REGRESI BERGANDA DAN UJI ASUMSI KLASIK SERTA

UJI ANOVA SATU ARAH

KOMPUTASI STATISTIKA

DiSusun Oleh :
KELOMPOK 1
DEVA KURNIA ARISTI

H1091131001

SELVY PUTRI AGUSTIANTO

H1091131004

WULAN YUNI ADILA

H1091131005

RISMA JUNIAN

H1091131006

FITRIANA MAGHFIROH

H1091131009

PRODI STATISTIK
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TANJUNGPURA
PONTIANAK
2015

Statitik Parametrik, pada umumnya, jika data tidak menyebar normal, maka data
seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidaktidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran
normal, sehingga bisa dikerjakan dengan statistik parametrik.
Ciri-ciri statistik parametrik :

Data dengan skala interval dan rasio

Data menyebar/berdistribusi normal

Statistik NonParametrik yaitu statistik bebas sebaran (tidak mensyaratkan bentuk

sebaran parameter populasi, baik normal atau tidak).
Selain itu, statistik non-parametrik biasanya menggunakan skala nominal dan
ordinal yang umumnya tidak berdistribusi normal.
Ciri-ciri statistik nonparametrik :

1.

Data tidak berdistribusi normal

Umumnya data berskala nominal dan ordinal
Umumnya dilakukan pada penelitian sosial
Umumnya jumlah sampel kecil.
REGRESI BERGANDA
Regresi berganda adalah hubungan secara linear antara dua atau lebih

variabel independen (X1, X2,.Xn) dengan variabel dependen (Y).

Bentuk umum model regresi linier berganda dengan

variabel bebas adalah

seperti persamaan berikut :

Y i= 0 + 1 X 1+ 2 X 2 ++ P X P
dengan :
Yi
adalah
i=1,2,3, , n

variabel

tidak

bebas

untu

pengamatan

ke- i

untuk

 0 , 1 , 2 , , p adalah parameter
X1 , X2 , X3, , X p

adalah variabel bebas

a. Pengujian Kriteria Statistik

2
1. Uji R (Koefisien Determinasi)
Koefisien determinasi pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen.
Tujuan menghitung koefisien determinasi adalah untuk mengetahui
variabel bebas terhadap variabel terikat. Nilai
interval antara 0 sampai 1 (0

R2

R2

mempunyai

1). Semakin besar

R2

(mendekati 1), semakin baik hasil untuk model regresi tersebut dan
semakin mendekati 0, maka variabel independen secara keseluruhan
tidak dapat menjelaskan variabel dependen.
2. Uji Simultan (Uji Statistik F)
Uji F digunakan untuk menguji apakah variabel-variabel independen
yang dimasukkan dalam model mempunyai pengaruh secara bersamasama terhadap variabel dependen.

Langkah-langkah Uji F adalah sebagai berikut :

1) Menentukan Hipotesis
H0 : = 0, artinya variabel independen secara bersama-sama tidak
berpengaruh signifikan terhadap variabel dependen
H1 : 0, artinya variabel independen secara bersama-sama
berpengaruh signifikan terhadap variabel dependen
2) Menentukan Tingkat Signifikan
Tingkat signifikan pada penelitian ini adalah 5% artinya risiko
kesalahan mengambil keputusan adalah 5%.
3) Pengambilan Keputusan

a. Jika probabilitas (sig F) > (0,05) maka H 0 diterima, artinya

tidak ada pengaruh yang signifikan dari variabel independen
terhadap variabel dependen.
b. Jika probabilitas (sig F) < (0,05) maka H0 ditolak, artinya ada
pengaruh yang signifikan dari variabel independent terhadap
variabel dependen.
3. Uji Parsial (Uji Statistik t)
Uji t dipakai untuk melihat signifikansi dari pengaruh variabel
independen secara individu terhadap variabel dependen dengan
menganggap variabel lain bersifat konstan.
Langkah-langkah Uji t adalah sebagai berikut :
1) Menentukan Hipotesis
H0 : = 0, artinya tidak terdapat pengaruh yang signifikan antar
variabel independen (X) terhadap variabel dependen (Y).
H1 : 0, artinya terdapat pengaruh yang signifikan antara
variabel independen (X) terhadap variabel dependen (Y).
2) Menentukan Tingkat Signifikan
Tingkat signifikan pada penelitian ini adalah 5%, artinya risiko
kesalahan mengambil keputusan adalah 5%.
3) Pengambilan Keputusan
a. Jika probabilitas (sig t) > (0,05) maka H0 diterima, artinya
tidak ada pengaruh yang signifikan secara parsial dari variabel
independen (X) terhadap variabel dependen (Y).
b. Jika probabilitas (sig t) < (0,05) maka H0 ditolak, artinya ada
pengaruh yang signifikan secara parsial dari variabel
independen (X) terhadap variabel dependen (Y).
b. Uji Asumsi Klasik
Setelah model diperoleh, maka yang harus dilakukan selanjutnya adalah
menguji model tersebut sudah termasuk BLUE (Best Linear Unbiased
Estimator) atau tidak. Suatu model dikatakan BLUE bila memenuhi
persyaratan sebagai berikut :
1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi

variabel independen dan variabel dependen terdistribusi secara normal
atau tidak. Model regresi yang baik adalah memiliki distribusi data normal
atau mendekati normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model
regresi ditemukan adanya korelasi yang tinggi atau tidak antara variabel
bebas. Multikolinearitas berarti ada hubungan linier yang sempurna (pasti)
di antara beberapa atau semua variabel independen dari model regresi.
Adapun cara pendeteksiannya adalah jika multikolinearitas tinggi,
seseorang mungkin memperoleh R2 yang tinggi dan dilihat dari nilai VIF
jika lebih dari 10 berarti adanya multikolinearitas.
3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada periode t dengan residual periode t-1 pada model regresi
dalam suatu model regresi linier beganda. Model regresi yang baik adalah
regresi yang bebas dari autokorelasi. Untuk mendeteksi ada atau tidaknya
autokorelasi, maka dilakukan pengujian Durbin-Watson (DW) dengan
ketentuan sebagai berikut:
a. du< dw < 4-du berarti tidak ada autokorelasi
b. dw< du atau dw > 4-du berarti autokorelasi
4. Uji Heteroskedasitas
Uji heteroskedasitas digunakan untuk menguji apakah dalam model
regersi terjadi ketidaksamaan varians dari residual pengamatan satu ke
pengamatan yang lain tetap. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap atau memiliki ragam yang sama disebut
sebagai homokedasitas dan jika berbeda disebut heterokedasitas atau tidak
terjadi homokedasitas.
Contoh Kasus :
Menurut kajian literatur, permintaan suatu produk oleh harga barang dan
pendapatan seseorang. Maka di dapatlah hasil pengamatan terhadap 12 sampel

data atas permintaan suatu barang dalam hal ini diperoleh data permintaan minyak
goreng perbulan terhadap harga minyak goreng dan pendapatan konsumen
perbulan.
Responde

Permintaan Minyak

n
Goreng (Kg/bulan)
1
3
2
4
3
5
4
6
5
6
6
7
7
8
8
9
9
10
10
10
11
3
12
4
Ket : Y = Permintaan Minyak Goreng

Harga minyak Goreng

Pendapatan (juta

(ribu rupiah/liter)
8000
7000
7000
7000
6000
6000
6000
6000
5000
5000
9000
8000

rupiah)
10
10
8
5
4
3
2
2
1
1
10
9

X1 = Harga Minyak Goreng

X2 = Pendapatan

2.

UJI ANOVA SATU ARAH

Uji ANOVA Satu Arah (One Way ANOVA) adalah Jenis Uji Statistika

Parametrik yang bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata

antara lebih dari dua group sampel. Yang dimaksud satu arah adalah sumber
keragaman yang dianalisis hanya berlangsung satu arah yaitu antar perlakuan
(Between Group).
1) Menentukan Hipotesis
H0 : Tidak ada perbedaan faktor terhadap variabel respon
H1 : Ada terjadi perbedaan faktor terhadap variabel respon
2) Menentukan Tingkat Signifikan
Tingkat signifikan pada penelitian ini adalah 5%, artinya risiko kesalahan
mengambil keputusan adalah 5%.

3) Pengambilan Keputusan
a. Jika probabilitas (sig) > (0,05) maka H0 diterima, artinya tidak ada
perbedaan yang signifikan faktor terhadap variabel respon.
b. Jika probabilitas (sig) < (0,05) maka H 0 ditolak, artinya ada perbedaan
yang signifikan faktor terhadap variabel respon.
Contoh Kasus :
Seorang kontraktor di bidang jenis jasa pengangkutan ingin mengetahui apakah
terdapat perbedaan yang signifikan pada kapasitas daya angkut 3 merk truk, yaitu
Mitsubishi, Toyota dan Honda. Untuk itu kontraktor ini mengambil sampel
masing-masing 5 truk pada tiap-tiap merek menghasilkan data seperti disamping.
Data tersebut berdistribusi normal dan variansinya sama.

KAPASITAS
Mitsubishi (1)
Toyota (2)
Honda (3)
44
42
46
43
45
47
48
44
45
45
45
44
46
44
43
Langkah-langkah pengerjaan regresi berganda dan uji asumsi klasik serta uji
anova satu arah menggunakan software RCMDR sebagai berikut :
1. REGRESI BERGANDA
a. Masukkan data
Klik Data > Impor data > dari file teks,clipboard,

b. Selanjutnya masukkan nama data set

c. Untuk analisis regresi beganda

Pilih Statistika >Pencocokan Model > Regesi linear

Pada peubah respon pilih permintaan minyak, untuk peubah eksplanatori

pilih harga minyak dan pendapatan. Lalu OK.

d. Didapat hasil output sebagai berikut :

e. Interpretasi
Koefisien Determinasi (R2) :
Terlihat bahwa nilai R-squared 0,9421 berarti keragaman dapat
dijelaskan oleh X1 dan X2 sebesar 0,9421 sisanya oleh variabel lain
diluar model.
Uji simultan (Uji F)
Terlihat bahwa nilai p-value (2,706e-06) < 0,05 H0 ditolak maka dapat
disimpulkan secara bersama-sama variabel X1 dan X2 mempengaruhi
variabel Y secara signifikan.
Uji Parsial (Uji t)
terlihat bahwa nilai p-value X1 > 0,05 H0 diterima dan X2 < 0,05 H0
ditolak berarti variabel

X1 tidak mempengaruhi Y dan

mempengaruhi Y .
Uji Asumsi Klasik :
1. Uji Normalitas
a. Pilih >Statistika >Ringkasan>Uji kenormalan Shapiro-Wilk

b. Hasil Output

X2

c. Interpretasi
Karena p-value(0,2862) > 0,05 maka H0 diterima dapat dikatakan
model berdistibusi normal
2. Uji Multikolineritas
a. Pilih Model > Diagnostik Numerik > Faktor Inflasi Variansi (FIV)

b. Didapat hasil output sebagai beikut :

c. Interpretasi
Didapat hasil output diatas nilai VIF variabel X1 (5,502579) < 10
dan nilai VIF variabel X2 (5,502579) < 10 yang berarti tidak adanya
terjadi multikolinearitas.
3. Uji Autokorelasi
a. Pilih Model > Diagnostik numerik > Uji Durbin-Watson untuk
autokorelasi

Selanjutnya

b. Didapat hasil output sebagai berikut :

c. Interpretasi
Karena p-value (0,003015) < 0,05 H0 ditolak maka dikatakan
adanya autokorelasi.
4. Uji Heterokedatisitas
a. Pilih Model > Diasnotik numerik > Uji Breusch-pagan untuk
heteokedatisitas

. Selanjutnya

b. . Didapat hasil output diatas sebagai berikut :

c. Interpretasi
Karena p-value (0,1488) > 0,05 H0 diterima maka dikatakan
model bebas asumsi heterokedasitas.
2. UJI ANOVA SATU ARAH
a. Sebelum di input ke rcmdr susunan data harus diubah dahulu
karena data diatas berbentuk matriks, setelah itu impor data dari file.
Tabelnya adalah seperti berikut :

b. Pilih
Rerata >
arah

Merk
a
a
a
a
a
b
b
b
b
b
c
c
c
c
c

Kapasitas
44
43
48
45
46
42
45
44
45
44
46
47
45
44
43

Statistika
ANAVA

>
Satu-

c. Selanjutnya untuk kelompok pilih merk dan untuk peubah

respon pilih kapasitas > OK
d. Hasil Output

e. Interpretasi
Dilihat dari hasil output sebelumnya didapat nilai Pr(>F) yaitu
0.47,karena nilainya lebih besar dari 0.05(alpha) maka keputusan H0
diterima. Sehingga dapat disimpulkan tidak terdapat perbedaan merk
terhadap kapasitas .

Langkah-langkah pengerjaan regresi berganda dan uji asumsi klasik serta uji
anova satu arah menggunakan software SPSS sebagai berikut :
1. Regresi Berganda
a. Masukkan data

b. Pilih Analyze >Regession> Linear

c. Selanjutnya untuk dependent pilih pemintaan minyak dan

independent pilih harga minyak dan pendapatan

d. . Hasil Output didapat

e. Interpretasi
Koefisien Determinasi (R2) :
Terlihat bahwa nilai R-squared 0,942 berarti keragaman dapat dijelaskan
oleh X1 dan X2 sebesar 0,9421 sisanya oleh variabel lain diluar model.
Uji simultan (Uji F)
Hasil uji F menunjukkan nilai F hitung sebesar 73,212 dengan
signifikansi sebesar 0.000. nilai signifikansi tersebut lebih kecil dari 0.05
H0 ditolak maka dapat disimpulkan secara bersama-sama variabel X1 dan
X2 mempengaruhi variabel Y secara signifikan.
Uji Parsial (Uji t)
terlihat bahwa nilai p-value X1 > 0,05 H0 diterima dan X2 < 0,05 H0
ditolak berarti variabel

X1 tidak mempengaruhi Y dan

mempengaruhi Y .
Uji Asumsi Klasik
1. Uji Normalitas
a. Klik analyse>nonparametric tests>1-simple-K-S

X2

b. .Masukkan variabel Y(permintaan minyak),X1(harga minyak),X

(pendapatan) ke test variable list dan klik OK

c. Hasil Output

Grafik Normal P-P Plot di atas menunjukkan bahwa data mengikuti

dan mendekati garis diagonal, maka data tersebut dapat dikatakan
normal

d. Interpretasi
Tabel di atas menunjukkan bahwa Sig untuk harga minyak 0,689 >
0,05 maka data berdistribusi normal dan data pendapatan adalah 0,868
> 0,05 maka berdistribusi normal.
2. Uji Multikolinearitas
a. Pilih Analyze >Regession> Linear
b. Selanjutnya untuk dependent pilih pemintaan minyak dan independent
pilih harga minyak dan pendapatan
c. Hasil Output

d. Interpretasi
Karena nilai VIF(5,503) < 10 dan TOL > 0,1 maka tidak terjadi
multikolinearitas
3. Uji Autokorelasi

a. Pilih Analyze >Regession> Linear

b. Selanjutnya untuk dependent pilih pemintaan minyak dan independent
pilih harga minyak dan pendapatan
c. Klik Statistic > centang Durbin-Watson

d. Interpretasi
Karena nilai du<d<4-du maka tidak terjadi autokorelasi. Nilai DW
pada tabel dapat di lihat pada tabel Durbin Watson (k,n)=(2,12) dimana
k adalah jumlah variable bebas, nilai du dan dl adalah 1,529 dan 0,812
maka nilai autokorelasi di antara 1,529.
0,75229 < 1,529 berarti adanya autokorelasi
4. Uji Heterokedatisitas
a. Klik Transform>compute variable

b. Klik unstandardized > continue

c. Setelah itu tulis Absu di target variabel dan masukkan RES_1
di numeric expression

d. Hasil Output

e. Interpretasi
Dapat disimpulkan variable independent harga minyak dan pendapatan
semuanya nilai sig lebih dari 0,05 maka H0 diterima sehingga tidak
ada Heterokedasititas.
2. Uji Anova Satu Arah
a. Input data pada SPSS
Klik Analyze Compare Means One-Way ANOVA

b. Masukkan KAPASITAS kedalam Dependent List dan MERK kedalam

Factor > OK
c. Hasil Output

d. Interpretasi
Dilihat dari hasil output sebelumnya didapat nilai (Sig) yaitu 0.47,karena
nilainya lebih besar dari 0.05(alpha) maka keputusan H0 diterima.

Sehingga dapat disimpulkan tidak terdapat perbedaan merk terhadap

kapasitas .

KESIMPULAN
Perbandingan Software Rcmdr dan SPSS