MAKALAH STATISTIK

UJIAN TENGAH SEMESTER

DOSEN PENGAMPU:
SRI REZEKI MURIA,S.T.,M.P.,M.Sc

OLEH:
FANNY RAHMA
1807113232
KELAS S1-B

PROGRAM STUDI SARJANA TEKNIK KIMIA

FAKULTAS TEKNIK
UNIVERSITAS RIAU
2020
 DAFTAR ISI

Halaman

DAFTAR ISI ................................................................................................. ii

BAB I PENGGUNAAN SPSS
1.1 Pengertian SPSS ............................................................................1
1.2 Fasilitas Dalam SPSS..................................................................... 1
1.3 Langkah Dalam Mempersiapkan Data ...........................................3
1.4 Langkah Dalam Uji Kelayakan Model ...........................................7
1.5 Menu Dalam SPSS ........................................................................9
1.6 Uji Asumsi Klasik ....................................................................... 12
1.7 Uji Kelayakan Model ................................................................... 14
BAB II UJI KOLMOGROV-SMIRNOV
2.1 Pengertian Uji Kolmogrov-Smirnov............................................. 15
2.2 Dasar Pengambilan Keputusan Dalam Uji Kolmogrov-Smirnov .. 15
2.3 Contoh Soal ................................................................................. 16
2.4 Langkah Uji Normalitas Kolmogrov-Smirnov Dengan SPSS ....... 16
2.5 Langkah Uji Normalitas Kolmogrov-Smirnov Dengan Manual .... 19
BAB III
3.1 Pengertian Uji Regresi Linear Berganda ...................................... 22
3.2 Contoh Soal ................................................................................. 22
3.3 Langkah-Langkah Dalam Regresi Linear Berganda SPSS ............ 22
3.4 Pembahasan Hasil Pengujian Asumsi Klasik ................................ 28
3.5 Pembahasan Hasil Uji Kelayakan Model ..................................... 31
3.6 Langkah-Langkah Dalam Regresi Linear Berganda Manual......... 34
DAFTAR PUSTAKA ................................................................................... 38

ii
 BAB I
PENGGUNAAN SPSS

1.1 Pengertian SPSS

SPSS adalah sebuah program aplikasi yang memiliki kemampuan
analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan
grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog
yang sederhana sehingga mudah untuk dipahami cara pengoperasiannya
Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik
untuk ilmu-ilmu sosial, sehingga kepanjangan SPSS itu sendiri adalah
Statistikal Package for the Social Sciens. Sekarang kemampuan SPSS
diperluas untuk melayani berbagai jenis pengguna (user), seperti untuk proses
produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang
kepanjangan dari SPSS Statistical Product and Service Solutions. SPSS dapat
membaca berbagai jenis data atau memasukkan data secara langsung ke
dalam SPSS Data Editor (Basuki, 2014).

1.2 Fasilitas dalam SPSS

Menurut (Basuki, 2014) terdapat beberapa fasilitas dalam aplikasi SPSS
yaitu:
a. Data Editor : Merupakan jendela untuk pengolahan data. Data editor
dirancang sedemikian rupa seperti pada aplikasi spreadsheet untuk
mendefinisikan, memasukkan, mengedit, dan menampilkan data.
b. Viewer : Viewer mempermudah pemakai untuk melihat hasil
pemrosesan, menunjukkan atau menghilangkan bagian-bagian tertentu
dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke
aplikasi-aplikasi yang lain.
c. Multidimensional Pivot Tables : Hasil pengolahan data akan ditunjukkan
dengan multidimensional pivot tables. Pemakai dapat melakukan
eksplorasi terhdap tabel dengan pengaturan baris, kolom, serta layer.
Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data
dengan melakukan splitting tabel sehingga hanya satu group tertentu saja
yang ditampilkan pada satu waktu.

1
 2

d. High-Resolution Graphics : Dengan kemampuan grafikal beresolusi

tinggi, baik untuk menampilkan pie charts, bar charts, histogram,
scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak
hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman
dalam pekerjaannya.
e. Database Access : Pemakai program ini dapat memperoleh
kembalinformasi dari sebuah database dengan menggunakan Database
Wizard yang disediakannya.
f. Data Transformations : Transformasi data akan membantu pemakai
memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan
mudah melakukan subset data, mengkombinasikan kategori, add,
aggregat, merge, split, dan beberapa perintah transpose files, serta yang
lainnya.
g. Electronic Distribution : pengguna dapat mengirimkan laporan secara
elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau
melakukan export tabel dan grafik ke mode HTML sehingga mendukung
distribusi melalui internet dan intranet.
h. Online Help : SPSS menyediakan fasilitas online help yang akan selalu
siap membantu pemakai dalam melakukan pekerjaannya. Bantuan yang
diberikan dapat berupa petunjuk pengoperasian secara detail, kemudahan
pencarian prosedur yang diinginkan sampai pada contoh-contoh kasus
dalam pengoperasian program ini.
i. Akses Data Tanpa Tempat Penyimpanan Sementara : Analisis file-file
data yang sangat besar disimpan tanpa membutuhkan tempat
penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi
11.5 dimana file data yang sangat besar dibuat temporary filenya.
j. Interface dengan Database Relasional : Fasilitas ini akan menambah
efisiensi dan memudahkan pekerjaan untuk mengekstrak data dan
menganalisnya dari database relasional.
k. Analisis Distribusi : Fasilitas ini diperoleh pada pemakaian SPSS for
Server atau untuk aplikasi multiuser. Kegunaan dari analisis ini adalah
apabila peneliti akan menganalisis file-file data yang sangat besar dapat
 3

langsung me-remote dari server dan memprosesnya sekaligus tanpa harus

memindahkan ke komputer user.
l. Multiple Sesi : SPSS memberikan kemampuan untuk melakukan analisis
lebih dari satu file data pada waktu yang bersamaan.
m. Mapping : Visualisasi data dapat dibuat dengan berbagai macam tipe baik
secara konvensional atau interaktif, misalnya dengan menggunakan tipe
bar, pie atau jangkauan nilai, simbol gradual, dan chart.

1.3 Langkah dalam mempersiapkan data

a. Sebagai pendahuluan dalam proses pengolahan data adalah
mempersiapkan data. Pertama data dibuat dalam file excel seperti gambar
berikut:

b. Setelah data siap, maka penginputan data dalam software SPSS dapat
dilakukan dengan tahapan berikut:
Buka aplikasi SPSS, maka akan muncul tampilan seperti berikut:
 4

File diatas disebut dengan file DATA dengan judul Untitled2[DataSet1].

File data berfungsi sebagai tempat untuk menginput data yang terdiri dari
dua sheet yaitu Data View dan Variabel view.
a. Data view adalah data yang tampilannya seperti exel, data view ini
sebagai lembar kerja. Untuk melihat tampilan data view,dengan
meng-klik tulisan (data view) Dan tampilannya sebagai berikut :
 5

Data Editor pada SPSS mempunyai dua bagian utama:

1) Kolom: Dengan ciri adanya kata var dalam setiap kolomnya.
Kolom dalam SPSS akan diisi oleh variabel
2) Baris: Dengan ciri adanya angka 1, 2, 3 dan seterusnya. Baris
dalam SPSS akan diisi oleh Kasus / Case / Data per sampel)
b. Variable view berperan sebagai definisi operasional yang hasilnya
nanti akan terlihat di data view. Untuk melihat tampilan variable
view, dengan meng-klik (variable view) .

Menurut (Siregar, 2015 ) Bagian-bagian kolom dalam variabel view:

a) Name, Pada kolom tersebut dituliskan nama dari variabel. Untuk
memasukkan nama variabelnya pada sel dengan cara doube klik
kemudian dituliskan nama variabelnya. Penulisan variabel pada
SPSS selalu huruf kecil.
b) Type, Pada kolom tersebut untuk mengisikan tipe dari data untuk
variabel tersebut. Type data yang ada dalam SPSS adalah String,
Numeric, Date, dsb. Cara memilih adalah dengan mengklik sel
dibawah kolom type, kemudian akan muncul pilihan type data, klik
type yang dipilih.
c) Width, Pada kolom tersebut untuk mengisikan panjang dari data
untuk variabel tersebut. Panjang yang diijinkan dari 1 sampai 255
 6

digit.
d) Decimals, Pada kolom tersebut untuk mengisikan jumlah angka
desimal untuk data variabel tersebut.
e) Label, Pada kolom tersebut untuk mengisikan keterangan dari
variabel.
f) Value, Pada kolom tersebut untuk mengisikan nilai dari variabel.
g) Missing, Pada kolom tersebut untuk mengisikan nilai yang hilang.
h) Column, Hampir sama fungsinya dengan width.
i) Align, Pada kolom tersebut untuk menentukan posisi data
j) Measure, Untuk menentukan ukuran.

File diatas disebut dengan file output dengan judul

*Output[Document1]. File OUTPUT berfungsi sebagai luaran dari
hasil olahan data yang telah diinput pada file DATA dan dieksekusi
sesuai dengan tujuan pengolahan data.
c. Setelah softwere SPSS terbuka, copy paste data yang telah disiapkan di
excel kedalam file DATA, sheet Data View, sehingga didapat hasil
sebagai berikut:
 7

d. Setelah data terinput, langkah selanjutnya memberikan identitas pada

variabel view.

e. Selanjutnya pindah ke Data view, sehingga tampilannya seperti dibawah

ini:

1.4 Langkah Dalam Uji Kelayakan Model (Uji T dan Uji F)

a. Mempersiapkan data seperti langkah sebelumnya.
b. Dari menu SPSS klik Analyze Regression Linier
 8

c. Lalu muncul tabel seperti berikut:

Letakkan variabel Y dalam kotak dependent. Caranya klik

lalu tekan yang terletak disamping kotak

Dependent, sehingga Y akan pindah ke kotak dependent. Dengan cara
yang sama letakkan variabel X1 dan X2 dalam kotak Independent. Hasil
yang diperoleh adalah sebagai berikut:
 9

d. Selanjutnya klik Ok, lalu akan muncul output regression.

1.5 Menu dalam SPSS
Menurut (Siregar, 2015) bagian menu yang terdapat dalam aplikasi SPSS:
1. File
Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk
perbaikan pencetakan dan sebagainya. Ada 5 macam data yang
digunakan dalam SPSS, yaitu:

a. Data : dokumen SPSS berupa data

b. Systax : dokumen berisi file syntax SPSS
c. Output : dokumen yang berisi hasil running out SPSS
d. Script : dokumen yang berisi running out SPSS
e. New : membuat lembar kerja baru SPSS
f. OPEN : membuka dokumen SPSS yang telah ada
g. Read Text Data : membuka dokumen dari file text (yang
berekstensi txt), yang bisa dimasukkan/dikonversi dalam
lembar data SPSS
h. Save : menyimpan dokumen/hasil kerja yang telah dibuat.
i. Save As :menyimpan ulang dokumen dengan
nama/tempat/type dokumen yang berbeda
j. Page Setup: mengatur halaman kerja SPSS
k. Print : mencetak hasil output/data/syntaq lembar SPSS
Ada 2 option/pilihan cara mencetak, yaitu :
- All visible output : mencetak lembar kerja secara keseluruhan
 10

- Selection : mencetak sesuai keinginan yang kita sorot/blok

l. Print Preview : melihat contoh hasil cetakan yang nantinya diperoleh
m. Recently used data : berisi list file data yang pernah dibuka
sebelumnya.
n. Recently used file : berisi list file secara keseluruhan yang
pernah dikerjakan

2. Edit
Untuk melakukan pengeditan pada operasi SPSS baik data, serta pengaturan
/ option untuk konfigurasi SPSS secara keseluruhan.
a. Undo : pembatalan perintah yang dilakukan sebelumnya
b. Redo : perintah pembatalan perintah redo yang dilakukan
sebelumnya
c. Cut : penghapusan sebual sel/text/obyek, bisa dicopy untuk
keperluan tertentu dengan perintah dari menu paste
d. Paste : mempilkan sebua sel/text/obyek hasil dari perintah copy
e. Paste after : mengulangi perintah paste sebelumya
f. Paste spesial : perintah paste spesial, yaitu bisa konversi gambar,
word
g. Clear : menghapusan sebuah sel/text/obyek
h. Find : mencari suatu text
i. Options : mengatur konfigurasi tampilan lembar SPSS secara umum
3. View
Untuk pengaturan tambilan di layar kerja SPSS, serta mengetahu proses-
prose yang sedang terjadi pada operasi SPSS.
a. Status Bar : mengetahui proses yang sedang berlangsung
b. Toolbar : mengatur tampilan toolbar
c. Fonts : untuk mengatur jenis, ukuran font pada data editor SPSS
d. Outline size : ukuran font lembar output SPSS
e. Outline font : jenis font lembar output SPSS
f. Gridlines : mengatur garis sel pada editor SPSS
g. Value labels : mengatur tampilan pada editor untuk mengetahui
value label
 11

4. Data
Menu data digunakan untuk melakukan pemrosesan data.
a. Define Dates: mendefinisikan sebuah waktu untuk variable yang
meliputi jam,tanggal,tahun,dan sebagainya
b. Insert Variable: menyisipkan kolom variable
c. Insert case: menyisipkan baris
d. Go to case: memindahkan cursor pada baris tertentu
e. Sort case: mengurutkan nilai dari suatu kolom variable
f. Transpose: operasi transpose pada sebuah kolom variable menjadi
baris
g. Merge files: menggabungkan beberapa file dokumen SPSS, yang
dilakukan dengan penggabungan kolom- kolom variablenya
h. Split file: memecahkan file berdasarkan kolom variabelnya
i. Select case: mengatur sebuah variable berdasarkan sebuah
persyaratan tertentu
5. Transform
Menu transform dipergunakan untuk melakukan perubahan-perubahan atau
penambahan data.
a. Compute : operasi aritmatika dan logika untuk
b. Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada
suatu baris tertentu
c. Recode: untuk mengganti nilai pada kolom variable tertentu,
sifatnya menggantikan (into same variable) atau merubah (into
different variable) pada variable baru
d. Categorize variable :merubah angka rasional menjadi diskrit
e. Rank case :mengurutkan nilai data sebuah variabel

6. Analyze
Menu analyse digunakan untuk melakukan analisis data yang telah kita
masukkan ke dalam komputer. Menu ini merupakan menu yang terpenting
karena semua pemrosesan dan analisis data dilakukan dengan menggunakan
menu correlate, compare mens, regresion.
 12

7. Graph
Menu graph digunakan untuk membuat grafik, diantaranya ialah bar, line,
pie, dll
8. Utilities
Menu utilities dipergunakan untuk mengetahui informasi variabel,
informasi file, dll
9. Ads-on
Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin
menggunakan aplikasi tambahan, misalnya menggunakan alikasi Amos,
SPSS data entry, text analysis, dsb
10. Windows
Menu windows digunakan untuk melakukan perpindahan (switch) dari satu
file ke file lainnya
11. Help
Menu help digunakan untuk membantu pengguna dalam memahami
perintah- perintah SPSS jika menemui kesulitan
12. Toolbar dan pointer
Kumpulan perintah – perintah yang sering digunakan dalam bentuk gambar.
Pointer Kursor yang menunjukkan posisi cell yang sedang aktif / dipilih.
1.6 Uji Asumsi klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada
analisa regresi linier berganda yang berbasis ordinary least square (OLS). Uji
asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji
heteroskedastisitas, uji normalitas, uji auto korelasi dan uji linearitas
(Supranto, 2001).
a. Uji Nomalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi
normal atau tidak. Nilai regresi yang baik adalah memiliki nilai tesidual
yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada
masing-masing variabel tetapi pada nilai residualnya. Uji normalitas
 13

dapat dilakukan dengan uji histogram, uji normal P plot, uji Chi Square,
Skewness dan kurtosis atau uji Kolmogrov Smirnov.

b. Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi
yang tinggi antara variabel-variabel bebas dalam suatu model regresi
linier bergand.jika terdapat korelasi yang tinggi diantara variabel-
variabel bebasnya, maka hubungan antara variabel bebas terhadap
variabel terikat nya menjadi terganggu. Alat statistik yang sering
digunakan untuk menguji gangguan multikolinearitas adalah dengan
variance inflation factor (VIF), korelasi pearson antara variabel-variabel
bebas atau dengan melihat eigenvalues dan condition index (CI).
Beberapa alternative untuk mengatasi masalah multikolinearitas adalah:
1) Mengganti atau mengeluarkan variabel yang mempunyai korelasi
yang tinggi.
2) Menambah jumlah observasi.
3) Mentransformasikan data kedalam bentuk lain, misalnya logaritma
natural, akar kuadrat atau bentuk first difference data.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat
ketidaksamaan varians dari residual satu ke pengamatan lainnya. Model
regresi yang memenuhi persyaratan adalah dimana terdapat kesamaan
varians dari residual satu pengamatan ke pengamatan lainnya tetap atau
disebut homokedastisitas. Deteksi heteroskedastisitas dapat dilakukan
dengan model scatter plot dengsn memplotkan nilai ZPRED dengan
SRESID. Model yang baik didapatkan jika tidak terdapat pola tertentu
pada grafik seperti mengumpul ditengah, menyempit kemudian melebar
atau sebaliknya. Uji statistic yang dapat digunakan yaitu uji Glejser, uji
Park atau uji White.
Beberapa cara alternative mengatasi masalah uji Heteroskedastisitas:
1) Mentransformasikan kedalam bentuk logaritma, dapat dilakukan jika
semua data bernilai postif
 14

2) Membagi semua variabel dengan variabel yang mengalami gangguan

heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara
variabel bebas terhadap variabel terikat. Beberapa uji statistik yang
sering dipergunakan adalah uji Durbin-Watson.
Beberapa cara alternative mengatasi masalah uji Autokorelasi:
1) Mentransformasikan data atau mengubah model regresi kedalam
bentuk persamaan beda umum (generalized difference equation).
2) Memasukkan variabel lag dari variabel terikatnya menjadi salah satu
variabel bebas, sehingga data observasi menjadi berkurang 1.
1.7 Uji Kelayakan Model
a. Uji T
Uji T digunakan untuk mengetahui apakah variabel-varibael independen
secara parsial berpengaruh nyata atau tidak terhadap variabel dependen.
Derajat signifikansi yang digunakan adalah 0.05. Uji T dapat dilakukan
dengan membandingkan T hitung dengan T tabel atau nilai signifikansi.
b. Uji F
Uji F digunakan untuk mengetahui apakah variabel-variabel independen
secara simultan berpengaruh terhadap variabel dependen atau untuk
menguji apakah model regresi yang dibuat signifikan atau non signifikan.
Derajat siginifikansi yang digunakan adalah 0.05. Uji F dapat dilakukan
dengan membandingkan F hitung dengan F tabel atau nilai signifikansi.
c. Koefisien Determinasi
Koefisien determinasi digunakan untuk mengetahui seberapa besar
hubungan dari suatu variabel terhadap variabel lainnya.
 BAB II
UJI KOLMOGRAFI

2.1 Pengertian Uji Kolmogrov Smirnof

Uji kolmogrov smirnof adalah uji beda antara data yang diuji normalitasnya
dengan data normal baku. Uji Kolmogorv-Smirnov beranggapan bahwa
distribusi variabel yang sedang diuji bersifat kontinu dan pengambilan sampel
secara acak sederhana. Dengan demikian uji ini hanya dapat digunakan bila
varaibel diukur paling sedikit dalam skala ordinal (Supranto, 2001).

Uji keselarasan Kolmogrov-Smirnov dapat diterapkan pada dua keadaan:

a. Menguji apakah suatu sampel mengikuti suatu bentuk distribusi populasi
teoritis.
b. Menguji apakah dua buah sampel berasal darri dua populasi yang identic

Menurut (Supranto, 2001) Terdapat beberapa keuntungan dan kerugian

relative uji kesesuaian Kolmogrov-smirnov dibandingkah dengan uji
kesesuaian Kai Kuadrat yaitu:
a. Data dalam Uji Kolmogrov-Smirnov tidak perlu dilakukan kategorisasi.
Dengan demikian semua informasi hasil pengamatan terpakai
b. Uji Kolmogrov-Smirnov bisa dipakai untuk semua ukuran sampel,
sedangkan uji Kai Kuadrat membutuhkan ukuran sampel minimum
tertentu
c. Uji Kolmogrov-Smirnov tidak bisa dipakai untuk memperkirakan
parameter populasi. Sebaliknya uji Kai Kuadrat bisa digunakan untuk
memperkirakan parameter populasi, dengan cara mengurangi derajat
bebas sebanyak parameter yang diperkirakan
d. UjiKolmogorv-Smirnov memakai asumsi bahwa distribusi teoritis
bersifat kontinu
2.2 Dasar pengambilan keputusan dalam Uji Kolmogrov yaitu:
a. Jika nilai signifikansi (Sig) > 0.05 maka data penelitian berdistribusi
normal.
b. Jika nilai signifikansi (Sig) < 0.05 maka data penelitian tidak
berdistribusi normal.

15
 16

2.3 Contoh Soal

Berikut terdapat 10 nilai ujian mahasiswa
Mahasiswa Nilai
1 90
2 87
3 94
4 75
5 86
6 91
7 76
8 85
9 79
10 93

2.4 Langkah-langkah Uji Normalitas Kolmogrov-Smirnov Dengan SPSS

1. Persiapan data
Sebagai pendahuluan dalam proses pengolahan data adalah
mempersiapkan data. Pertama data dibuat dalam file excel seperti gambar
berikut:
 17

b. Setelah data siap, maka penginputan data dalam software SPSS dapat
dilakukan dengan tahap buka aplikasi SPSS, maka akan muncul tampilan
seperti berikut:

c. Setelah softwere SPSS terbuka, copy paste data yang telah disiapkan di
excel kedalam file DATA, sheet Data View, sehingga didapat hasil
sebagai berikut:

d. Setelah data terinput, langkah selanjutnya memberikan identitas pada

variabel view:
 18

e. Selanjutnya pindah ke Data view, sehingga tampilannya seperti dibawah

ini:

f. Memunculkan nilai unstandardized residual (RES_1), dengan cara:

Analyze Regression Linier

g. Lalu akan muncul tampilan seperti dibawah ini:

 19

l. Klik “Ok”. Selanjutnya lihat tampilan tabel Output yang muncul di SPSS
“One-Sample Kolmogrov-Smirnov Test”

Pembahasan Hasil
Berdasarkan tabel output SPSS tersebut, diketahui bahwa nilai signifikansi
Asymp.Sig (2-tailed) sebesar 0.200 lebih besar dari 0.05. Maka sesuai dengan
dasar pengambilan keputusan dalam uji normalitas kolmogrov-smirnof
diatas, dapat disimpulkan bahwa data berdistribusi normal. Dengan demikian,
asumsi atau persyaratan normalitas dalam model regresi sudah terpenuhi.

2.5 Langkah-langkah Uji Normalitas Kolmogrov-Smirnov Dengan Manual

Adapun prinsip uji kolmogorov smirnov adalah menghitung selisih absolut
Fs(x) (distribusi frekuensi kumulatif sampel) dengan Ft(x) (distribusi
frekuensi kumulatif teoritis), atau dapat dituliskan sebagai:
D = |Fs(x) – Ft(x)|max

Dengan menggunakan asumsi di mana sampel adalah acak dari distribusi

populasi kontinu. Berikut langkah-langkahnya:
a. Menyusun hipotesis
Ho : F(x) = Ft(x), data berdistribusi normal
H1 : F(x) ≠ Ft(x), paling sedikit satu x, data tidak berdistribusi normal
b. Data diurutkan dari yang terkecil ke yang terbesar
75
76
 20

79
85
86
87
90
91
93
94
c. Menghitung distribusi Fs(xi)
xi F fkum 𝑓𝑘𝑢𝑚
𝐹𝑆 (𝑥𝑖) =
∑𝑓
75 1 1 0.1
76 1 2 0.2
79 1 3 0.3
85 1 4 0.4
86 1 5 0.5
87 1 6 0.6
90 1 7 0.7
91 1 8 0.8
93 1 9 0.9
94 1 10 1

d. Menghitung Ft(xi) diba tu tabel distribusi normal baku z, dimana:

∑ xi
x̅ = = 85.6
n

∑(xi - x̅ )2 424.4
S=√ =√ = 6.867
(n-1) 9

I xi xi - x̅ (xi - x̅ )2 xi − x̅
z= Ft(xi)
s
1 75 -10.6 112.36 -1.5436 0.06178
2 76 -9.6 92.16 -1.3978 0.08076
3 79 -6.6 43.56 -0.9612 0.16853
4 85 -0.6 0.36 -0.0874 0.5319
 21

5 86 0.4 0.16 0.0582 0.5199

6 87 1.4 1.96 0.2038 0.5793
7 90 4.4 19.36 0.6407 0.7389
8 91 5.4 29.16 0.7864 0.7823
9 93 7.4 54.76 1.0776 0.8577
10 94 8.4 70.56 1.2232 0.8888
Jumlah 424,4

e. Menghitung D dan Dmax

Fs(xi) Ft(xi) D = |Fs(x) - Ft(x)|max

0.1 0.06178 0.03822
0.2 0.08076 0.11924
0.3 0.16853 0.13147
0.4 0.5319 0.1319 (Dmax)
0.5 0.5199 0.0199
0.6 0.5793 0.0207
0.7 0.7389 0.0389
0.8 0.7823 0.0177
0.9 0.8577 0.0423
1 0.8888 0.1112

f. Menentukan kuantil statistik uji kolmogorov pada tabel Kolmogorov

Smirnov, atau yang disebut k. Solusi: Berdasarkan pada tabel kolmogrov
smirnov, untuk ⍺ = 0,05 dan n = 10 peroleh k = 0,409
g. Keputusan Uji
 Jika nilai |Fs(x) - Ft(x)|𝑚𝑎𝑥 < nilai tabel kolmogrov smirnov, maka
Ho diterima dan Ha ditolak
 Jika nilai |Fs(x) - Ft(x)|𝑚𝑎𝑥 > nilai tabel kolmogrov, maka Ho ditolak
dan Ha diterima.
Karena |Fs(x) - Ft(x)|𝑚𝑎𝑥 (0.1319) < k (0,409), maka Ho diterima dan
dapat disimpulkan bahwa data berdistribusi normal.
 BAB III
UJI REGRESI LINEAR BERGANDA

3.1 Pengertian Uji Regresi Linear Berganda

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y).
Analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio
(Sudijono, 1996).
3.2 Contoh Soal
Konversi reaksi esterifikasi asam lemak (Y) dipengaruhi oleh temperature
(X1) dan waktu reaksi (X2). Datanya ditunjukkan dalam tabel berikut.
X1 X2 Y
40 60 60.5
40 60 62.9
50 90 75.6
50 90 72.9
55 100 80.4
60 120 83.7
65 150 84.5
65 150 90.8

3.3 Langkah-Langkah Dalam Regresi Linear Berganda SPSS

1. Mempersiapkan data
a. Persiapan data
Sebagai pendahuluan dalam proses pengolahan data adalah
mempersiapkan data. Pertama data dibuat dalam file excel seperti gambar
berikut:

22
 23

b. Setelah data siap, maka penginputan data dalam software SPSS dapat
dilakukan dengan buka aplikasi SPSS, maka akan muncul tampilan
seperti berikut:
 24

File diatas disebut dengan file DATA dengan judul Untitled2[DataSet1].

File data berfungsi sebagai tempat untuk menginput data yang terdiri dari
dua sheet yaitu Data View yang berfungsi untuk menginput data dan
Variabel View yang terdiri dari Name, Type, Width, Decimals, Labels,
Value, Missing, Colomns, Align, Measure dan Role yang dibagi dalam
kolom-kolom. Semua kolom penting tetapi dalam pembahasan ini cukup
isi kolom Name dan label saja.

File diatas disebut dengan file output dengan judul *Output[Document1].

File OUTPUT berfungsi sebagai luaran dari hasil olahan data yang telah
diinput pada file DATA dan dieksekusi sesuai dengan tujuan pengolahan
data.
c. Setelah softwere SPSS terbuka, copy paste data yang telah disiapkan di
excel kedalam file DATA, sheet Data View, sehingga didapat hasil
sebagai berikut:
 25

d. Setelah data terinput, langkah selanjutnya memberikan identitas pada

variabel view:
 Kolom pertama untuk variabel temperature diberi nama X1
 Kolom kedua untuk variabel waktu reaksi diberi nama X2
 Kolom ketiga untuk variabel konversi reaksi diberi nama Y

e. Selanjutnya pindah ke Data view, sehingga tampilannya seperti dibawah

ini:

2. Estimasi Model Regresi Linier

Estimasi model dilakukan secara sekaligus dengan pungujian asumsi
klasik (multikolinearitas, autokorelasi, heteroskedastisitas dan
normalitas). Sehingga output yang dihasilkan dari pengolahan data dapat
digunakan untuk uji asumsi klasik dan uji kelayakan model. Adapun
langkah-langkahnya sebagai berikut:
a. Estimasi regresi linier
Dengan cara klik Analyze Regression Linier
 26

b. Lalu akan muncul tampilan seperti dibawah ini:

Letakkan variabel Y dalam kotak dependent. Caranya klik

lalu tekan yang terletak disamping kotak

Dependent, sehingga Y akan pindah ke kotak dependent. Dengan cara
yang sama letakkan variabel X1 dan X2 dalam kotak Independent. Hasil
yang diperoleh adalah sebagai berikut:
 27

c. Memunculkan output untuk menguji Asumsi klasik

Uji asumsi klasik ada 4 yaitu multikolinieritas, autokorelasi,
heteroskedastisitas dan normalitas.
 Multikolinieritas menggunakan VIP dan Tolerance
 Autokorelasi menggunakan Durbin-Watson
 Heteroskedastisitas menggunakan Scatter plot ZPRED dan
SRESID
 Normalitas menggunakan Normal P-Plot

1) Multikolinearitas dan Autokorelasi ada ditombol

a) Klik
b) Klik kotak Collinearity diagnostics dan Descriptive untuk
memunculkan hasil uji multikolinearitas
c) Klik kotak Durbin-Watson untuk memunculkan hasil uji
autokorelasi

d) Setelah itu klik

 28

2) Heteroskedastisitas dan Normalitas ada ditombol

a) Klik
b) Pindahkan *ZPRED ke kotak X dan pindahkan *SRESID ke kotak
Y untuk memunculkan hasil uji heteroskedastisitas
c) Klik kotak Normal probability plot untuk memunculkan hasil uji
normalitas

d) Setelah itu klik

d. Setelah semua tombol perintah yang diinginkan di klik, maka untuk

memunculkan semua output, klik dengan demikian output yang

diinginkan akan ditampilkan pada file OUTPUT. Sampai disini, estimasi
model regresi linear dan uji asumsi klasik telah selesai.
e. Simpan kedua file (file DATA dan file OUTPUT) yang telah diperoleh

dengan cara klik pada masing-masing file.

3.4 Pembahasan Hasil Pengujian Asumsi Klasik

Pada tahap ini dilakukan cara membaca uji asumsi klasik dari output SPSS,
sebagaimana yang tertampil pada file OUTPUT.
a. Multikolinearitas
Hasil uji Multikolinearitas dapat dilihat pada tabel Coefficientsa
 29

Nilai VIF untuk variabel X dan Y adalah sama yaitu 39.025, sedangkan
harga Tolerancenya 0.026.
 Dasar pengambilan keputusan:
Tidak terjadi gejala multikolinearitas jika nilai Tolerance > 0,100 dan
nilai VIF < 10,00
 Kesimpulan Uji Multikolinearitas:
Pada data ini nilai Tolerance < 0,100 dan nilai VIF > 10,00
Terdapat gejala mulkolinearitas

b. Autokorelasi
Hasil uji Autokorelasi, dapat dilihat pada tabel Model Summaryb

Nilai Durbin Watson adalah 2.090 dinyatakan sebagai DW hitung.

Angka ini akan dibandingkan dengan kriteria penerimaan atau penolakan
yang akan dibuat dengan nilai d L dan dU yang ditentukan berdasarkan K(
Jumlah variabel bebas) N( Jumlah sampel). Nilai d U dan dL dapat dilihat
pada tabel durbin Watson. Pada soal ini nilai K = 2 dan N = 8, sehingga:
 30

Dari tabel tersebut didapat nilai dL = 0.5591 dan dU = 1.7771

 Dasar pengambilan keputusan:
Tidak terjadi gejala autokorelasi jika nilai durbin Watson terletak antara
nilai dL dan du
 Kesimpulan Uji Autokorelasi
Nilai DW hitung sebesar 2.090 lebih besar dari 0.5591 dan 1.7771
sehingga terjadi autokorelasi

c. Heteroskedastisitas
Hasil uji heteroskedastisitas dapat dilihat pada gambar Scatterplot
 31

 Dasar pengambilan keputusan:

Tidak terjadi heteroskedastistias, jika tidak ada pola yang jelas pada
gambar scatter plot, serta titik-titik menyebar diatas dan dibawah angka
0 pada sumbu Y.
 Kesimpulan Uji Gejala Heteroskedastistias:
Tidak ada gejala heteroskedastistias

d. Normalitas
Hasil uji normalitas dapat dilihat dari gambar Normal P-P Plot

 Dasar pengambilan keputusan:

Model regresi dikatakan berdistribusi normal jika data ploting (titik-
titik) yang menggambarkan data sesungguhnya mengikuti garis
diagonal
 Kesimpulan Uji Normalitas:
Model regresi berdistribusi normal
3.5 Pembahasan Hasil Uji Kelayakan Model
a. Uji F
Uji F merupakan tahapan awal mengidentifikasi model regresi yang
diestimasi layak atau tidak. Maksudnya adalah model yang diestimasi
layak digunakan untuk menjelaskan pengaruh variabel-variabel bebas
terhadap variabel terikat. Namum uji ini disebut uji F, karena mengikuti
 32

distribusi F yang kriteria pengujiannya seperti One Way Anova. Hasil uji
F dapat dilihat pada tabel ANOVAa

 Dasar Pengambilan keputusan:

1. Jika nilai sig < 0,05 maka terdapat pengaruh variable X secara
simultan terhadap variable Y
2. Jika nilai sig > 0,05 maka tidak terdapat pengaruh variable X secara
simultan terhadap variable Y
 Kesimpulan Uji F
Nilai signifikansi (0,000) < (0,005). Sehingga dapat disimpulkan bahwa
model regesi linier yang diestimasi layak digunakan untuk menjelaskan
pengaruh X1 (Temperature) dan X2 (Waktu reaksi) terhadap variabel
terikat Y (Konversi reaksi esterifikasi). Terdapat pengaruh X1
(Temperature) dan X2 (Waktu Reaksi) terhadap Y (Konversi reaksi
esterifikasi).
b. Uji T
Uji T dalam regresi linier berganda dimaksud untuk menguji apakah
parameter yang diduga untuk mengestimasi persamaan atau model
regresi linier berganda sudah merupakan parameter yang mampu
menjelaskan perilaku variabel bebas dalam mempengaruhi variabel
terikatnya. Hasil pengujian dapat dilihat pada tabel Coefficientsa:
 33

 Dasar pengambilan keputusan:

1. Jika nilai sig < 0,05 maka terdapat pengaruh variable X terhadap
variable Y
2. Jika nilai sig > 0,05 maka tidak terdapat pengaruh variable X
terhadap variable Y
 Kesimpulan Uji T
1. Pengujian hipotesis 1 (Temperature)
Nilai signifikansi ( 0,03) < (0,05). Sehingga dapat disimpulkan
bahwa terdapat pengaruh X1 (Temperatur) terhadap Y (Konversi
reaksi esterifikasi)
2. Pengujian hipotesis 2 (Waktu Reaksi)
Nilai signifikansi (0,286) > (0,05). Sehingga dapat disimpulkan
bahwa tidak terdapat pengaruh X2 (Waktu reaksi) terhadap Y
(Konversi reaksi esterifikasi)
c. Koefisien Determinasi
Koefisien determinasi menjelaskan variasi pengaruh variabel-variabel
bebas terhadap variabel terikatnya. Nilai koefisien determinasi dapat
diukur oleh nilai R-Square atau Ajusted R-Square. R-Square digunakan
pada saat variabel bebas hanya 1 saja, sedangkan Adjusted R-Square
digunakan pada saat variabel bebas lebih dari satu. Hasil pengujian data
dilihat pada tabel Model Summaryb.

Jika dilihat nilai R-Square sebesar 0.963 menunjukkan bahwa proporsi

pengaruh variabel X1 dan X2 terhadap variabel Y adalah sebesar 96.3 %.
Artinya Temperature dan Waktu reaksi memiliki proporsi pengaruh
terhadap Konversi reaksi sebesar 96.3%, sedangkan sisanya (100%-
96.3%)= 3.7% dipengaruhi oleh variabel lain yang tidak ada didalam
model regresi linier.
 34

3.6 Langkah-Langkah Dalam Regresi Linear Berganda Manual

1. Membuat hipotesis
Ho: 𝛽1 = 𝛽2 = 0, Temperature dan Waktu reaksi tidak berpengaruh
secara signifikan terhadap Konversi reaksi
𝐻𝑂 : 𝛽1 ≠ 𝛽2 ≠ 0, Temperature dan Waktu reaksi berpengaruh secara
signifikan terhadap Konversi reaksi
2. Mempersiapkan data yang akan dianalisis
Temperature (X1) Waktu Reaksi (X2) Konversi Reaksi (Y)
40 60 60.5
40 60 62.9
50 90 75.6
50 90 72.9
55 100 80.4
60 120 83.7
65 150 84.5
65 150 90.8

3. Membuat tabel pembantu agar mempermudah dalam perhitungan

NO 𝑋1 𝑋2 Y 𝑋1 𝑌 𝑋2 𝑌 𝑋1 𝑋2 𝑋12 𝑋22
1 40 60 60.5 2420 3630 2400 1600 3600
2 40 60 62.9 2516 3774 2400 1600 3600
3 50 90 75.6 3780 6804 4500 2500 8100
4 50 90 72.9 3645 6561 4500 2500 8100
5 55 100 80.4 4422 8040 5500 3025 10000
6 60 120 83.7 5022 10044 7200 3600 14400
7 65 150 84.5 5492.5 12675 9750 4225 22500
8 65 150 90.8 5902 13620 9750 4225 22500
Jumlah 425 820 611.3 33199.5 65148 46000 23275 92800
 35

4. Memasukkan nilai diatas kedalam rumus dibawah ini untuk mencari

persamaan regresi linier
∑𝑌 = 𝑎𝑛 + 𝑏1 ∑𝑋1 + 𝑏2 ∑𝑋2
∑𝑋1 𝑌 = 𝑎∑𝑋1 + 𝑏1 ∑𝑋12 + 𝑏2 ∑𝑋1 𝑋2
∑𝑋2 𝑌 = 𝑎∑𝑋2 + 𝑏1 ∑𝑋1 𝑋2 + 𝑏2 ∑𝑋22

611.3 = 8a + 425b1 + 820b2 (1)

33199.5 = 425a + 23275b1 + 46000b2 (2)
65148 = 820a + 46000b1 + 92800b2 (3)
Substitusi persamaan (1) dan (2)
Persamaan (1) dikali 425, persamaan (2) dikali 8:
259802.5 = 3400a + 180625b1 + 348500b2
265596 = 3400a + 186200b1 + 368000b2
-5793.5 = -5575b1 – 19500b2 (4)

Substitusi persamaan (1) dan (3)

Persamaan (1) dikali 205, persamaan (3) dikali 2
125316,5 = 1640a + 87125b1 + 168100b2
130296 = 1640a + 92000b1 + 185600b2
-4979,5 = -4875b1 – 17500b2 (5)

Substitusi persamaan (4) dan (5)

Persamaan (4) dikali 4875, persamaan (5) dikali 5575
-28243312,5 = -27178125b1 – 95062500b2
-27760712,5 = -27178125b1 – 97562500b2
-482600 = 2500000b2
b2 = -0.19304
Harga b2 dimasukkan kedalam salah satu persamaan (4) atau (5). Disini
dipilih persamaan (5)
-4979.5 = -4875b1 – 17500(-0.19304)
-4979.5 = -4875b1 + 3378.2
b1 = 1.7144
 36

Harga b1 dan b2 dimasukkan kedalam persamaan (1)

611.3 = 8a + 425b1 + 820b2
611.3 = 8a + 425(1.7144) + 820(-0.19304)
611.3 = 8a + 728.62 - 158.2928
611.3 = 8a + 570.3272
a = 5.1216
sehingga:
a = 5.1216
b1 = 1.7144
b2 = -0.19304
keterangan:
a = konstanta
b1 = koefisien regresi X1
b2 = koefisien regresi X2
Persamaan Regresi:
Y = 5.1216 + 1.7144X1 - 0.19304X2

5. Pengujian Hipotesis
Ho : Variabel temperature dan Waktu reaksi tidak berpengaruh signifikan
terhadap Konversi reaksi.
Ha : Variabel temperature dan Waktu reaksi berpengaruh signifikan
terhadap Konversi reaksi.
a. Koefisien korelasi berganda (R)
Berfungsi untuk mengukur kekuatan hubungan antara variabel bebas X
dan Variabel terikat Y. Persamaan koefisieRn korelasi (R) yaitu:
𝑏1 ∑𝑋1 𝑌 + 𝑏2 ∑𝑋2 𝑌
𝑅=
∑𝑌 2
(1.7144)(33199.5) + (−0.19304)(65148)
𝑅=
373687.69
56917,2228 − 12576,1699
𝑅=
373687.69
𝑅 = 0.11866
b. Koefisien Determinasi (R2)
R2 = (0.11866)2
 37

R2 = 0.01408
c. Uji F
𝑅2 (𝑁−𝑘−1)
𝐹 𝐻𝑖𝑡𝑢𝑛𝑔 = 𝑘(1−𝑅2 )

0.01408(8−2−1)
=
2(1−0.01408)
0.0704
=
1.97184
= 0.0357
𝐹 𝑇𝑎𝑏𝑒𝑙 = (𝑘, 𝑛 − 𝑘 − 1):
Dk pembilang = k = 2
Dk penyebut = n-k-1 = 8-2-1 = 5
Dengan menggunakan probabilita 0.05 diperoleh F tabel =5.79
Kriteria:
F Hitung < F Tabel = Ho diterima
F Hitung > F Tabel = Ho ditolak, Ha diterima
Dari hasil yang diperoleh F Hitung < F tabel maka dapat disimpulkan bahwa Ho
diterima.
 DAFTAR PUSTAKA

Basuki, A. T. 2014. Penggunaan SPSS dalam Statistik. Yogyakarta:

Danisa Media.
Siregar, S. 2015. Statistika Deskrptif untuk Penelitian. Jakarta: Rajawali
pers.p
Sudijono, A. 1996. Pengantar Statistika Pendidikan. Jakarta: Rajawali.

Supranto, J. 2001. Statistika Teori dan Aplikasi Edisi Ke-6 Jilid 2.

Jakarta: Erlangga.

38