS r r S S n t 2 1 2 −− = 174 . Wijaya : Uji Asumsi Klasik Regresi Linear . 0 2 − − = t t = 0. 143 00 .025 (10) = 2. No X2 Y Rank-X2 .

5 11 20.535 11.5 1 6.5 6 0.25 9 10 .5 10 2.750 11.013 6.25 2 9 -4.5 4 0.434 9.25 5 11 0.25 4 10 2.25 7 13 0.798 6.541 3.5 7 6.25 6 11 -4.212 9.25 3 9 -0.541 3.25 8 13 2.5 2 56.Rank-Y di2 1 10 0.5 8 12.

25 11 8 -0.50 12 12 12 12 t3−t ∑Ty=∑ = 0.922 1 12 121.525 2 5 9.582 6.-1.00 Jumlah 252.50 = 136.5 3 12.772 6.00 12 N3−N 123− 12 ∑X2= − ∑Tx = − 6.00 12 7 3.25 10 10 1.50 t3− t ∑Tx=∑ 12 23−2 43− 4 23− 2 23− 2 ∑Tx= + + + = 6.5 9 6.50 12 12 N3−N .

00 = 143. ) 50 . 136 ( 2 50 .28 ) 00 .00 12 12 ∑ ∑ ∑ ∑ ∑ − + = y x di y x rS 2 2 2 2 2 .123− 12 ∑Y2= − ∑Tx = − 0. 136 − + . 252 00 . 143 ( . 143 50 . 2 Wijaya : Uji Asumsi Klasik Regresi Linear .

174 .000 .025 (n−2) = t0.307 t0.174 1. 0 1 2 12 097 .= rS 097 . 0 2 − − = t t = 0. 0 = rS r r S S n t 2 1 2 −− = 097 .Homoskedastisitas Kesimpulan : Asumsi Homoskedastisitas dapat diterima.228 Kesimpulan : tidak terdapat hubungan yang nyata antara variabel Fasilitas (X2) dengan nilai galat. Hasil analisis dengan SPSS : Nonparametric Correlations : Rank Spearman . .765 12 12 12 .000 .588 .05) Correlations 1.097 . karena nilai Signifikansi kedua faktor tersebut tidak signifikan (> 0.025 (10) = 2.

002 12 12 12 . Pada pilihan Standardized Residual Plot.0 0.6 0. (2-tailed) N Galat Motivasi Fasilitas Spearman's rho Galat Motivasi Fasilitas Correlation is significant at the 0.2 0.097 . (2-tailed) NCorrelation Coefficient Sig.2 .6 0.0 Observed Cum Prob 1.765 .801** 1.588 .0 melalui prosedur : klik Plot pindahkan ZPRED ke kotak X dan SRESID ke kotak Y.002 . 12 12 12 Correlation Coefficient Sig. Wijaya : Uji Asumsi Klasik Regresi Linear .0 0. (2-tailed) NCorrelation Coefficient Sig.801** .29 Pengujian Homoskedastisitas menggunakan SPSS 13.4 0.4 0.01 level (2-tailed).8 0.. beri tanda centang pada pilihan Histogram dan Normal probability plots Continue 1.8 0.000 . **. .

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) .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 .0.1987 0.862 0.PZ 12 8 -1.30 Kesimpulan : Asumsi Homoskedastisitas dapat diterima. karena (a) pada gambar pertama.0313 0.0520 0. titik-titik menyebar di sekitar garis diagonal.1154 3 10 -0.1667 0.2500 0.0833 0.0320 0. (b) pada gambar kedua titik-titik menyebar tidak menunjukkan pola tertentu 4.0513 0.0313 2 10 -0.P(Xi) PX-1 .1987 0.846 0.846 0.0320 11 .

185 0.67 Maks 0.9167 0.0486 10 14 1.0841 6 14 1.7508 0.0492 1 12 0.677 0.169 0.0161 0.185 0.1675 7 13 0.677 0.0000 0.1319 8 14 1.0513 5 11 -0.339 0.0672 4 13 0.0347 0.3675 0.0486 0.846 0.7500 0.3675 0.6667 0.0008 0.8819 0.3333 0.5672 0.5833 0.1181 0.10 -0.1346 0.1987 0.7508 0.1325 0.185 0.0841 0.4167 0.339 0.8819 0.0492 0.8333 0.5000 0.1346 .0347 Rata 11.8819 1.0342 9 11 -0.

0.375.1480 4 10 -0.0216 0.0647 9 .1667 0.608 0.1675 STD 1.731 0.05(12) = 0.169 0.3333 0.4813 0.4813 0.0416 0.05 didapat D0.1211 0.0618 0.0216 1 10 -0.P(Xi) PX-1. Wijaya : Uji Asumsi Klasik Regresi Linear . Dari tabel Kolmogorov-Smirnov untuk n = 12 dan taraf nyata (α) = 0.0378 2 9 -0.2500 0.375) maka disimpulkan bahwa sampel tadi berasal dari populasi yang berdistribusi normal.1675.05(12) = 0.608 0.0187 0.2716 0.97 Nilai maksimum D = 0.047 0.1675) < (D0. Karena nilai (D = 0.047 0.4167 0.1049 3 9 -0.0418 0.PZ 12 7 -1.2716 0.31 (b) Uji Normalitas untuk Variabel Fasilitas (X2) Resp X2 Zi P(Zi) P(Xi) P(Zi) .0833 0.5000 0.0418 11 8 -1.0647 0.0455 0.

515 0.8333 0.515 0.1480 STD 1.4813 0. (c) Uji Normalitas untuk Variabel Produktivitas (Y) Resp Yi Zi P(Zi) P(Yi) P(Zi)-P(Yi) PY.0508 0.9492 0.0325 0.1159 8 13 1.1853) < (D0.375).307 0.PZ 2 74 -1.9167 0.047 0.10 -0.0187 10 10 -0.05(12) = 0.1853 0.637 0.08 Maks 0.4813 0.0534 0.1020 5 11 0.0325 Rata 10.0299 6 11 0.0000 0.7500 0.637 0.0956 0.0833 .1368 0.1853 0.78 Variabel X2 berdistribusi normal karena (D = 0.9492 1.6667 0.6966 0.1020 0.047 0.0534 7 13 1.6966 0.5833 0.

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 DurbinWatson 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

Linearitas : artinya bentuk hubungan antara variabel bebas X dan variabel terikat Y adalah Linear.73)2 (4 – 2.05(1) = 3.396 X20. 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 . a.73 2.841) maka H0 diterima (asumsi tidak ada autokorelasi dapat diterima). Prosedur menggunakan SPSS : Analyze Descriptive Statistics Crosstab. uji Linearitas antara X1 (Motivasi) dengan Y (Produktivitas) : Resp X1 Y X1.27 2.11 (2 – 3.Y Y2 .27)2 X2 = + + + 3.27)2 (4 – 2.27 X2 = 2.841 Kesimpulan : Karena (X2 = 2.73 2.05(1) = 3.37 7.396) < (X20.73)2 (1 – 2.

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 .

. . .648 (11.852 Analisis Ragam (Anova) : 1.648 n∑X12̶ (∑X1)2 12 (1676)̶ (140)2 b0 = 84. ds t. .917 Wijaya : Uji Asumsi Klasik Regresi Linear .667) = 41.667 84. .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. .417̶ 3. .38 .083 2. Jumlah Kuadrat Total (JKT) =ΣY2̶ (ΣY)2/n JKT = 86213̶ 85514. Faktor Koreksi (FK) = (ΣY)2/n = (1013)2/12 = 85514.417 KJ = Kuadrat Jumlah JK = Jumlah Kuadrat Contoh perhitungan : Untuk X1 = 10 Y2 = 742 + 782 + 762 = 17336 KJ = (74 + 78 + 76)2 = 17328 . n ∑X1 Y̶ (∑X1)(∑Y) 12 (11974)̶ (140)(1013) b1= = = 3.083 = 698.

977̶ 86 = 44.39 b.977 JKG-Murni =Σ Y2Σ(Yi2/ni) = 86213̶ 86127 = 86 ̶ JKG-SDM = JKG7̶ JKGM = 130.784) < (F0.098 Murni 6 86.917̶ 567.244 0.977 Daftar Sidik Ragam db JK KT F F0.917 Ket. SDM = Simpangan Dari Model KT = JK : DB F-Regresi = KT(Regresi) : KT(Galat Murni) = 567. uji Linearitas antara X2 (Fasilitas) dengan Y (Produktivitas) : Resp X2 .000 14.05 Regresi 1 567.333 SDM 4 44.05 = 4.940 4. JK = Jumlah Kuadrat .244 : 14.965 Galat 10 130.648 [11974̶ (140)(1013)/12] = 567. Jumlah Kuadrat Galat (JKG) = JKT̶ JKR JKG = 698.624 4.940 : 14.333 = 39.784 Kesimpulan : Karena nilai (F-SDM = 0.534) maka asumsi Linearitas dapat diterima (hubungan antara X1 dengan Y bersifat Linear) Wijaya : Uji Asumsi Klasik Regresi Linear .534 Total 11 698.977 13. Jumlah Kuadrat Regresi (JKR) =biΣ XiY JKR = b1 [ΣX1Y̶ (ΣX1)(ΣY)/n] JKR = 3.624 F-SDM = KT(SDM) : KT(Galat Murni) = 11. KT = Kuadrat Tengah .784 4.3.940 39.940 567. : DB = Derajat Bebas .977 11.940 = 130.333 = 0.

Y Y2 KJ Selisih 12 7 74 518 5476 5476.00 11 8 76 608 5776 5776.00 8.Y X2.00 2 9 74 666 3 9 78 702 11560 11552.75 5 11 85 .00 0.00 0.00 1 10 85 850 4 10 90 900 9 10 81 810 10 10 91 910 30167 30102.25 64.

940 [10352̶ (121)(1013)/12] = 542.917 3.940 n∑X22̶ (∑X2)2 12 (1255)̶ (121)2 b0 = 84. Faktor Koreksi (FK) = (ΣY)2/n = (1013)2/12 = 85514.083 2.417̶ 3. Jumlah Kuadrat Total (JKT) =ΣY2̶ (ΣY)2/n JKT = 86213̶ 85514.12 Wijaya : Uji Asumsi Klasik Regresi Linear .00 7 13 94 1222 8 13 98 1274 18440 18432.40 . Jumlah Kuadrat Regresi (JKR) =biΣ XiY JKR = b2[ΣX2Y̶ (ΣX2)(ΣY)/n] JKR = 3.417 n∑X2Y̶ (∑X2) (∑ Y) 12 (10352)̶ (121)(1013) b1 = = = 3.083 84.935 6 11 87 957 14794 14792.083) = 44.75 JK 1255 86213 k= 6 Rataan 10.083 = 698.25 82.940 (10.00 2.685 Analisis Ragam (Anova) : 1.00 Jumlah 121 1013 10352 86213 86130.00 8.

51 : 13. : DB = Derajat Bebas .79 15.92 Ket.534 Total 11 698.12 : 13.12 34.04 18.12 542.576 4.342 Kesimpulan : Karena nilai (F-SDM = 1.342 4.79 SDM 4 74.75 = 74. KT = Kuadrat Tengah SDM = Simpangan Dari Model KT = JK : DB F-Regresi = KT(Regresi) : KT(Galat Murni) = 542.576 F-SDM = KT(SDM) : KT(Galat Murni) = 18.75 ̶ JKG-SDM = JKG7̶ JKGM = 156.05 Regresi 1 542.25 = 82. .04 Daftar Sidik Ragam db JK KT F F0.79 = 1.68 Murni 6 82.51 1.342) < (F0.79 JKG-Murni =Σ Y2Σ(Yi2/ni) = 86213̶ 86130.965 Galat 10 156.79̶ 82. 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.917̶ 542. Jumlah Kuadrat Galat (JKG) = JKT̶ JKR JKG = 698.79 = 34.4. JK = Jumlah Kuadrat .75 13.12 = 156.05 = 4.534) maka asumsi Linearitas dapat diterima (hubungan antara X2 dengan Y bersifat Linear) Prosedur pengujian menggunakan SPSS : Analyze Compre Means Means.

Info and Rating Reads: 6.519 Uploaded: 11/12/2009 Category: Uncategorized. please follow these directions to submit a copyright infringement notice. Rated: Copyright: Attribution Non-commercial non uji spearman tujuan uji spearman rho tidak sepuluh contoh perhitungan statistika pada regresi (more tags) non uji spearman . Report Cancel This is a private document.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.

p.gosal. 3. p..org Iklan Sepatu trendy Pilihan lengkap. 2. . barang bagus. p. p.com Share & Embed Related Documents PreviousNext 1. Cek sekarang di berinaga.. 4. p.ef.com ! berniaga. p. p. p. p. p. Ads by Google Classic Magician Mencari Entertainer utk pesta anda? Diskusikanlah dengan saya william. p.com Universitas Luar Negeri Program persiapan berbahasa Inggris Jaminan Penempatan di Universitas www.tujuan uji spearman rho tidak sepuluh contoh perhitungan statistika pada regresi model uji runs (fewer) nindyalangenluthf.

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

so it may only be added to private collections. Download and Print Add this document to your Collections This is a private document. and select print from the file menu (PDF reader required). + Create a New Collection Name: þÿ .Add a Comment þÿ 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.

but you approve or reject additions private: only you can add to this collection.com/scribd About Press Blog Partners Scribd 101 Web Stuff Scribd Store Support FAQ Developers / API Jobs . and only you will be able to view it Save collection Cancel Finished? Back to Document Upload a Document Search Documents þÿ • • • • • • • • • • • • • • • Follow Us! scribd.Description: þÿ Collection Type: public locked: only you can add to this collection. but others can view it public moderated: others can add to this collection.com/scribd facebook.com/scribd twitter.

• Terms • Copyright • Privacy Copyright © 2011 Scribd Inc. Language: English .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->