UJI ASUMSI KLASIK TIGA VARIABEL

Contoh Kasus ;
Seseorang ingin meneliti hubungan antara Harga Barang (X1), Kualitas Barang (X2) dan Loyalitas
Konsumen (Y) apakah saling mempengaruhi dengan memggunakan Uji Asumsi. Berikut Data Harga
Barang, Kualitas Barang dan Loyalitas Konsumen :
Harga Kualitas Loyalitas
NO Barang Barang Konsumen
(X1) (X2) (Y)
1 44 48 28
2 45 43 38
3 47 43 36
4 48 52 36
5 51 54 40
6 42 44 28
7 49 47 36
8 50 52 38
9 55 52 36
10 51 56 40
11 42
Harga 40
Kualitas 34
Loyalitas
12 47
Barang 47
Barang 38
Konsumen
13 44(X1) 46(X2) 32 (Y)
14 36 46 37
15 38 46 34
16 47 42 32
17 41 45 32
18 42 49 35
19 49 57 39
20 52 51 34
21 48 43 33
22 51 56 35
23 44 40 40
24 45 47 28
25 47 46 36

NO
26 48 46 38
27 51 46 36
28 42 42 40
29 49 45 34
30 50 49 38
 31 55 57 32
32 51 51 37
33 42 43 34
34 47 51 32
35 44 48 32
36 36 43 35
37 38 43 39
38 47 52 34
39 41 54 33
40 42 44 35
41 49 47 28
42 52 49 38
43 48 57 36
44 51 51 35
45 50 52 38
46 55 52 36
47 51 56 40
48 42 40 34
49 47 47 38
50 44 46 32

UJI ASUMSI KLASIK

1. Uji Normalitas
2. Uji Multikolinieritas
3. Uji Heteroskedastisitas

Penyelesaian
1. Uji Normalitas
Dikatakan normal apabila nilai tingkat signifikannya > 0,05, begitu juga sebaliknya jika tingkat
signifikan < 0,05 maka tidak normal

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 33.8261 36.5470 35.1800 .68081 50
Std. Predicted Value -1.989 2.008 .000 1.000 50
Standard Error of Predicted .483 1.334 .768 .207 50
Value
Adjusted Predicted Value 33.4742 37.0782 35.1589 .74474 50
Residual -7.36722 5.62615 .00000 3.17731 50
Std. Residual -2.271 1.734 .000 .979 50
Stud. Residual -2.311 1.784 .003 1.006 50
Deleted Residual -7.63208 6.04875 .02108 3.35725 50
Stud. Deleted Residual -2.429 1.828 -.002 1.028 50
Mahal. Distance .107 7.302 1.960 1.633 50
Cook's Distance .000 .098 .019 .026 50
Centered Leverage Value .002 .149 .040 .033 50
a. Dependent Variable: Loyalitas Konsumen

Histogram

Karena Histogram membentuk kurva yang simetri, maka data tersebut berdistribusi normal

Nomal P-P Plot of Regression Standardized Residual

 Karena sebaran data mengikuti kurva (garis lurus) maka data tersebut berdistribusi normal

One-Sample Kolmogorov-Smirnov Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 50
a,b
Normal Parameters Mean .0000000
Std. Deviation 3.17730510
Most Extreme Differences Absolute .087
Positive .059
Negative -.087
Test Statistic .087
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.

Karena tingkat signifikan 0,200 > 0,05 maka data berdistribusi normal.

2. Uji Multikolinieritas
VIF (variance inflation factor)
Jika VIF di bawah atau kurang dari 10 dan tolerance value di atas atau lebih dari 0,1 maka tidak
terjadi multikolinieritas.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 27.724 5.148 5.385 .000
Harga .101 .123 .147 .820 .417 .635 1.575
Kualitas Produk .057 .121 .085 .476 .636 .635 1.575
a. Dependent Variable: Loyalitas Konsumen

Interpretasinya :
Berdasarkan tabel v diketahui bahwa nilai VIF variabel harga (X1) dan variabel kualitas barang (X2)
adalah 1,575 < 10 dan nilai tolerance value 0,635 > 0,1 maka data tersebut tidak terjadi
multikolinieritas

3. Uji Heteroskedastisitas
Karena pola data menyebar, maka data tersebut tidak terjadi Heteroskedastisitas