JURNAL PENELITIAN
PENTINGNYA UJI ASUMSI KLASIK PADA ANALISIS REGRESI LINEAR
BERGANDA (STUDI KASUS PENYUSUNAN PERSAMAAN ALLOMETRIK
KENARI MUDA [CANARIUM INDICUM L.])
.
Kelompok 9 :
Nama NIM
Handizah Kingkin Rahmania 210321100116
Niluh Purbowati 210321100120
Ach. Riyanto Abdillah 210321100123
Suaidiyah 210321100128
Model regresi linier berganda untuk populasi diatas dapat ditaksir dengan model regresi linier
berganda untuk sampel, yaitu :
̂
Keterangan Variabel
a) Variabel Independen :
1. X 1 (Diameter Pohon) : diameter dari pohon kenari muda yang diukur dalam satuan
centimeter (cm).
2. X2 (Tinggi Pohon) : tinggi dari pohon kenari muda yang diukur dalam satuan centimeter
(cm).
b) Variabel Dependen :
1. Y (Biomassa atas dan bawah tanah) : perhitungan biomassa atas dan bawah tanah.
Hasil Analisis Regresi Linier Berganda dan Asumsi Klasik
a. Berat Kering Biomassa di Atas Tanah dan di Bawah Tanah Kenari Muda
Apabila 32 kenari muda telah ditebang, lalu dipilah tiap komponen tanaman dan
ditimbang berat basah, berat kering sehingga diperoleh biomassa atas tanah, biomassa
bawah tanah (akar) dan biomassa atas dan bawah tanah. Berikut tabel berat kering
biomassa di atas tanah dan di bawah tanah.
b. Hubungan Diameter dan Tinggi Pohon dengan Total Biomassa Atas dan Bawah
Tanah
Hubungan diameter dan tinggi pohon dengan total biomassa atas dan bawah tanah
dibuat dengan persamaan allometrik kenari muda dimana diameter dan tinggi pohon
sebagai variabel independen dan total biomassa bagian atas dan bawah tanah sebagai
variabel dependen.
Interpretasi hasil uji asumsi klasik dan regresi linier berganda sebagai berikut :
1. Uji Normalitas Residual
Data yang disebarkan pada sumber diagonal grafik Normal P-P Plot of regression
standardized berada di sekitar garis dan mengikuti garis diagonal sehingga model
regresi tersebut telah normal dan layak dipakai untuk memprediksi variabel bebas
begitupun sebaliknya.
Hasil uji normalitas dapat dilihat pada output regresi pada gambar di atas, titik-
titik terlihat jelas menyebar sekitar garis dan mengikuti garis diagonal maka
model regresi tersebut telah normal. Agar lebih meyakinkan disertai juga uji
normalitas lainnya dengan metode uji One Sample Kolmogorov Smirnov. Hasil uji
normalitas residual disajikan pada tabel di bawah ini.
Berdasarkan tabel di atas dapat diketahui bahwa nilai signifikansi dari data
residual sebesar 0,930 > 0,05, maka residual terdistribusi normal.
2. Uji Multikolinearitas
Pada tabel di atas dapat diketahui bahwa kedua variabel independen memiliki nilai
signifikansi lebih dari 0, maka tidak ada masalah heteroskedastisitas pada model
regresi ini.
4. Uji Autokorelasi
Pada tabel di atas menunjukkan bahwa nilai Durbin Watson (DW) = 2,098 yang
berada di rentang nilai 1,65 – 2,35, maka tidak ada autokorelasi.
c. Hasil Analisis Regresi Linier Berganda
Hasil Uji F disajikan pada Tabel diatas dimana variabel X1 dan X2 secara bersama-
sama berpengaruh terhadap Y3. Hal ini karena Nilai Signifikansi < 0,05 (0,004 < 0,05).
Dan nilai F Tabel < F Hitung (3,32<6,762).