TUGAS#2:

UJI ASUMSI KLASIK PADA SIMPLE LINEAR REGRESSION

Penelitian: Pengaruh Kepemimpinan Transformasional Terhadap Iklim Organisasi

Variabel Independen : Kepemimpinan Transformasional (X)

Variabel Dependen : Iklim Organisasi (Y)

Jumlah Sampel : 172 orang guru

Data Mentah dan Data Olah Lengkap:

 Ada di file Excel: Data Tugas#2_Uji Asumsi Klasik pada Simple Linear
Regression.xlsx

 Ada di file EViews: Data Tugas#2_Uji Asumsi Klasik pada Simple Linear
Regression.wf1

A. UJI SIGNIFIKANSI

Sebelum dilakukan uji asumsi klasik, maka perlu dilakukan uji signifikansi model terlebih
dahulu. Uji ini meliputi uji koefisien determinasi (R2), uji statistik F dan uji statistik t.

1. Uji Koefisien Determinasi (R2)

Koefisien determinasi mencerminkan seberapa besar kemampuan variabel bebas dalam
menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di mana nilai yang
mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam menjelaskan varians
variabel terikatnya.

Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:

Berdasarkan hasil pengolahan EViews di atas, besar angka R-Square adalah 0.756885. Hal
ini m enunjukkan bahwa persentase sumbangan pengaruh variabel independen
(kepemimpinan transformasional) terhadap variabel dependen (iklim organisasi) adalah
sebesar 75,7%. Hasil tersebut dapat diartikan juga bahwa variabel independen yang
digunakan dalam model mampu menjelaskan sebesar 75,7% terhadap variabel depedennya.
Sisanya, 24,3% lainnya dipengaruhi faktor lain di luar model regresi ini.

2. Uji Signifikan Simultan & Parsial (Uji Statistik F dan Uji t)

Karena modelnya adalah simple linear regression, maka Uji F atau Uji t bisa dianggap sama.
Pengujian ini dimaksudkan untuk mengetahui apakah variabel independen mempunyai
pengaruh terhadap variabel dependennya. Model dinyatakan signifikan jika nilai signifikansi
variabel independennya < 0,05.

Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:

Berdasarkan hasil pengolahan EViews di atas, terlihat bahwa nilai signifikansi probabilitas
setiap variable independen yaitu sebesar 0,000000 yang lebih kecil dari tingkat signifikansi
0,05. Hal ini menunjukkan bahwa variabel independen (kepemimpinan transformasional)
mempunyai pengaruh yang signifikan di dalam model terhadap variabel dependen
(iklim organisasi)

B. PERSAMAAN REGRESI LINEAR SEDERHANA

Dari analisis di atas diperoleh nilai koefisien a dan b serta harga t hitung dan juga tingkat
signifikansi. Maka kemudian didapat persamaan perhitungan regresi linear sederhana sebagai
berikut:

Y = -1,97 + 1,32 X

Keterangan:
Y : iklim organisasi
X : kepemimpinan transformasional
 Nilai -1,97 merupakan nilai konstanta (a) yang menunjukkan bahwa jika tidak ada usaha
untuk meningkatkan kepemimpinan transformasional, maka iklim organisasi akan berkurang
atau bertambah buruk sebesar 1,97. Sedangkan nilai 1,32 X merupakan koefisien regresi yang
menunjukkan bahwa setiap adanya upaya penambahan satu satuan variabel kepemimpinan
transformasional, maka akan ada perbaikan iklim organisasi sebesar 1,32.

C. UJI ASUMSI KLASIK

1. Uji Linearitas
Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang
linier atau tidak secara signifikan. Uji linieritas dilakukan dengan pengujian pada EViews
dengan menggunakan test for linearity pada taraf signifikan 0,05. Dua variabel dikatakan
mempunyai hubungan yang linear bila signifikansi (linearity) kurang dari 0,05.

Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:

Pada hasil perhitungan EViews di atas terlihat bahwa nilai Prob. F-statistic adalah 0,0117,
yakni lebih kecil dari nilai signifikansi 0,05. Dengan demikian kedua variabel tidak
memiliki hubungan linear in parameter.

2. Pengujian Normalitas
Uji normalitas untuk menguji apakah nilai residual yang telah distandarisasi pada model
regresi berdistribusi normal atau tidak. Cara melakukan uji normalitas dapat dilakukan
dengan membandingkan nilai probability Jarque berra dan nilai tingkat signifikansi 5%
(0,05). Jika nilai probability Jarque berra di atas nilai tingkat signifikansi 0,05, maka artinya
variabel residual berdistribusi normal.
Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:
Pada hasil perhitungan EViews di atas terlihat bahwa nilai Jarque-Bera adalah 84,54281,
yakni lebih besar dari nilai signifikansi 0,05. Dengan demikian seluruh variabel residual
berdistribusi normal.

3. Uji Heteroskedastisitas
Uji ini bertujuan mengukur ketidaksamaan varians dari satu residual pengamatan ke
pengamatan lain pada model regresi. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.

Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:

Pada hasil perhitungan EViews di atas nilai p value yang ditunjukkan dengan nilai Prob. chi
square(2) pada Obs*R-Squared yaitu sebesar 0,0683. Oleh karena nilai p value 0,0683 > 0,05
maka berarti model regresi tidak ada masalah dalam asumsi non heteroskedastisitas.

4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji ada tidaknya korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1) dalam model
regresi linier.

Hasil pengolahan data dengan menggunakan EViews adalah sebagai berikut:

Berdasarkan h a s i l p e r h i t u n g a n E V i e w s di atas diperoleh nilai probabilitas sebesar
0,0000 lebih kecil dari 0,05 maka dapat disimpulkan terdapat masalah autokorelasi
pada model tersebut. Untuk mengatasi autokorelasi tersebut, maka perlu dilakukan
peningkatan standar diferensiasi dari tingkat dasar menjadi tingkat 1 atau first different.
Solusi atau obat dari penyakit ini akan dibahas menyusul.

D. KESIMPULAN

NO. JENIS PENGUJIAN KESIMPULAN HASIL UJI

A. Uji signifikansi model Model signifikan /Ok
1. Uji koefisien determinasi Ok
2. Uji statistik F atau statistik t Ok
B. Uji asumsi klasik:
1. Uji normalitas Normal
2. Uji heteroskedastisitas Tidak ada masalah heteroskedastisitas
3. Uji autokorelasi Ada masalah autokorelasi
4. Uji linearitas Tidak linear dalam parameter