MAKALAH STATISTIKA DAN PROBABILITAS

“Uji Model”

Dosen Pengajar: Silvi Rosiva, S. Pd., M. Pd.

Disusn Oleh:
Kelompok 1

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS ISLAM LAMONGAN
2020

1
 KATA PENGANTAR

Segala puji kami panjatkan kepada tuhan yang Maha Esa, karena berkat rahmatnya
kami dapat menyelesaikan makalah yang berjudul “Uji Model” yang merupakan salah satu
tugas mata kuliah Statistika dan Probabilitas semester dua di Universitas Islam Lamongan.
Ucapan terima kasih kami sampaikan kepada dosen pengajar mata kuliah Statistika
dan Probabilitas yakni Ibu Silvi Rosiva, S. Pd., M. Pd.yang telah memberikan tugas ini
sehingga engetahuan kami dalam menulis makalah semakin bertambah dan sangat
bermanfaat bagi kelanjutan perkuliahan kami di kemudian hari. Ucapan terima kasih juga
kami sampaikan kepada semua pihak atas segala bantuan dalam menyelesaikan makalah ini.
Dalam penulisan makalah ini kami sampaikan permohonan maaf karena kami
menyadari bahwa masih jauh dari kesempurnaan. Oleh karen itu, kritik dan saran yang
membangun dari para pemebaca kami terima dengan senang hati demi penyempurnaan
makalah ini. semoga makalah yang kami buat bisa memberi manfaat dan memperluas
pengetahuan bagi para pemebaca.

Lamongan, Mei 2020

Penulis

2
 DAFTAR ISI

KATA PENGANTAR.........................................................................................................................ii
DAFTAR ISI.......................................................................................................................................iii
BAB I PENDAHULUAN....................................................................................................................1
1.1 Latar Belakang.......................................................................................................................1
2.1 Rumusan Masalah..................................................................................................................1
3.1 Tujuan Penulisan...................................................................................................................1
BAB II PEMBAHASAN....................................................................................................................2
A. R 2 (Koefisien Determinan).......................................................................................................2
B. Multikolinieritas........................................................................................................................3
C. F-test..........................................................................................................................................6
D. Autokolerasi..............................................................................................................................8
E. Validasi....................................................................................................................................11
BAB III PENUTUP..........................................................................................................................15
1.2 Kesimpulan..........................................................................................................................15
2.2 Saran....................................................................................................................................15
DAFTAR PUSTAKA..........................................................................................................................iv

3
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika adalah bagian yang terlepas dalam kehidupan kita. Dalam dunia statistika
banyak mengenal istilah atau pembahasan materi.
Uji model adalah sebuah uji untuk melihat bagaimana semua variabel bebasnya secara
bersama sama terhadap variabel terkaitnya. Atau untuk menguji apakah model regresi yang
kita buat signifikan atau tidaksignifikan
Jika model tersebut signifikan maka model bisa kita gunakan untuk memprediksi/
meramalkan. Sebaliknya jika tidak signifikan maka model regresi tidak bisa digunakan untuk
peramalan.
2.1 Rumusan Masalah
Masalah yang nantinya akan dibahas dalam makalah ini adalah sebagai berikut:
1. Apa yang dimaksud R2 ?
2. Apa yang dimaksud multikolinieritas?
3. Apa yang dimaksud F-test?
4. Apa yang dimaksud autokolerasi?
5. Apa yang dimaksud validasi?

3.1 Tujuan Penulisan

Adapaun tujuan umum dan khusus dari pembuatan makalah ini yaitu:
1. Mengetahui secara luas mengenai R2
2. Mengetahui secara luas mengenai multikolinieritas
3. Mengetahui secara luas mengenai F-test
4. Mengetahui secara luas mengenai auto kolerasi
5. Mengetahui secara luas mengenai validasi

4
 BAB II

PEMBAHASAN

A. R2 (Koefisien Determinan)
Dalam statistik , koefisien determinasi , dilambangkan R 2 atau r 2 dan diucapkan "R
kuadrat", adalah proporsi varians dalam variabel dependen yang dapat diprediksi dari
variabel independen.
Ini adalah statistik yang digunakan dalam konteks model statistik yang tujuan
utamanya adalah prediksi hasil di masa depan atau pengujian hipotesis , berdasarkan
informasi terkait lainnya. Ini memberikan ukuran seberapa baik hasil yang diamati
direplikasi oleh model, berdasarkan proporsi variasi total hasil yang dijelaskan oleh
model.
Rumus dari R2adalah

2 a ∑Y i +b ∑ X 1 Y 1−n( Ý )2
R= 2 2
∑ Y −n( Ý )

Keterangan :
Y i=¿ jumlah data dari y i

X 1 Y 1=¿ jumlah dari x 1 y 1

Ý =¿ rata-rata
a= konstanta

Cotoh soal
Sebuah sampel acak yang terdiri dari 6 pasangan data mengenai besarnya pendapatan dan
konsumsi bulanan dari 6 karyawan perusahaan swasta yang bergerak dalam bidang pariwisata
(dalam jutaan rupiah) adalah sebagai berikut:
Pendapatan (x) 8 12 16 28 24 26
Konsumen (y) 7 9 12 14 13 15

Jawaban
X1 Y1 X1 Y 1 X 12 Y 12 x 1−X 1 − X́ y 1−Y 1− Ý x1 y1 x 12
8 7 56 64 49 -9,57 -4,67 45,16 93,51
12 9 108 144 81 -5,67 -2,67 15,14 32,15
16 12 192 256 14 -1,67 0,33 -0,55 2,79

5
 4
19
20 14 280 400 2,33 2,33 5,43 5,43
6
16
24 13 312 576 6,33 1,33 8,42 40,07
9
22
26 15 390 676 8,33 3,33 27,74 69,39
5
10 86 101,3
70 1338 2116 243,34
6 4 4
∑ X 1 106 ∑ Y 1 70
X́ = = =17 ,67 Ý = = =11 , 67
n 6 n 6
Untuk mencari b:
∑ x1 y1
b=
∑ x1
101, 34
b= =0 , 42
243 ,34
Konstanta a dihitung sebagai berikut:
a=Ý −b X́
= 11,67-0,42 (17,67)
= 11,67-7,42
= 4,25

2
a ∑ Y i+ b ∑ X 1 Y 1−n( Ý )2
R= 2 2
∑ Y −n( Ý )

4 ,25 ( 70 ) +0 , 42 ( 1338 )−6 (11, 67)2

=
864−6(11 ,67)2
297 ,5+ 561, 96−817 , 13
=
864−817 , 13
= 0,90

B. Multikolinieritas
Merupakan sebuah situasi yang menunjukkan adanya korelasi atau hubungan kuat
antara dua variabel bebas atau lebih dalam sebuah model regresi berganda. Model regresi
yang dimaksud dalam hal ini antara lain: regresi linear, regresi logistik, regresi data panel dan
cox regression.

Pedoman keputusan berdasarkan uji multikolinieritas adalah sebegai berikut:

6
 Pedoman keputusan berdasarkan nilai tolerance
1. Jika nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi
multikolimiertitas dalam model regresi.
2. Jika nilai tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinieritas
dalam model regresi.
 Pedoman keputusan berdasarkan nilai VIF (Variance Inflation Factor
1. Jika nilai VIF < 10,00 maka artinya tidak terjadi multikolinieritas dalam
model regresi
2. Jika nilai VIF >10,00 maka artinya terjadi multikolinieritas dalam model
regresi.

Langkah uji multikolinearitas:

1. Persipakan data tabulasi untuk masing-masing variabel penelitian yang akan diuji.
Buka program SPSS, lalu klik Variable View. Selanjutnya, pada bagian Name
tuliskan Motivasi, minat dan , pada bagian Decimals ubah semua menjadi angka
0. Pada bagian Label tuliskan Motivasi (X1), Minat (X2) dan Prestasi (Y). Pada
bagian Measure ubah menjadi Scale. Abaikan pilihan lainnya maka tampak
dilayar.

2. Setelah itu, klik Data View, lalu masukkan data Motivasi, Minat dan Prestasi
yang sudah dipersipakan tadi, bisa dengan cara copy-paste atau ditulis satu
persatu.

7
3. Selanjutnya, dari menu SPSS pilih menu Analyzer, kemudian submenu
Regression, lalu pilih Linier.

4. Muncul kotak baru dengan nama “Linear Regression”, selanjutnya masukkan

variabel Motivasi (X1) dan Minat (X2) pada kotak Independent (s): lalu masukkan
variabel Prestasi (Y) pada kotak Dependent : kemudian pada bagian “Method”
pilih Enter, lalu klik Statistics.

5. Dilayar akan muncul tampilan dialog “ Linier Regression: Statistics”. Aktifkan

pilihan dengan cara mencentang (v) pada Covariance matrix dan Collinierity
Diagnostics. Abaikan pilihan lain atau biarkan tetap default kemudian, klik
Continue.

8
 6. Terakhir klik Ok, maka muncul output SPSS dengan judul “Regression”. Untuk
melihat ada tidaknya gejala multikolinearitas dalam model regresi, maka kita
cukup memperhatikan tabel output “Coefficients”. Adapun pembahasannya dapat
dilihat pada interpretasi berikut.

Berdasarkan tabel output “Coefficients” pada bagian “Collinearity Statistics”

diketahui nilai Tolerance untuk variabel Motivasi (X1) dan Minat (X2) adalah 0,394
lebih besar dari 0,10. Sementara nilai VIF untuk variabel Motivasi (X1) dan Minat
(X2) adalah 2,537 < 10,00. Maka mengacu pada dasar pengambilan keputusan dalam
uji multikolinearitas dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas
dalam model regresi.
C. F-test
Merupakan setiap uji statistik di mana statistik uji memiliki distribusi-F di bawah
hipotesis nol. 

Adapun hipotesis (dugaan) yang di ajukan dalam uji F ini adalah "Ada pengaruh
motivasi (X1) dan minat (X2) secara simultan terhadap prestasi (Y).

Dasar Pengambilan Keputusan dalam Uji F

1. Berdasarkan Nilai Signifikansi (Sig.)

 dari Output Anova 1. Jika nilai Sig. < 0,05, maka hipotesis diterima. Maka
artinya motivasi (X1) dan minat (X2)  secara simultan berpengaruh terhadap
prestasi (Y).
 Jika nilai Sig. > 0,05, maka hipotesis ditolak. Maka artinya motivasi (X1) dan
minat (X2) secara simultan tidak berpengaruh terhadap prestasi (Y).
2. Berdasarkan Perbandingan Nilai F Hitung dengan F Tabel 1.

9
  Jika nilai F hitung > F tabel, maka hipotesis diterima. Maka artinya motivasi
(X1) dan minat (X2) secara simultan berpengaruh terhadap prestasi (Y).
 Sebaliknya, Jika nilai F hitung < F tabel, maka hipotesis ditolak. Maka artinya
motivasi (X1) dan minat (X2) secara simultan tidak berpengaruh terhadap
prestasi (Y).

Pengambilan keputusan uji F

1. Berdasarkan Nilai Signifikansi (Sig.) dari Output Anova Berdasarkan tabel output
SPSS di atas, diketahui nilai Sig. adalah sebesar 0,000. Karena nilai Sig. 0,000 <
0,05, maka sesuai dengan dasar pengambilan keputusan dalam uji F dapat
disimpulkan bahwa hipotesis diterima atau dengan kata lain motivasi (X1) dan
minat (X2) secara simultan berpengaruh terhadap prestasi (Y).
2. Berdasarkan Perbandingan Nilai F Hitung dengan F Tabel Berdasarkan tabel
output SPSS di atas, diketahui nilai F hitung adalah sebesar 23,450. Karena nilai F
hitung 23,450 > F tabel 4,10, maka sebagaimana dasar pengambilan keputusan
dalam uji F dapat disimpulkan bahwa hipotesis diterima atau dengan kata lain
motivasi (X1) dan minat (X2) secara simultan berpengaruh terhadap prestasi (Y).

F tabel di cari pada distribusi nilai r tabel statistik pada signifikansi 5% atau 0,05
dengan menggunakan rumus F tabel = (k ; n-k). Dimana "k" adalah jumlah variabel
independen (variabel bebas atau X) sementara "n" adalah jumlah responden atau sampel
penelitian. Dalam penelitian ini jumlah "k" adalah 2 yakni variabel motivasi (X1) dan
variabel minat (X2). Sementara jumlah "n " adalah 12 orang siswa (responden). Selanjutnya
nilai ini kita masukkan ke dalam rumus, maka menghasilkan angka (2 ; 12-2) = (2; 10), angka
ini kemudian kita jadikan acuan untuk mencari atau melihat nilai F tabel pada distribusi nilai
F tabel statistik. Maka ditemukan nilai F tabel adalah sebesar 4,10. Lihat gambar di bawah
ini.

10
 D. Autokolerasi

Sebuah analisis statistik yang dilakukan untuk mengetahui adakah korelasi variabel
yang ada di dalam model prediksi dengan perubahan waktu. Oleh karena itu, apabila asumsi
autokorelasi terjadi pada sebuah model prediksi, maka nilai disturbance tidak lagi
berpasangan secara bebas, melainkan berpasangan secara autokorelasi.

Dasar Pengambilan Keputusan dalam Uji Autokorelasi Durbin Watson Metode

Pengujian yang sering digunakan dalam penelitian skripsi kuantitatif adalah dengan
uji durbin-watson (uji DW) dengan ketentuan atau dasar pengambilan keputusan
sebagai berikut:

1. Jika d (durbin watson) lebih kecil dari dL atau lebih besar dari (4-dL) maka
hipotesis nol ditolak, yang berarti terdapat autokorelasi.  Non Parametrik 
Parametrik  SPSS Indonesia  Tabel Statistik  Tutorial SPSS  Uji Asumsi
Dasar  Uji Asumsi Klasik  Uji Deskriptif  Uji Instrumen  Uji Perbedaan .
2. Jika d (durbin watson) terletak antara dU dan (4-dU), maka hipotesis nol diterima,
yang berarti tidak ada autokorelasi.
3. Jika d (durbin watson) terletak antara dL dan dU atau diantara (4-dU) dan (4-dL),
maka tidak menghasilkan kesimpulan yang pasti.

Cara Uji autokolerasi menggunakan SPSS

1. Setelah data yang ingin di uji sudah dipersiapkan, selanjutnya buka program
SPSS, lalu seperti biasa, klik Variable View. Selanjutnya, pada bagian Name tulis
saja X1, X2, X3 dan Y. Pada Decimals variabel Y ubah menjadi angka 0 (karena
datanya bukan pecahan desimal atau tidak ada angka dibelakang koma). Pada
bagian Label tuliskan ROA, ROE, PER, dan Harga Saham, abaikan yang lainnya.
Tampak di layar sebagai berikut.

11
2. Setelah itu, klik Data View, dan masukkan data ROA ke X1, ROE ke X2, PER ke
X3, dan Harga  Saham ke Y, yang sudah dipersiapkan tadi, bisa dengan cara
copy-paste. Tampak di layar.

3. Langkah selanjutnya, dari menu SPSS pilih Analyze, lalu klik Regression,
kemudian klik Linear.

12
4. Kemudian, muncul kotak dialog dengan nama "Linear Regression", maka
masukkan variabel Harga Saham (Y) ke kolom Dependent, masukkan variabel
ROA (X1), ROE (X2), dan PER (X3) ke kolom Independent(s), lalu klik
Statistics.

5. Muncul kotak dengan nama "Linear Regression: Statistics," pada bagian ini kita
cukup memberi tanda centang (v) pada Durbin-Watson (abaikan centangan yang
lain). Kemudian klik Continue.

13
 6. Langkah yang terakhir adalah klik Ok. Maka akan muncul output SPSS, dalam hal
ini kita hanya perlu memperhatikan tabel output dengan judul "Model Summary".

Berdasarkan tabel output "Model Summary" di atas, diketahui nilai Durbin-Watson

(d) adalah sebesar 1,671. Selanjutnya nilai ini akan kita bandingkan dengan nilai tabel durbin
watson pada signifikansi 5% dengan rumus (k ; N). Adapun jumlah variabel independen
adalah 3 atau "k" = 3, sementara jumlah sampel atau "N"=32, maka (k ; N)=(3 ; 32). Angka
ini kemudian kita lihat pada distribusi nilai tabel durbin watson. Maka ditemukan nilai dL
sebesar 1,244 dan dU sebesar 1,650. Lihat gambar

Nilai Durbin-Watson (d) sebesar 1,671 lebih besar dari batas atas (dU) yakni 1,650
dan kurang dari (4- du) 4-1,650 = 2,350. Maka sebagaimana dasar pengambilan keputusan
dalam uji durbin watson di atas, dapat disimpulkan bahwa tidak terdapat masalah atau gejala
autokorelasi. Dengan demikian maka analisis regresi linear berganda untuk uji hipotesis
penelitian di atas dapat dilakukan atau dilanjutkan.

E. Validasi

14
 Diartikan sebagai suatu tindakan pembuktian dengan cara yang sesuai bahwa tiap
bahan, proses, prosedur, kegiatan, sistem, perlengkapan atau mekanisme yang digunakan
dalam produksi dan pengawasan akan senantiasa mencapai hasil yang diinginkan.

Ketentuan uji validasi

1. Taraf kepercayaan (sig 5%) atau tergantung peneliti

2. Apabila nilai r hitung >= r tabel maka butir kuesioner yang dimaksud valid
3. Apabila nilai r hitung <= r tabel maka butir kuesioner yang dimaksud tidak
valid 
Langkah-langkah uji validasi:
1. Buka aplikasi SPSS yang telah di install sebelumnya
2. Bila sudah muncul area kerja SPSS, lalu dibilah kiri bawah klik Variabel
View untuk menginput variabel kuesioner, atau seperti pada gambar berikut:

3. Berikutnya dibilah kiri bawah disamping Variabel Viev klik Data View untuk

kita input data, seperti gambar berikut:

4. Pada tahap ini kita akan uji validitas butir pertanyaan dengan cara: pada menu
toolbar paling atas pilih Analyze---> Correlate---> Bivariate, sehingga muncul
kotak Bivariate Correlation, atau seperti pada gambar berikut:

15
5. Selanjutnya pindahkan semua item x1 sampai dengan x7 berserta total ke
dalam kotak Variables:, lalu pada Correlation coefficients centang Pearson,
pada test significance pilih two-tailed, lalu centang Flag significant
correlations, Lalu klik OK, seperti gambar berikut:

6. Tahap analisis butir pertanyaan: Tinjau hasil berikut ini

16
 Hasil di atas dapat menunjukkan tingkat korelasi tinggi atau lemah hubungan setiap
item. untuk mengetahui bagaimana angka hubungan tersebut, sebelumnya kita sudah tahu
bahwa jumlah responden 15, jadi rumusnya n-2 = 15-2= 13, selanjutnya lihat tabel r (bisa
dicari saja dibuku-buku statistik tabel r nya), dengan menggunakan taraf nyata 5% (0.05)
diperoleh nilai r tabel= 0.5140. nilai tersebut menjadi patokan dimana nilai hasil korelasi
tidak boleh rendah dari nilai r tabel tersebut. 

Kalau kita tinjau dari hasil semua item di atas sangat bagus sekali, dimana semua
korelasinya tinggi (dapat ditandai dengan adanya tanda ** pada setiap item). seperti item x1
dan item x2 artinya jika pemimpin perusahaan bila benar-benar melakukan monev setiap
bulan, maka kinerja karyawan yang diketahui oleh pemimpin tersebut semakin tinggi (jadi
nilai korelasi di sini sebesar 0.853**) dimana nilai tersebut tergolong sangat kuat dan
seterusnya.  sedangkan output berdiagonal 1 bisa di abaikan saja, itu bisa terjadi antar
variabel yang sama atau tidak memberikan pengaruh apa-apa terhadap variabel itu sendiri,
jadi tidak mempunyai analisis tertentu pada nilai tersebut.

17
 BAB III

PENUTUP
1.2 Kesimpulan
Dalam statistik , koefisien determinasi , dilambangkan R 2 atau r 2 dan diucapkan "R
kuadrat", adalah proporsi varians dalam variabel dependen yang dapat diprediksi dari
variabel independen.

Ini adalah statistik yang digunakan dalam konteks model statistik yang tujuan
utamanya adalah prediksi hasil di masa depan atau pengujian hipotesis , berdasarkan
informasi terkait lainnya.

Dasar pengambilan keputusan dalam Uji Autokorelasi Durbin Watson Metode

Pengujian yang sering digunakan dalam penelitian skripsi kuantitatif adalah dengan uji
durbin-watson (uji DW) dengan ketentuan atau dasar pengambilan keputusan sebagai
berikut: 1.

Validasi diartikan sebagai suatu tindakan pembuktian dengan cara yang sesuai bahwa
tiap bahan, proses, prosedur, kegiatan, sistem, perlengkapan atau mekanisme yang
digunakan dalam produksi dan pengawasan akan senantiasa mencapai hasil yang
diinginkan.

2.2 Saran
Demikian yang dapat saya paparkan mengenai materi uji model yang menjadi
pokok bahasan dalam makalah ini, tentunya masih banyak kelemahan dan kekurangan.
Karena terbatasnya pengetahuan dan kurangnya rujukan atas referensi yang ada
hubungannya dengan judul makalah ini. Penulis banyak berharap para pembaca yang
memberikan kritik dan saran yang membangun kepada penyusun demi sempurnanya

18
makalah ini dan penulisan makalah di kesempatan-kesempatan berikutnya. Semoga
makalah ini berguna bagi penulis khususnya juga para pembaca yang budiman.

19
 DAFTAR PUSTAKA

A. H. (2017, Januari 20). Pengertian dan Penjelasan Uji Autokorelasi Durbin Watson. Retrieved from
https://www.statistikian.com/2017/01/uji-autokorelasi-durbin-watson-
spss.html#Cara_Mendeteksi_Autokorelasi

Paramarta, W. A. (2010, Januari 18). ANALISIS REGRESI DAN KORELASI SEDERHANA. Diambil kembali
dari http://aryaajus.blogspot.com/2010/01/bahan-kuliah-statistik-ekonomi-stimi_18.html

Raharjo, S. (2018, Maret 28). Tutorial Uji Autokorelasi dengan Durbin Watson Menggunakan SPSS
Lengkap. Diambil kembali dari https://www.spssindonesia.com/2014/02/uji-autokorelasi-
dengan-durbin-watson.html

S. R. (2019, Januari 29). Uji Multikolinearitas dengan Melihat Nilai Tolerance dan VIF SPSS. Diambil
kembali dari https://www.spssindonesia.com/2014/02/uji-multikolonieritas-dengan-
melihat.html?m=1

Wikipedia. (2020, April 29). Coefficient of determination. Diambil kembali dari

https://en.wikipedia.org/wiki/Coefficient_of_determination

iv