1.

Buatlah simulasi data penelitian untuk penelitian kuantitatif Analisis Jalur dengan minimal 3 Variabel ( antar
mahasiswa data tidak boleh sama ) ?
CONTOH : DISTRIBUSI DATA SAMPEL PENELITIAN
Banyaknya sampel dalam penelitian ini ada 172 sampel. Dimana banyaknya sampel pria sebanyak 72 orang, dan sampel wanita
sebanyak 100 orang.
Banyaknya responden yang dari kelas X ada sebanyak 34 orang, dan kelas XI ada sebanyak 138 orang.
Berikut ini adalah penjabaran sampel penelitian ini
Jenis Kelamin
Kelas Laki - laki Perempuan

Kelas X 12 22
Kelas XI 60 78

Dari 172 sampel responden, 1 sampel dihapus dari danalisis data. Hal ini dikarenakan reponden tersebut tidak mengisi kuesioner
secara utuh.
Asumsi analisis regresi berganda

Petemanan
(X1)
Self Esteem
(Y)
Pengasuhan
(X2)

Gambar. Model Hubungan Antar Variabel

2. Lakukan uji uji prasyarat dibawah ini ?
1. Uji Normalitas
Dimana asumsi yang harus terpenuhi adalah model regresi berdistibusi normal
2. Uji Linieritas
Dimana hubungan yang terbentuk antara variable independent dengan variable dependen secara parsial adalah linier
3. Uji Multikolineritas
Dalam model regresi tidak terjadi gejala multikolinieritas
4. Uji Heteradastisitas
Dalam model regresi tidak terjadi gejala Heterodastisitas
5. Uji Auto Korelasi
Dalam model regresi tidak terjadi auto korelasi

CONTOH
A. Uji Normalitas
Hipotesis Uji Normalitas
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
 Keputusan :
a. Jika nilai signifikasi (Sig.) lebih besar dari 0.05, maka data penelitian berdistribusi normal
b. Jika nilai signifikasi (Sig.) lebih kecil dari 0.05, maka data penelitian tidak berdistribusi normal

One-Sample Kolmogorov-Smirnov Test

X1 X2 Y
N 171 171 171
a,b
Normal Parameters Mean 72.9942 59.7368 70.1930
Std. 5.04159 4.92243 4.43159
Deviation
Most Extreme Absolute .065 .064 .064
Differences Positive .065 .054 .064
Negative -.042 -.064 -.056
Test Statistic .065 .064 .064
c
Asymp. Sig. (2-tailed) .078 .086c .085c

Dari hasil uji normalitas diperoleh

a. Diketahui nilai signifikasi (Sig.) Pengasuhan (X1) = 0.78 > 0.05, hal ini berarti data variabel pengasuhan berdistribusi
normal
b. Diketahui nilai signifikasi (Sig.) Pertemanan (X2) = 0.86 > 0.05, hal ini berarti data variabel pertemanan berdistribusi
normal
c. Diketahui nilai signifikasi (Sig.) Seft Esteen (Y) = 0.85 > 0.05, hal ini berarti data variabel pengasuhan berdistribusi
normal

B. Uji Linieritas
Dasar pengambilan keputusan Uji Linieritas
(a) Probabilitas nilai signifikasi (Sig.) > 0,05, berarti tidak terdapat perbedaan kelinieran antara variabel independen
(variabel bebas) dengan variabel dependen (variabel terikat) /terdapat hubungan linier antara variabel independen
(variabel bebas) dengan variabel dependen (variabel terikat).
 (b) Probabilitas nilai signifikasi (Sig.) < 0,05, berarti terdapat perbedaan kelinieran antara variabel independen (variabel
bebas) dengan variabel dependen (variabel terikat) / tidak terdapat hubungan linier antara variabel independen (variabel
bebas) dengan variabel dependen (variabel terikat).

ANOVA Table
Sum of
Squares df Mean Square F Sig.
Y* Between Groups (Combined) 596.762 24 24.865 1.324 .158
X1 Linearity 64.810 1 64.810 3.451 .065
Deviation from 531.951 23 23.128 1.232 .227
Linearity
Within Groups 2741.870 146 18.780
Total 3338.632 170

Dari hasil uji linieritas diperoleh nilai signifikasi (Sig.) Deviation from Linearity = 0.227 > 0.05, hal ini berarti terdapat
hubungan linier antara variabel independen (variabel bebas) dengan variabel dependen (variabel terikat).

C. Uji Multikolineritas
Dasar pengambilan keputusan pada uji multikolinieritas dengan tolerace dan VIF adalah sebagai berikut
Pedoman pengambilan keputusan berdasarkan nilai Tolerance
a) Jika nilai tolerance lebih besar dari 0.10 maka artinya tidak terjadi multikolinieritas dalam model regresi
b) Jika nilai tolerance lebih kecil dari 0.10 maka artinya terjadi multikolinieritas dalam model regresi
Pedoman pengambilan keputusan berdasarkan nilai VIF (Variance Inflation Factor
a) Jika nilai VIF lebih kecil dari 10.00 maka artinya tidak terjadi multikolinieritas dalam model regresi
b) Jika nilai VIF lebih besar dari 10.00 maka artinya terjadi multikolinieritas dalam model regresi

Coefficientsa
Collinearity
Statistics
Model Tolerance VIF
 1 X1 .953 1.050
X2 .953 1.050
a. Dependent Variable: Y

Dari hasil uji multikolinieritas diperoleh nilai Tolerance variabel Pengasuhan (X1) = 0.953 > 0.01, dan nilai VIF variabel
Pengasuhan (X1) = 1.050 < 10.00, hal ini berarti tidak terjadi multikolinieritas
Dari hasil uji multikolinieritas diperoleh nilai Tolerance variabel Pertemanan (X2) = 0.953 > 0.01, dan nilai VIF variabel
Pertemanan (X2) = 1.050 < 10.00, hal ini berarti tidak terjadi multikolinieritas

Dari hasil uji multikolinieritas jelas bahwa variabel Pengasuhan (X1) dan variabel Pertemanan (X2) terhadap Seft Esteen (Y)
tidak terjadi multikolinieritas.

D. Uji Heteroskedastisitas
Dasar pengambilan keputusan dalam uji heteroskedastisitas.
(a) Probabilitas nilai signifikasi (Sig.) > 0,05, berarti tidak terjadi gejala heteroskedastisitas.
(b) Probabilitas nilai signifikasi (Sig.)< 0,05, berarti terjadi gejala heteroskedastisitas.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.717 3.358 1.404 .162
X1 .014 .040 .027 .347 .729
X2 .037 .041 .071 .900 .369
a. Dependent Variable: ABS_RES
 Dari hasil uji heteroskedastisitas diperoleh nilai signifikasi (Sig.) variabel Pengasuhan (X1) = .0729 > 0.05, dan variabel
Pertemanan (X2) = 0.369 > 0.05, hal ini berarti tidak terjadi heteroskedastisitas.

E. Uji Auto Korelasi

Dasar pengambilan keputusan Uji autokorelasi Durbin Watson
1. Jika d (durbin Watson) lebih kecil dari dL atau lebih besar dari (4 – dL) maka hipotesis nol ditolak, yang berarti terdapat
autokorelasi.
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.

Dasar pengambilan keputusan dalam uji autokorelasi

Dari hasil table durbin Watson untuk (variabel, sampel) --> (3, 171), nilai dU = 1,7856, dan nilai (4 – dU) = 4 – 1,7856 =
3,2144.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 .178a .032 .020 4.38695 2.020
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y

Dari hasil analisis Uji autokorelasi Durbin Watson diperoleh nilai Durbin Watson = 2.020. nilai tersebut terletak antara nilai
nilai dU = 1,7856, dan nilai (4 – dU) = 3,2144. Hal ini berarti berarti tidak ada autokorelasi.
Berdasarkan data diatas, kelima asumsi tersebut telah dipenuhi.
3. Lakukan Uji Regeresi Linier Berganda atau SEM ?
uji t dengan uji F dalam analisis regresi linear berganda adalah terletak pada makna pengaruh yang
diberikan variabel X terhadap variabel Y apakah terpisah atau gabungan.
a) Uji t berguna untuk mengetahui pengaruh variabel X secara partial (sendiri-sendiri) terhadap variabel
Y, Sementara
b) Uji F bertujuan untuk mengetahui pengaruh variabel X secara simultan (bersama-sama atau gabungan)
terhadap variabel Y.

Uji hipotesis dalam uji F. Pertama adalah membandingkan nilai signifikansi (Sig.) atau nilai
probabilitas hasil output Anova. Kedua adalah membandingkan nilai F hitung dengan nilai F tabel.
1. Berdasarkan Nilai Signifikansi (Sig.) dari Output Anova
a) Jika nilai Sig. < 0,05, maka hipotesis diterima. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
berpengaruh terhadap Seft Esteen (Y).
b) Jika nilai Sig. > 0,05, maka hipotesis ditolak. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
tidak berpengaruh terhadap Seft Esteen (Y).
2. Berdasarkan Perbandingan Nilai F Hitung dengan F Tabel
a) Jika nilai F hitung > F tabel, maka hipotesis diterima. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
berpengaruh terhadap Seft Esteen (Y), Sebaliknya,
b) Jika nilai F hitung < F tabel, maka hipotesis ditolak. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
tidak berpengaruh terhadap Seft Esteen (Y).

Pengaruh variabel Pengasuhan (X1) terhadap Seft Esteen (Y).

 ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 64.810 1 64.810 4.346 .046b
Residual 3273.821 169 19.372
Total 3338.632 170
a. Dependent Variable: Y
b. Predictors: (Constant), X1

Hipotesis yang diasumsikan/ diajukan :

H0 :  = 0; variabel Pengasuhan (X1) tidak berpengaruh signifikan terhadap Seft Esteen (Y).
H1 :   0; variable Pengasuhan (X1) berpengaruh signifikan terhadap Seft Esteen (Y).

Dari hasil analisis data diperoleh

1. Berdasarkan Nilai Signifikansi (Sig.) dari Output Anova, diketahui nilai Sig. = 0.046 < 0.05. Hal ini berarti Pengasuhan (X1)
secara simultan berpengaruh terhadap Seft Esteen (Y). Atau bisa dikatakan bahwa maka model regresi dapat dipakai untuk
memprediksi variabel self esteem.

Atau dari hasil

2. Perbandingan Nilai F Hitung dengan F Tabel
Nilai F hitung = 4.346 > Ftabel = 3.90, Hal ini berarti artinya Pengasuhan (X1) secara simultan berpengaruh terhadap Seft
Esteen (Y).
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 61.253 4.899 12.503 .000
X1 .122 .067 .139 2.982 .046
a. Dependent Variable: Y

Pada table coefficients pada kolom B pada Constant (a) adalah 61.253, sedangkan nilai pertemanan (b) adalah 0.122 . Sehingga model
regresinya bisa dituliskan menjadi
Y^ =a+bX + ε atau Y^ =61.253+0.122 X +ε
Hal ini berarti penambahan 1 satuan Pengasuhan (X1) akan mampu menaikan Seft Esteen (Y) sebesar 61.253.

Dan besarnya pengaruh dapat dilihat dalam table berikut ini

Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
a
1 .139 .029 .024 4.40133
a. Predictors: (Constant), X1

Tabel diatas menjelaskan besarnya nilai korelasi/hubungan (R) yaitu sebesar 0.139, dan dijelaskan besarnya prosentase pengaruh
variabel bebas pengasuhan terhadap variabel terikat self esteem yang disebut koefisien determinasi (R Square) yaitu sebesar 0.029
=2,9% Hal ini mengandung pengertian bahwa pengaruh variabel bebas pengasuhan terhadap variabel terikat self esteem adalah
sebesar 2,9% Sedangkan sisanya dipengaruhi oleh variabel lain.
 3. Lakukan Interprestasi data ?
Contoh
Pengaruh variabel Pertemanan (X2) terhadap Seft Esteen (Y).
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 63.562 1 63.562 4.280 .037b
Residual 3275.070 169 19.379
Total 3338.632 170
a. Dependent Variable: Y
b. Predictors: (Constant), X2

Dari hasil analisis data diperoleh

1. Berdasarkan Nilai Signifikansi (Sig.) dari Output Anova, diketahui nilai Sig. = 0.037 < 0.05. Hal ini berarti Pertemanan (X2)
secara simultan berpengaruh terhadap Seft Esteen (Y). Atau bisa dikatakan bahwa maka model regresi dapat dipakai untuk
memprediksi variabel self esteem.

Atau dari hasil

2. Perbandingan Nilai F Hitung dengan F Tabel
Nilai F hitung = 4.280 > Ftabel = 3.90, Hal ini berarti artinya Pertemanan (X2) secara simultan berpengaruh terhadap Seft
Esteen (Y).
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 62.772 4.111 15.269 .000
X2 .124 .069 .138 2.981 .037
a. Dependent Variable: Y

Pada table coefficients pada kolom B pada Constant (a) adalah 62.772, sedangkan nilai pertemanan (b) adalah 0.124 . Sehingga model
regresinya bisa dituliskan menjadi
Y^ =a+bX + ε atau Y^ =62.772+ 0.124 X + ε
Hal ini berarti penambahan 1 satuan Pertemanan (X2) akan mampu menaikan Seft Esteen (Y) sebesar 62.772.
Dan besarnya pengaruh dapat dilihat dalam table berikut ini

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
a
1 .138 .129 .132 4.40217 2.022
a. Predictors: (Constant), X2
b. Dependent Variable: Y

Tabel diatas menjelaskan besarnya nilai korelasi/hubungan (R) yaitu sebesar 0.138, dan dijelaskan besarnya prosentase pengaruh
variabel bebas pertemanan terhadap variabel terikat self esteem yang disebut koefisien determinasi (R Square) yaitu sebesar 0.129
=12,9% Hal ini mengandung pengertian bahwa pengaruh variabel bebas pertemanan terhadap variabel terikat self esteem adalah
sebesar 2,9% Sedangkan sisanya dipengaruhi oleh variabel lain.
Pengaruh variabel Pengasuhan (X1) dan Pertemanan (X2) terhadap Seft Esteen (Y).
Berdasarkan Nilai Signifikansi (Sig.)
a) Jika nilai Sig. < 0,05, maka hipotesis diterima. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
berpengaruh terhadap Seft Esteen (Y).
b) Jika nilai Sig. > 0,05, maka hipotesis ditolak. Maka artinya Pengasuhan (X1) dan Pertemanan (X2) secara simultan
tidak berpengaruh terhadap Seft Esteen (Y).

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 105.417 2 52.709 3.729 .046b
Residual 3233.214 168 19.245
Total 3338.632 170
a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1

Berdasarkan Nilai Signifikansi (Sig.) dari Output Anova, diketahui nilai Sig. = 0.046 < 0.05. Hal ini berarti Pengasuhan (X1) dan
Pertemanan (X2) secara simultan berpengaruh terhadap Seft Esteen (Y).

Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
a
1 .178 .320 .350 4.38695
a. Predictors: (Constant), X2, X1
Tabel diatas menjelaskan besarnya nilai korelasi/hubungan (R) antara variaabel bebas dan variabel terikat yaitu sebesar 0.178, dan
dijelaskan besarnya prosentase pengaruh variabel bebas pengasuhan dan pertemanan terhadap variabel terikat self esteem yang
disebut koefisien determinasi (R Square) yaitu sebesar 0.320 =32% Hal ini mengandung pengertian bahwa pengaruh variabel bebas
pengasuhan dan pertemanan terhadap variabel terikat self esteem adalah sebesar 32% Sedangkan sisanya dipengaruhi oleh variabel
lain.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 56.755 5.782 9.816 .000
X1 .101 .068 .115 2.575 .014
X2 .102 .070 .113 2.553 .014
a. Dependent Variable: Y

Jadi hasil diatas diperoleh bahwa persamaan Regresi linier gandanya adalah
Ỳ =0.101 X 1+0.102 X 2+56.755+ Error
Jadi penambahan 1 satuan variabel Pengasuhan (X1) dan penambahan 1 satuan variabel Pertemanan (X2) akan berpengaruh pada
penambahan variabel Seft Esteen (Y) sebesar 0.203.