Nama : Veny Nurhayani

NIM : 212011300
Kelas : 2ST1

1. Bangun model yang menjelaskan hubungan Y dengan X1 dan X3. Tuliskan persamaan
regresi yang diperoleh.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -3.500 3.881 -.902 .369
X1 .810 .689 .095 1.176 .243
X3 12.169 1.653 .595 7.362 .000
a. Dependent Variable: Y

Berdasarkan output tersebut, model yang diperoleh untuk menjelaskan hubungan antara
Y dan X1 dan X3 adalah
Y^i=−3,500+ 0,810 X 1 +12,169 X 3

2. Periksa apakah persamaan regresi pada soal 1) memenuhi asumsi normalitas dan
homoskedastisitas.

a. Asumsi Normalitas

Dari output di atas dapat kita lihat Q-Q plot tidak membentuk garis lurus, terdapat
penyimpangan dari garis lurus pada bagian ujung-ujung. Hal ini mengindikasikan
 asumsi normalitas terlanggar. Hal ini dapat dikonfirmasi dengan uji formal
dengan menu berikut

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized .147 100 .000 .832 100 .000
Residual
a. Lilliefors Significance Correction

Hasil pengujian dengan uji Kolmogorov-Smirnov mau Shapiro-Wilk memberikan nilai Sig. =
0,00 yang berarti Tolak H0, jadi residual tidak berdistribusi normal. Hasil ini sejalan dengan
amatan visual melalui Q-Q plot.

Dari kedua plot di atas juga terlihat bahwa residual tidak berdistribusi normal/tidak simetris,
cenderung menceng kanan.

b. Asumsi Homoskedastisitas
Kita dapat menguji homoskedastisitas dengan uji glejser, berikut output spss uji glejser dgn
ABS_RES sebagai variable dependen
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -3.781 2.827 -1.337 .184
X1 .029 .502 .006 .059 .953
X3 3.424 1.204 .279 2.844 .005
a. Dependent Variable: ABS_RES
Dari output di atas dapat dilihat bahwa nilai koefisien regresi untuk X3 signifikan. Hal ini
menunjukkan terjadi homoskedastisitas pada model.
 3. Jika asumsi normalitas terlanggar, lakukan tindakan perbaikan untuk mendapatkan
model yang memenuhi asumsi normalitas.

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized .063 100 .200* .981 100 .150
Residual
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Setelah Y, X1, dan X3 diinverskan maka didapatkan hasil uji normalitas p-value > alpha,
maka asumsi normalitas telah terpenuhi.
Maka, model yang tepat adalah

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.001 .006 -.220 .826
X1invers .015 .012 .100 1.272 .206
X3invers .081 .010 .627 8.012 .000
a. Dependent Variable: Yinvers

Y^i−1=−0,001+ 0 , 015 X 1−1+ 0,081 X 3−1

4. Jika asumsi homoskedastisitas terlanggar, lakukan perbaikan untuk mendapatkan model

yang memenuhi asumsi homoskedastisitas.

Selanjutnya kita uji homoskedastisitas pada model yang telah terbentuk di soal no 3
dengan uji glejser

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .008 .004 2.082 .040
 X1invers .007 .008 .088 .857 .393
X3invers -.009 .007 -.140 -1.369 .174
a. Dependent Variable: abs_ress

Dari output di atas dapat dilihat bahwa nilai koefisien regresi untuk X1 dan X3 tidak
signifikan. Hal ini menunjukkan tidak terjadi homoskedastisitas pada model. Maka model

Y^i =−0,001+ 0 , 015 X 1 + 0,081 X 3 telah tepat

−1 −1 −1

Uji homoskedastisitas berdasarkan modul :

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.378 .629 2.193 .031
X1_BX3 .104 .417 .037 .249 .804
X3_BX3 -1.403 1.656 -.126 -.847 .399
a. Dependent Variable: ABS_RES_3

Dari hasil uji Glejser di atas ditunjukkan bahwa nilai signifikansi (sig) untuk X1/X3^2
adalah 0,804 dan X3/X3^2 adalah 0,399; berarti sig kedua variable setelah dilakukan
metode WLS kecil dari alpha = 0,05, hal ini menunjukkan tidak ada lagi gejala
homoskedastisitas. Hal tersebut menunjukan bahwa metode WLS yang digunakan
berhasil mengatasi masalah homoskedastisitas pada model kita.