Uji Asumsi Klasik Regresi Linear PDF
Uji Asumsi Klasik Regresi Linear PDF
Oleh :
WIJAYA
Email : zeamays_hibrida@yahoo.com
FAKULTAS PERTANIAN
2008
2 n1 n2 (2 n1 n2 − n1 − n2 )
σ2 =
(n1 + n2)2 (n1 + n2 − 1)
r−u
z =
σ
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) :
r =
n ∑ xy − (∑ x ) (∑ y )
⎡n ∑ 2 −
⎢⎣ x (∑ x) ⎤⎥⎦
2 ⎡n ∑ 2 −
⎢⎣ y (∑ y ) ⎤⎥⎦
2
n − 2
t = r 2
1 − r
Butir (item) atau Faktor dari skor pertanyaan dikatakan valid jika :
t < −t0,025(n−2) atau t0,025(n−2) < t
m − m
ρ
p
= P T
bi
s T
q
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.
(2) Flanagan :
S12 + S22
R = 2(1− )
2
St
dimana :
R = Koefisien Reliabilitas
S 12 = 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
n ∑ Si2
R = (1− )
2
n–1 St
dimana :
R = Koefisien Reliabilitas
∑ Si2 = Jumlah Ragam tiap-tiap item
St2 = Ragam Total
Correlations
r =
n ∑ xy − (∑ x ) (∑ y )
⎡n ∑ 2 −
⎢⎣ x (∑ x) ⎤⎥⎦2 ⎡n ∑ 2 −
⎢⎣ y (∑ y ) ⎤⎥⎦
2
Nilai Koefisien Korelasi Pearson antara Jumlah Skor Ganjil dengan Jumlah
Skor Genap menggunakan SPSS 13.0 yaitu sebesar 0,818.
Correlations
(2) Flanagan :
S12 + S22
R = 2(1− )
2
St
4,083 + 2,879
R = 2(1− ) = 0,892
12,658
(3) Rullon :
R = 1 − ( SD2 / St2 ) = 1 − ( 1,356 / 12,658 ) = 0,892
n ∑ Si2
R = (1− )
2
n–1 St
12 2,841
R = (1− ) = 0,844
12 – 1 12,658
Reliability
Reliability Statistics
n ∑ X1 ∑ X2 b0 ∑Y
2
∑ X1 ∑ X1 ∑ X1 X2 b1 = ∑ X1 Y
∑ X2 ∑ X1 X2 ∑ X22 b2 ∑ X2 Y
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 :
T T1
Hasil analisis regresi linear ganda pengaruh Motivasi (Faktor1) dan Fasilitas
(Faktor2) terhadap Produktivitas (Nilai) menggunakan program MS Excel maupun
SPSS 13.0 adalah :
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
Hasil Analisis :
Model Summaryb
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 38,245 5,473 6,989 ,000
Faktor1 2,215 ,723 ,547 3,065 ,013 ,382 2,615
Faktor2 2,016 ,799 ,451 2,523 ,033 ,382 2,615
a. Dependent Variable: Nilai
Data :
n (+) (-) r r1 r2
12 7 5 9 3 11
Runs Test
Galat
Test Valuea ,00000
Cases < Test Value 5
Cases >= Test Value 7
Total Cases 12
Number of Runs 9
Z 1,041
Asymp. Sig. (2-tailed) ,298
a. Mean
n ∑ Ln X1 ∑ Ln X2 b0 ∑Y
2
∑ Ln X1 ∑ (Ln X1) ∑ (LnX1)(LnX2) b1 = ∑ X1 Y
2
∑ Ln X2 ∑ (LnX1)(LnX2) ∑ (Ln X1) b2 ∑ X2 Y
Dari hasil perkalian invers matriks (X’X-1) dengan matriks (X’Y) diperoleh nilai b0,
b0 = 1,331
b1 = 3,872
b2 = - 4,705
Metode Doolitle :
T T1
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
Regression :
Variables Entered/Removedb
Model Summary
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,331 15,617 ,085 ,934
Ln(Motovasi) 3,872 11,212 ,203 ,345 ,738
Ln(Fasilitas) -4,705 11,014 -,251 -,427 ,679
a. Dependent Variable: Ln Kuadrat Galat
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
2
∑Y = − ∑ Tx = − 0,00 = 143,00
12 12
∑x ∑ y − ∑ di
2 2 2
+
r S
=
∑x . ∑y
2 2
2
r S
= 0,174
n − 2
t = rS 2
1 − rS
12 − 2
t = 0,174 2
1 − 0,174
t = 0,560
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
2
∑X = − ∑ Tx = − 6,50 = 136,50
12 12
N3 − N 123 − 12
∑ Y2 = − ∑ Tx = − 0,00 = 143,00
12 12
∑x ∑ y − ∑ di
2 2 2
+
r S
=
∑x . ∑y
2 2
2
r S
= 0,097
n − 2
t = rS 2
1 − rS
12 − 2
t = 0,097 2
1 − 0,097
t = 0,307
t0,025 (n−2) = t 0,025 (10) = 2,228
Kesimpulan : tidak terdapat hubungan yang nyata antara variabel Fasilitas
(X2) dengan nilai galat.
Correlations
0.8
Expected Cum Prob
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
Scatterplot
2
Regression Studentized Residual
-1
-2
-2 -1 0 1 2
4. Uji Normalitas :
5. Uji Autokorelasi :
¾ Menggunakan Uji Durbin-Watson
Data :
Nilai D = 2,088 terletak pada daerah penerimaan H0, sehingga asumsi tidak ada
autokorelsi dapat diterima.
Model Summaryb
Menggunakan Uji χ2 :
X20,05(1) = 3,841
Crosstabs
Count
Nilai Ei
+Ei -Ei Total
Nilai Ei-1 +Ei-1 2 4 6
-Ei-1 4 1 5
Total 6 5 11
Kesimpulan : Karena nilai (X2 = 2,396) dengan probabilitas 0,122 > 0,05
maka H0 diterima (asumsi tidak ada autokorelasi dapat diterima).
Correlations
Motivasi Fasilitas
Motivasi Pearson Correlation 1 ,786**
Sig. (2-tailed) ,002
N 12 12
Fasilitas Pearson Correlation ,786** 1
Sig. (2-tailed) ,002
N 12 12
**. Correlation is significant at the 0.01 level
(2 il d)
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)
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)
Produktivitas * Motivasi
Report
Produktivitas
Motivasi Mean N Std. Deviation
8 74,00 1 .
10 76,00 3 2,000
11 83,00 2 2,828
12 85,00 1 .
13 92,00 2 2,828
14 92,00 3 5,568
Total 84,42 12 7,971
ANOVA Table
Sum of Mean
Squares df Square F Sig.
Produktivitas * Between (Combined) 612,917 5 122,583 8,552 ,011
Motivasi Groups Linearity 567,940 1 567,940 39,624 ,001
Deviation from
44,977 4 11,244 ,784 ,575
Linearity
Within Groups 86,000 6 14,333
Total 698,917 11
Measures of Association
Report
Produktivitas
Fasilitas Mean N Std. Deviation
7 74,00 1 .
8 76,00 1 .
9 76,00 2 2,828
10 86,75 4 4,646
11 86,00 2 1,414
13 96,00 2 2,828
Total 84,42 12 7,971
ANOVA Table
Sum of Mean
Squares df Square F Sig.
Produktivitas * Between (Combined) 616,167 5 123,233 8,935 ,009
Fasilitas Groups Linearity 542,124 1 542,124 39,308 ,001
Deviation from
74,042 4 18,511 1,342 ,355
Linearity
Within Groups 82,750 6 13,792
Total 698,917 11
Measures of Association