Tugas Individu Ratnawati 2209087091
Tugas Individu Ratnawati 2209087091
Disusun Oleh:
Ratnawati
2209087091/ 1 A
Mata kuliah :
Tanggal :
Kasus :
Untuk menganalisis data tentang hubungan (X1) dan (X2) terhadap (Y). Sampel data siswa
tersebut sebagai berikut.
Tabel 2
…. (X1) … (X2) … (Y)
94, 90, 98, 102, 100, 76, 89, 90, 80, 75, 65, 66, 75, 80, 87,
101, 90, 95, 98, 106, 72, 70, 85, 79, 80, 78, 78, 90, 88, 75,
87, 102, 80, 84, 112, 86, 99, 78, 85, 96, 69, 85, 78, 84, 65,
102, 85, 94, 89, 101, 79, 89, 82, 98, 78, 95, 92, 80, 76, 68,
80, 102, 70, 84, 90, 77, 99, 84, 85, 96, 76, 85, 78, 84, 90,
88, 100, 70 80, 76, 80 75, 82, 62
a) Lengkapi dengan variabel dependen dan variabel independen yang dapat diteliti!
b) Rumuskan judul dan rumusan masalah penelitiannya!
c) Konselasi penelitian!
d) Hipotesis statistik yang diajukan!
e) Model regresi dan maknanya!
f) Uji prasyarat (uji klasik) dan interpretasinya!
g) Masing-masing Koefisien Korelasi Parsial dan interpretasinya!
h) Koefisien Determinasi berganda dan interpretasinya!
i) Kesimpulan dari hasil uji hipotesis!
JAWABAN TUGAS
Kasus :
Untuk menganalisis data tentang hubungan (X1) dan (X2) terhadap (Y). Sampel data siswa
tersebut sebagai berikut.
Tabel 2
Motivasi (X1) Perhatian Orang Kedisiplinan (Y)
Tua (X2)
94, 90, 98, 102, 100, 76, 89, 90, 80, 75, 65, 66, 75, 80, 87,
101, 90, 95, 98, 106, 72, 70, 85, 79, 80, 78, 78, 90, 88, 75,
87, 102, 80, 84, 112, 86, 99, 78, 85, 96, 69, 85, 78, 84, 65,
102, 85, 94, 89, 101, 79, 89, 82, 98, 78, 95, 92, 80, 76, 68,
80, 102, 70, 84, 90, 77, 99, 84, 85, 96, 76, 85, 78, 84, 90,
88, 100, 70 80, 76, 80 75, 82, 62
c. Konselasi penelitian!
X1
Y
X2
Dari hasil analisisi di atas diketahui VIF untuk variable motivasi dan perhatian orang
tua sama yaitu 1,011. Karena nilai dari kedua variabel tidak ada yang lebih besar dari
10 atau 5 (banyak buku yang menyaratkan tidak lebih dari 10, tapi ada juga yang
menyaratkan tidak lebih dari 5) maka dapat dikatakan tidak terjadi multikolinieritas
pada kedua variabel bebas tersebut. Berdasarkan syarat asumsi klasik regresi linier
dengan OLS, maka model regresi linier yang baik adalah yang terbebas dari adanya
multikolinieritas. Dengan demikian, model di atas telah terbebas dari adanya
multikolinieritas.
2. Uji Autokorelasi
Berikut ini output dari analisis data:
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
a
1 .156 .024 -.054 9.019 1.608
a. Predictors: (Constant), Perhatian Orang Tua, Motivasi Belajar
b. Dependent Variable: Kedisiplinan Peserta Didik
Nilai Durbin-Watson yang tertera pada output SPSS disebut dengan DW hitung.
Angka ini akan dibandingkan dengan kriteria penerimaan atau penolakan yang akan
dibuat dengan nilai dL dan dU ditentukan berdasarkan jumlah variabel bebas dalam
model regresi (k) dan jumlah sampelnya (n). Nilai dL dan dU dapat dilihat pada Tabel
DW dengan tingkat signifikansi (error) 5% (α = 0,05)
Nilai DW hitung sebesar 1,608 lebih besar dari 1,5596 dan lebih kecil dari 2,4404
yang artinya berada pada daerah tidak ada autokorelasi. Sehingga dapat disimpulkan
bahwa dalam model regresi linier tidak terjadi autokorelasi.
3. Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan membuat Scatterplot (alur sebaran)
antara residual dan nilai prediksi dari variabel terikat yang telah distandarisasi.
Hasil uji heteroskedastisitas dapat dilihat pada gambar Scatterplot, seperti pada
gambar di bawah ini:
Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu
pola/alur tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau
dengan kata lain terjadi homoskedastisitas. Asumsi klasik tentang heteroskedastisitas
dalam model ini terpenuhi, yaitu terbebas dari heteroskedastisitas. Uji ini (scatterplot)
rentan kesalahan dalam penarikan kesimpulannya.
Hal ini dikarenakan penentuan ada tidaknya pola/alur atas titik-titik yang ada
di gambar sangat bersifat subjektif. Bisa saja sebagian orang mengatakan tidak ada
pola, tapi sebagian lainnya mengatakan ini ada polanya. Tidak ada ukuran yang pasti
kapan
suatu scatterplot membentuk pola atau tidak. Keputusan hanya mengandalkan
pengamatan/penglihatan peneliti.
4. Uji Normalitas
Hasil Output:
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 28
Normal Parametersa,b Mean .0000000
Std. Deviation 8.67898867
Most Extreme Differences Absolute .104
Positive .080
Negative -.104
Test Statistic .104
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Artinya: Dari hasil analisis data diperoleh nilai Asymp. Sig (2-tailed) sebesar 0,200
> 0,05. Dengan kata lain bahwa nilai nilai KS tidak signifikan berarti residual
berdistribusi secara normal.
Interpretasi Data:
Hasil analisis nilai Sig sebesar 0,734 > 0,05 sehingga dapat disimpulkan bahwa Ho di
terima dan H3 di tolak yang artinya bahwa tidak ada pengaruh yang signifikan secara
bersama – sama antara motivasi belajar dan perhatian orang tua terhadap kedisiplinan
peserta didik di SDN Sukapura 02.
Interpretasi Data:
Hasil analisis data model Summary untuk nilai Adjusted R Square sebesar – 0,054.
Hal ini berarti -5,4% kedisiplinan peserta didik dapat dijelaskan oleh variasi dari variable
Independen yaitu motivasi belajar dan Perhatian Orang tua.
Nilai Adjusted R-square bernilai negatif, berarti bahwa model yang diajukan tidak cocok
untuk data.