( R2 newR 2 old )/m

F hitung=
(1R2 new)/(nk )

Uji Normalitas data untuk data berat badan dan tinggi badan 20 orang
mahasiswa:

Berat Tinggi
no Badan Badan
1 54 160
2 44 165
3 34 150
4 43 160
5 65 160
6 56 164
7 54 165
8 53 170
9 44 155
10 47 158
11 62 175
12 72 180
13 64 160
14 59 175
15 55 155
16 50 157
17 60 160
18 65 160
19 54 160
20 52 155
 One-Sample Kolmogorov-Smirnov Test

berat tinggi

N 20 20
Mean 54,35 162,20
Normal Parametersa,b
Std. Deviation 9,132 7,634
Most Extreme Differences Absolute ,098 ,263
 Positive ,078 ,263
Negative -,098 -,123
Kolmogorov-Smirnov Z ,440 1,178
Asymp. Sig. (2-tailed) ,990 ,125

a. Test distribution is Normal.

b. Calculated from data.

Pengambilan keputusan

Jika sig > maka data terdistribusi normal

Jika sig < maka data tidak terdistribusi normal

Sig data berat badan adalah 0,990 > 0,05 ---- maka data terdistribusi normal

Sig data tinggi badan adalah 0,125 > 0,05 --- maka data terdistribusi normal

Uji Ramsey untuk linearitas

Cek Regresi Linear untuk Hub Berat badan dan Tinggi badan
Klik Save dan pada Influence Statistic klik Dfit sehingga nampak spt berikut

Klik Continue dan Ok

Maka akan muncul data baru DFF_1

Hasil regresi linier OLD adalah sbb

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 tinggib . Enter

a. Dependent Variable: berat

b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 ,580a ,337 ,300 7,641

a. Predictors: (Constant), tinggi

b. Dependent Variable: berat

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 533,549 1 533,549 9,138 ,007b

1 Residual 1051,001 18 58,389

Total 1584,550 19

a. Dependent Variable: berat

b. Predictors: (Constant), tinggi

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -58,247 37,287 -1,562 ,136

1
tinggi ,694 ,230 ,580 3,023 ,007

a. Dependent Variable: berat

Mengolah data regresi new

Lihat kembali data view spt ini

Kemudian klik analyze-Regression Linier- Masukkan data berat badan ke kotak

Dependent dan Tinggi badan, DFF_1 ke kotak independent (s), tampak spt
berikut:
Klik Ok dan menyimpan Output regression yang baru adalah

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 DFFIT, tinggib . Enter

a. Dependent Variable: berat

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 ,870a ,757 ,728 4,759

a. Predictors: (Constant), DFFIT, tinggi

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 1199,612 2 599,806 26,489 ,000b

1 Residual 384,938 17 22,643

Total 1584,550 19

a. Dependent Variable: berat

b. Predictors: (Constant), DFFIT, tinggi
 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -12,943 24,677 -,524 ,607

1 tinggi ,417 ,152 ,348 2,745 ,014

DFFIT 6,205 1,144 ,689 5,424 ,000

a. Dependent Variable: berat

Analisis

R^2 old = 0,337 ; R^2 new = 0,757; jumlah var bebas yang baru masuk adlh 1
yaitu DFF_1

Jumlah observasi (n) = 20; jumlah parameter K persamaan baru adalah 2 (Tinggi
badan, DFF_1)

Hitung nilai F sebagai berikut:

( R2 newR 2 old )/m

F hitung=
(1R2 new)/(nk )

m = Jmlh var. Bebas yg baru masuk

n = jumlah observasi

k = banyaknya parameter dlm persamaan baru

R^2 new = nilai R square pers baru

R^2 old = nilai R square pers. Lama

F hitung = (0,757 -0,337)/1

(1-0,757)/(20-2)
=0,42/0,0135
=31,11

H0 --- Bentuk linier benar

H1--- Bentuk Linier salah
F hitung > F tabel maka Ho ditolak
F hitung < F tabel maka Ho diterima
F tabel dapat dilihat dengan
N1=k, N2=n-k-1, =taraf signifikansi

N1=2, N2= (20-2-1) ---- (2,17) dengan =0,05 ---- F tabel =3,592
F hitung > F tabel maka Ho ditolak berarti bentuk tidak linier