LAPORAN PRAKTIKUM

PERTEMUAN II & III

PENGANTAR ANALISIS REGRESI

Oleh

Nama : Muhammad Kevyn Ridho Ariendra

NPM : F1F022034

Dosen Pengampu : Dyah Setyo Rini, S.Si., M.Sc.

Asisten Praktikum : 1. Destria Dwina Putri Syahbet (F1F021001)

2. Alya Saputri (F1F021019)

LABORATORIUM MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BENGKULU
2023
 KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Esa karena berkat limpahan
rahmat dan karunianya laporan tugas praktikum mata kuliah Pengantar Analisis
Regresi ini dapat diselesaikan dengan tepat waktu. Pada kesempatan ini juga
penulis mengucapkan terima kasih yang sebesar-besarnya kepada berbagai pihak
yang telah membantu selama pengerjaan praktikum ini, terutama kepada:
1. Dyah Setyo Rini, S.Si., M.Sc. selaku Dosen Pengampu
2. Destria Dwina Putri Syahbet selaku Asisten Praktikum
3. Alya Saputri selaku Asisten Praktikum
4. Terakhir, pada keluarga dan teman-teman yang senantiasa memberikan
dukungan kepada penulis.
Penulis menyadari bahwa dalam proses penyusunan laporan praktikum ini
masih banyak kekurangan baik pada segi susunan kata, kalimat ataupun tatanan
bahasa. Oleh karena itu, kritik dan saran sangat diharapkan penulis agar dimasa
datang menjadi lebih baik.

Bengkulu, 04 November 2023

Muhammad Kevyn Ridho A

ii
 DAFTAR ISI

HALAMAN JUDUL...............................................................................................i
KATA PENGANTAR...........................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR GAMBAR.............................................................................................iv
DAFTAR TABEL..................................................................................................v
DAFTAR LAMPIRAN.........................................................................................vi
BAB I PENDAHULUAN.......................................................................................
1.1 Latar Belakang..........................................................................................
1.2 Rumusan Masalah....................................................................................
1.3 Tujuan Penelitian......................................................................................
1.4 Manfaat Penelitian....................................................................................
1.5 Batasan Masalah.......................................................................................
1.6 Sistematika Penulisan...............................................................................
BAB II TINJAUAN PUSTAKA...........................................................................
2.1 Analisis Regresi Berganda.......................................................................
2.2 Uji Asumsi Klasik.....................................................................................
2.2.1 Uji Multikolinieritas............................................................................
2.2.2 Uji Heteroskedastisitas........................................................................
2.2.3 Uji Autokorelasi..................................................................................
2.2.4 Uji Normalitas.....................................................................................
BAB III METODE PENELITIAN.....................................................................10
3.1 Jenis dan Sumber Data...........................................................................10
3.2 Variabel Penelitian..................................................................................10
3.3 Analisis Data............................................................................................11
3.4 Diagram Alir Penelitian.........................................................................12
BAB IV HASIL DAN PEMBAHASAN.............................................................13
4.1 Statistik Deskriptif Data.........................................................................13
4.2 Hasil Batasan Masalah...........................................................................14
4.3 Pengujian Hipotesis................................................................................16
BAB V KESIMPULAN DAN SARAN...............................................................21
5.1 Kesimpulan..............................................................................................21
5.2 Saran........................................................................................................22
DAFTAR PUSTAKA...........................................................................................23
LAMPIRAN..........................................................................................................24

iii
 DAFTAR GAMBAR

Gambar 3.1. Diagram alir pengujian......................................................................12

iv
 DAFTAR TABEL

Tabel 4.1. Summary data.......................................................................................13

Tabel 4.2. Summary regresi...................................................................................14
Tabel 4.3. Tabel uji Multikolonieritas...................................................................15
Tabel 4.4. Tabel uji Heterokedasttisitas.................................................................15
Tabel 4.5. Tabel uji Autokorelasi..........................................................................15
Tabel 4.6. Tabel uji Normalitas.............................................................................15

v
 DAFTAR LAMPIRAN

Lampiran 1. Data batasan masalah........................................................................24

Lampiran 2. Source code Analisis Regresi Berganda............................................25
Lampiran 3. Hasil summary data...........................................................................25
Lampiran 4. Hasil summary regresi.......................................................................25
Lampiran 5. Hasil uji Multikolonieritas.................................................................26
Lampiran 6. Hasil uji Heterokedastisitas...............................................................26
Lampiran 7. Hasil uji Autokorelasi........................................................................26
Lampiran 8. Hasil uji Normalitas...........................................................................26
Lampiran 9. Hasil plot uji Normalitas...................................................................26

vi
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Analisis regresi merupakan suatu cara yang dapat digunakan untuk

mengetahui hubungan sebuah variabel tak bebas dengan satu atau lebih variabel

bebas. Analisis regresi dapat digunakan untuk menganalisis data dan mengambil

kesimpulan yang bermakna tentang hubungan ketergantungan variabel terhadap

variabel lainnya. Berdasarkan jumlah variabel bebas, Analisis Regresi Linier

dibagi menjadi dua macam yaitu, Analisis Regresi Linier Sederhana dan Analisis

Regresi Linier Berganda. Regresi linier yang terdiri dari satu variabel dependen

dan satu variabel independen disebut regresi linier sederhana, sedangkan regresi

linier yang terdiri dari satu variabel dependen dan beberapa variabel independen

disebut regresi linier berganda. Hubungan antar variabel-variabel tersebut dapat

dinyatakan dalam model matematika.

Uji asumsi klasik ini merupakan uji prasyarat yang dilakukan sebelum

melakukan analisis lebih lanjut terhadap data yang telah dikumpulkan. Pengujian

asumsi klasik ini ditujukan agar dapat menghasilkan model regresi yang

memenuhi kriteria BLUE (Best Linier Unbiased Estimator). Prasmono & Ahdika

(2022) mengatakan bahwa Analisis Regresi Linier Berganda ini untuk mendapati

arah hubungan antara variabel bebas dan variabel terikat berhubungan positif atau

negatif. Terdapat pula pengujian asumsi klasik yang dimaksudkan untuk

menjabarkan beberapa asumsi dari persamaan regresi yang harus terpenuhi agar

persamaan regresi yang dihasilkan valid, diantaranya yaitu uji asumsi

1
Multikolinieritas, uji asumsi Heteroskedastisitas, uji asumsi Autokorelasi dan uji

asumsi Normalitas.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, masalah yang dapat disimpulkan adalah

Bagaimana cara melakukan uji asumsi Multikolinieritas, Heteroskedastisitas,

Autokorelasi dan Normalitas untuk Analisis Regresi Berganda dengan

menggunakan program R?

1.3 Tujuan Penelitian

Berdasarkan rumusan masalah di atas, tujuan yang dapat disimpulkan adalah

Mahasiwa mampu melakukan uji asumsi Multikolinieritas, Heteroskedastisitas,

Autokorelasi dan Normalitas untuk Analisis Regresi Berganda dengan

menggunakan program R.

1.4 Manfaat Penelitian

Dengan manfaat yang didapatkan dari penelitian ini adalah sebagai berikut :

1. Menambah wawasan dan pengetahuan dalam ruang lingkup materi Analisis

Regresi Berganda.

2. Memberikan informasi bagaimana cara melakukan uji asumsi Analisis

Regresi Berganda dengan benar mengunakan program R.

3. Memberikan informasi bagaimana cara menginterprestasikan hasil dari

Analisis Regresi Berganda yang telah dilakukan.

4. Dapat dijadikan referensi untuk penelitian selanjutnya.

1.5 Batasan Masalah

Pada penelitian ini, adapun batasan masalahnya adalah mencari data yang

terdiri dari satu variabel respon dan minimal tiga variabel prediktor, kemudian uji

2
asumsi Multikolinieritas, Heteroskedastisitas, Autokorelasi dan Normalitas. Lalu,

atasi permasalahan pada Multikolinieritas, Heteroskedastisitas, Autokorelasi dan

Normalitas yang ada.

1.6 Sistematika Penulisan

Adapun sistematika penulisan dari pratikum ini adalah:

BAB I PENDAHULUAN

Bab ini merupakan bab yang memuat latar belakang, rumusan

masalah, tujuan dan manfaat, batasan masalah dan sistematika

penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini merupakan bab yang memuat pengertian dan teori yang

diperlukan untuk rancangan penelitian pada bab-bab berikutnya.

BAB III METODE PENELITIAN

Bab ini merupakan bab yang memuat jenis dan sumber data,

variabel penelitian, analisis data dan diagram alir yang diperlukan

untuk rancangan penelitian pada bab-bab berikutnya.

BAB IV HASIL DAN PEMBAHASAN

Bab ini merupakan bab yang memuat hasil dan pembahasan yang

telah dilakukan pada program kemudian diinterpretasikan yang

diperlukan untuk rancangan penelitian pada bab-bab berikutnya.

BAB V KESIMPULAN DAN SARAN

Bab ini merupakan bab yang memuat kesimpulan dan saran yang

telah dilakukan.

DAFTAR PUSTAKA

3
Pada bagian daftar pustaka merupakan bab yang memuat sumber-

sumber dari mana saja untuk mendapatkan teori pada BAB I dan

BAB II.

LAMPIRAN

Pada bagian lampiran merupakan bab yang memuat hasil output

dari hasil yang telah dilakukan berupa gambar atau tabel.

4
 BAB II

TINJAUAN PUSTAKA

2.1 Analisis Regresi Berganda

Regresi linier berganda merupakan model persamaan yang menjelaskan

hubungan satu variabel tak bebas atau response (Y ) dengan dua atau lebih

variabel bebas atau prediktor (X 1 , X 2 , … X n ). Tujuan dari uji regresi linier

berganda adalah untuk memprediksi nilai variabel tak bebas atau response (Y )

apabila nilai-nilai variabel bebasnya atau prediktor (X 1 , X 2 ,... , X n ) diketahui.

Disamping itu juga untuk dapat mengetahui bagaimanakah arah hubungan

variabel tak bebas dengan variabel-variabel bebasnya. Persamaan regresi linier

berganda secara matematik diekspresikan oleh :

Y =a+b 1 X 1 +b 2 X 2+ …+bn X n (2.1)

Keterangan:

Y =¿ variabel tak bebas (nilai variabel yang akan diprediksi).

a=¿ konstanta.

b 1 , b2 , … , bn=¿ nilai koefisien regresi.

X 1 , X 2 , … , X n = variabel bebas.

Bila terdapat 2 variabel bebas, yaitu X 1 dan X 2 , maka bentuk persamaan

regresinya adalah :

Y =a+b 1 X 1 +b 2 X 2 (2.2)

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b 1 dan b 2 mem-

punyai nilai diantara jika nilai¿ 0 ,dalam hal ini variabel Y tidak dipengaruh oleh

X 1 dan X 2 . Jika nilainya negatif, maka terjadi hubungan dengan arah terbalik

5
antara variabel tak bebas Y dengan variabel-variabel X 1 dan X 2 . Dan jika nilainya

positif maka terjadi hubungan yang searah antara variabel tak bebas Y dengan

variabel bebas X 1 dan X 2 . Koefisien-koefisien regresi b 1 dan b 2 serta konstantaa

dapat dihitung dengan menggunakan rumus : (Yuliara,2016)

( ∑ Y ) −( b 1 × ∑ x1 ) −( b 2 × ∑ x 2)
a=
n

(2.3)

b=
[ ( ∑ x × ∑ x y ) −( ∑ x
2
2
1 2 y × ∑ x1 x 2) ]
[ (∑ x × ∑ x ) −( ∑ x 1 × x 2 ) ]
1 2
2 2
1 2

(2.4)

b=
[ ( ∑ x × ∑ x y ) −( ∑ x
1
2
2 1 y × ∑ x1 x 2) ]
[ (∑ x × ∑ x ) −( ∑ x 1 × x 2 ) ]
2 2
2 2
1 2

(2.5)

2.2 Uji Asumsi Klasik

2.2.1 Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah dalam model

regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel

independen. Jika antar variabel independen terjadi Multikolinieritas

sempurna, maka koefisien regresi variabel independen tidak dapat ditentukan

dan nilai standard error menjadi tak terhingga. Jika Multikolinieritas antar

variabel independen tinggi, maka koefisien regresi variabel independen dapat

ditentukan, tetapi memliki nilai standard error tinggi berarti nilai koefisien

regresi tidak dapat diestimasi dengan tepat (Janie, 2012).

6
 Multikolinearitas merupakan keadaan dimana terjadi hubungan linier

yang sempurna atau mendekati antar variabel independen dalam model

regresi. Suatu model regresi dikatakan mengalami multikolinearitas jika ada

fungsi linierr yang sempurna pada beberapa atau semua independen variabel

dalam fungsi linier. Gejala adanya multikoliniearitas antara lain dengan

melihat nilai Variance Inflation Factor (VIF) dan Tolerance nya. Jika nilai

VIF <10 dan Tolerance >0.1 maka dinyatakan tidak terjadi multikolinearitas

(Mardiatmoko, 2020).

2.2.2 Uji Heteroskedastisitas

Uji ini bertujuan untuk menganalisis apakah variansi galat bersifat tetap

atau konstan (homoskedastis) atau berubah-ubah (heteroskedastis). Untuk

pengujian Heteroskedastisitas, ada dua metode yang populer yaitu uji

Breusch Pagan dan yang lebih umum, uji White. Uji Breusch Pagan

dilakukan dengan meng-hitung nilai statistik BP=

∑ ^y 2i
. Sedangkan uji
2

White W =n R2 dengann menunjukkan banyaknya data, sedangkan R2adalah

nilai koefisien determinasi (Rini, 2023).

Heteroskedastisitas merupakan keadaan dimana terjadi ketidaksamaan

varian dari residual untuk semua pengamatan pada model regresi. Cara

pengujiannya dengan Uji Glejser. Pengujian dilakukan dengan meregresikan

variabel-variabel bebas terhadap nilai absolute residual. Residual adalah

selisih antara nilai variabel Y dengan nilai variabel Y yang diprediksi, dan

absolut adalah nilai mutlaknya (nilai positif semua). Jika nilai signifikansi

antara variabel independen dengan absolut residual ¿ 0.05 maka tidak terjadi

heteroskedastisitas (Mardiatmoko, 2020).

7
2.2.3 Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi

linier terdapat korelasi antar kesalahan pengganggu (residual) pada periode t

dengan kesalahan pada periode t−1 (sebelumnya). Jika terjadi korelasi, maka

dinamakan terdapat permasalahan Autokorelasi. Autokorelasi muncul karena

observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah

ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu

amatan ke amatan yang lain. Hal ini sering ditemukan pada data runtun waktu

atau time series karena "gangguan" pada seseorang individu atau kelompok

cenderung mempengaruhi "gangguan" pada individu atau kelompok yang

sama pada periode berikutnya. Pada data cross section (silang waktu),

masalah autokorelasi relatif jarang terjadi karena "gangguan" pada amatan

yang berbeda berasal dari individu atau kelompok yang berbeda. Model

regresi yang baik adalah regresi yang bebas dari autokorelasi (Janie, 2012).

Autokorelasi merupakan keadaan dimana pada model regresi ada

korelasi antara residual pada periode t dengan residual pada periode

sebelumnya (t−1). Model regresi yang baik adalah yang tidak adanya

autokorelasi. Uji Autokorelasi dapat dilakukan dengan pengujian Durbin

Watson (DW) dengan kriteria pengambilan keputusannya yaitu

1 , 65< DW <2.35 artinya tidak terjadi Autokorelasi, 1.21< DW <1.65 atau

2.35< DW <2.79 artinya tidak dapat disimpulkan dan DW <1.21 atau

DW >2.79 artinya terjadi autokorelasi (Mardiatmoko, 2020).

2.2.4 Uji Normalitas

8
 Uji Normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual mempunyai distribusi normal. Uji t dan F

mengasumsikan nilai residual mengikuti distribusi normal. Jika terjadi

pelanggaran asumsi ini, maka uji statistik menjadi tidak valid untuk jumlah

sampel kecil. Ada dua cara mendeteksi apakah residual memiliki distribusi

normal atau tidak, yaitu dengan analisis grafik dan uji statistik (Janie, 2012).

Pengujian ini untuk mengetahui apakah nilai residual terdistribusi

secara normal atau tidak. Model regresi yang baik adalah yang memiliki nilai

residual yang terdistribusi secara normal. Cara untuk mendeteksinya adalah

dengan melihat penyebaran data pada sumber diagonal pada grafik Normal

QQ-Plot of regression standardized sebagai dasar pengambilan

keputusannya. Jika menyebar sekitar garis dan mengikuti garis diagonal maka

model regresi tersebut telah normal dan layak dipakai untuk memprediksi

variabel bebas dan sebaliknya. Cara lain uji Normalitas adalah dengan

metode uji one sample Kolmogorov Smirnov. Kriteria pengujiannya adalah

Jika nilai signifikansi (Asym Sig 2 tailed)¿ 0.05 , maka data berdistribusi

normal. Jika nilai signifikansi (Asym Sig 2 tailed ¿ 0.05 , maka data tidak

berdistribusi normal (Mardiatmoko, 2020).

9
 BAB III

METODE PENELITIAN

3.1 Jenis dan Sumber Data

Jenis data pada penelitian ini merupakan data numerik, dimana data ini

merupakan data rata-rata lama sekolah (tahun), data umur harapan hidup saat

lahir, pengeluaran per kapita, dan indeks pembangunan manusia untuk 38 kota

atau kabupaten di Provinsi Jawa Timur pada tahun 2021.

Dengan data yang digunakan pada penelitian ini bersumber dari website resmi

Badan Pusat Statistik (BPS). Data yang diambil ialah jumah rata-rata dari lama

sekolah, umur harapan hidup saat lahir, pengeluaran per kapita, dan indeks

pembangunan manusia dari 38 kota atau kabupaten pada Provinsi Jawa Timur.

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagi berikut:

Y :Indeks pembangunan manusia.

X 1 :Rata-rata lama sekolah (Tahun).

X 2 : Umur Harapan Hidup saat Lahir (UHH) (Tahun).

X 3 : Pengeluaran per Kapita (Ribu Rupiah/Orang/ Tahun).

Dimana Y merupakan variabel terikat atau variabel dependen sedangkan X sebagai

variabel input atau variabel independen. Pada masing-masing variabel Y dan X

terdiri dari 38 data atau observasi. Sehingga data-data inilah yang akan dilakukan

analisis regresi berganda.

10
3.3 Analisis Data

Algoritma yang dilakukan jika melakukan analisis regresi berganda pada

penelitian ini adalah sebagai berikut:

1. Menentukan variabel dependen dan variabel independen dalam model.

2. Identifikasi dan pembentukan model.

1
3. Menguji asumsi multikolinieritas dengan rumus VIF= 2
1−R j

4. Menguji asumsi heteroskedastisitas dengan menggunakan breusch pagan test

n

dengan statistik uji

∑ ^y 2i .
BP= i=0
2

5. Menguji asumsi normalitas dengan menggunakan shapiro wilk test dengan

[ ]
n n
1
statistik uji T 3=
D
∑ ai ( x n−i+1−x i)2 , dimana D=∑ (x i−x )2.
i=1 i=1

6. Menguji asumsi autokorelasi dengan menggunakan durbin watson test

n

∑ (et −e t −1 )2
t=2
dengan statistik uji DW = n .
∑e 2
t
t=1

11
3.4 Diagram Alir Penelitian

Diagram alir analisis regresi linier berganda adalah sebagai

Mulai

Menentukan variabel dependen dan variabel independen

Identifikasi dan pembentukan model

1
Menguji asumsi multikolinieritas dengan rumus VIF= 2
1−R j

Menguji asumsi heteroskedastisitas dengan menggunakan

n

Breusch Pagan Test dengan statistik uji

∑ ^y 2i
BP= i=0
2
Menguji asumsi normalitas dengan menggunakan Shapiro Wilk

[∑ ]
n
1
Test dengan statistik uji T 3= ai ( x n−i+1−x i)2 , dimana
D i=1
n
D=∑ (x i−x )2
i=1

Menguji asumsi autokorelasi dengan menggunakan Durbin

n

∑ (et −e t −1 )2
t=2
Watson Test dengan statistik uji DW = n

∑ e 2t
Kesimpulan t=1

Selesai

Gambar 3.1 Diagram alir penelitian

12
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Statistik Deskriptif Data

Adapun hasil dari statistik data dari batasan masalah sebagai berikut :

Tabel 4.1 Summary data

X1 X2 X3 Y
Min. : 4.860 Min. : 66.89 Min. : 8673 Min. :62.80
1st Qu.: 7.200 1st Qu.: 70.44 1st Qu.:10038 1st Qu.:68.66
Median : 7.695 Median :72.45 Median :11260 Median :71.63
Mean : 8.061 Mean :71.72 Mean :11569 Mean :72.23
3rd Qu.: 9.220 3rd Qu.:72.84 3rd Qu.:12723 3rd Qu.:75.25
Max. : 11.370 Max. :74.18 Max. :17862 Max. :82.31

Pada Tabel 4.1 didapatkan hasil statistik deskriptif dari variabel ( Y ¿ yaitu

data IPM (Indeks Pembangunan Manusia) nilai minimum: 62.80, 1st quartile:

68.66, median: 71.63, mean: 72.23, 3rd quartile: 75.25, maximum : 82.31. Pada

variabel ( X 1 ¿ yaitu Rata-rata lama sekolah didapatkan hasil nilai minimum:

4.860, 1st quartile: 7.200, median: 7.695, mean: 8.061, 3rd quartile: 9.220,

maximum : 11.370. Pada variabel (X 2) yaitu Umur harapan hidup didapatkan

nilai minimum: 66.89, 1st quartile: 70.44, median: 72.45, mean: 71.72, 3rd

quartile: 72.84, maximum : 74.18. Pada variabel (X 3) yaitu Pengeluaran

perkapita didapatkan nilai minimum: 8673, 1st quartile: 10038, median: 11260,

mean: 11569, 3rd quartile: 12723, maximum : 17862.

13
4.2 Hasil Batasan Masalah

Adapun hasil batasan masalah sebagai berikut :

Tabel 4.2 Summary regresi

Coefficients: Estimate Std.Error t value Pr(>|t|)
(Intercept) 1.946e+01 5.034e+00 3.866 0.000474
X1 1.737e+00 1.668e-01 10.412 4.11e-12
X2 4.037e-01 7.687e-02 5.252 8.08e-06
X3 8.478e-04 9.582e-05 8.848 2.43e-10
Residual standard error: 0.603 on 34 degrees of freedom
Multiple R-squared: 0.987,
F-statistic: 859 on 3 and 34 DF, p-value: < 2.2e-16

Berdasarkan hasil penelitian diperoleh output dari model regresi berganda

yang didapatkan konstanta atau nilai variabel Y yaitu 19.46 , dengan koefisien

untuk X 1 sebesar 1.737 , untuk X 2 sebesar 0.4037 , dan untuk X 3 sebesar

0.0008478 . Dari nilai-nilai ini model regresi linier berganda yang terbentuk adalah

sebagai berikut:

Y^ i=19.46 +1.737 X 1 +0.4037 X 2 +0.0008478 X 3+ ε i

Dari model regresi ini berarti bahwa, jika variabel X meningkat sebesar 1

satuan maka akan meningkatkan Y^ i . Dengan tanda positif (+) pada X

menunjukkan peningkatan pada Y^ i . Jika dikondisikan rata-rata lama sekola ( X 1)

meningkat sebesar 1 satuan, maka indeks pembangunan manusia ( Y^ i) akan

meningkat sebesar 1.737 . Jika umur harapan hidup ( X 2 ) meningkat sebesar 1

satuan, maka indeks pembangunan manusia (Y^ i) akan meningkat sebesar 0.4037 .

Jika pengeluaran per kapita ( X 3 ) meningkat sebesar 1 satuan, maka indeks

pembangunan manusia (Y^ i) akan meningkat sebesar 0.0008478 . Kemudian,

diperoleh hasil summary yang mana didapatkan adjusted R-squared sebesar

0.9858=98.58 % yang merupakan koefisien determinasi sehingga dapat diartikan

14
bahwa ketiga variabel X tersebut dapat menjelaskan Y (indeks pembangunan

manusia) sebesar 98.58% dengan sisanya sebesar 1.42% dipengaruhi oleh faktor

lainnya.

Tabel 4.3 Tabel uji ultikolonieritas

X1 X2 X3
VIF 7.038004 2.344677 4.588751

Pada tabel 4.3 uji multikolonieritas dengan pengujian VIF (Variance

Inflation Factor) didapatkan hasil dimana X 1 =7.038004, X 2 =2.344677 dan

X 3 =4.588751.

Tabel 4.4 Tabel uji heterokedastisitas

studentized Breusch-Pagan test
BP Df p-value
1.5522 3 0.6703

Pada tabel 4.4 uji Heterokedastisitas dengan pengujian Breusch Pagan

diperoleh hasil Bp=1.5222 dengan Df =3 dan didapatkan hasil P-value = 0,6703

yang artinya nilai p value lebih besar dari 0.05 maka H 0 ditolak maka dapat

disumpulkan tidak terdapat indikasi masalah heterokedastisitas.

Tabel 4.5 Tabel uji Autokorelasi

Durbin Watson test
DW p-value
1.9689 0.3867

Pada tabel 4.5 uji Autokorelasi dengan pengujian Durbin Watson diperoleh

hasil Dw=1 .9689 dan P-value 0.3867 . Didapatkan nilai p-value lebih besar 0.05

dari maka dapat disimpulkan ada autokorelasi yang positif.

Tabel 4.6 Tabel uji Normalitas

Shapiro-Wilk normality test
W p-value
0.97837 0.6596

15
 Pada tabel 4.6 uji Normalitas dengan pengujian Shapiro Wilk didaptkan hasil

W =0.97837 dan nilai P-value = 0.6596 . Karena hasil P-value lebih besar dari

0.05 maka dapat disimpulan data berdistribusi normal.

4.3 Pengujian Hipotesis

Berdasarkan hasil penelitian diperoleh output dari model regresi berganda

yang didapatkan konstanta atau nilai variabel Y yaitu 19.46 , dengan koefisien

untuk X 1 sebesar 1.737 , untuk X 2 sebesar 0.4037 , dan untuk X 3 sebesar

0.0008478 . Dari nilai-nilai ini model regresi linier berganda yang terbentuk adalah

sebagai berikut:

Y^ i=19.46 +1.737 X 1 +0.4037 X 2 +0.0008478 X 3+ ε i

Dari model regresi ini berarti bahwa, jika variabel X meningkat sebesar 1 satuan

maka akan meningkatkan Y^ i . Dengan tanda positif (+) pada X menunjukkan

peningkatan pada Y^ i. Jika dikondisikan rata-rata lama sekola ( X 1 ) meningkat

sebesar 1 satuan, maka indeks pembangunan manusia (Y^ i) akan meningkat sebesar

1.737. Jika umur harapan hidup ( X 2 ) meningkat sebesar 1 satuan, maka indeks

pembangunan manusia (Y^ i) akan meningkat sebesar 0.4037 . Jika pengeluaran per

kapita ( X 3 ) meningkat sebesar 1 satuan, maka indeks pembangunan manusia ( Y^ i)

akan meningkat sebesar 0.0008478 . Kemudian, diperoleh hasil summary yang

mana didapatkan adjusted R-squared sebesar 0.9858=98.58 % yang merupakan

koefisien determinasi sehingga dapat diartikan bahwa ketiga variabel X tersebut

dapat menjelaskan Y (indeks pembangunan manusia) sebesar 98.58% dengan

sisanya sebesar 1.42% dipengaruhi oleh faktor lainnya. Selanjutnya, pada data

16
dilakukan uji asumsi klasik meliputi uji Multikolinieritas, uji Heteroskedastisitas,

uji Normalitas, uji Autokorelasi.

1. Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji dan mengetahui apakah dalam

suatu model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar

variabel independen. Pengujian ini dapat diketahui dengan melihat nilai toleransi

dan nilai variance inflation factor (VIF). Dengan langkah pengerjaan uji sebagai

berikut:

1. Menentukan hipotesis

H 0 :tidak ada Multikolinieritas.

H 1 : ada Multikolinieritas.

2. Taraf signifikansi

α =5 %

3. Statistik Uji

1
VIF= 2
1−R j

4. Kriteria penolakan

Tolak H 0 jika VIF >10 atau Tolerance <0.10

Terima H 0 jika VIF <10 atau Tolerance >0.10

5. Kesimpulan

Berdasarkan hasil yang diperoleh yaitu dengan taraf signifikansi sebesar

α =5 %=0.05 didapat nilai VIF X 1=7.038004< 10, VIF X 2=2.344677<10 , dan

VIF X 3=4.588751< 10 maka kondisi H 0 diterima. Jadi dapat disimpulkan bahwa

model diatas tidak terjadi masalah multikolinieritas.

17
2. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi

terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang

lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap,

maka disebut homoskedastisitas dan jika berbeda akan disebut

Heteroskedastisitas. Dengan langkah pengerjaan uji sebagai berikut:

1. Menentukan hipotesis

H 0 :Variansi galat bersifat tetap/konstan (homoskedastisitas)

H 1 : Variansi galat bersifat berubah-ubah (heteroskedastisitas)

2. Taraf signifikansi

α =5 %

3. Statistika uji

∑ ^y 2i
i
BP=
2

4. Kriteria penolakan

Tolak H 0 jika p−value<α

Terima H 0 jika p−value>α

5. Kesimpulan

Berdasarkan hasil yang diperoleh menggunakan uji Breusch Pagan yaitu

dengan taraf signifikansi sebesarα =5 %=0.05 didapatkan bahwa

p−value=0.6703>α maka H 0 diterima. Jadi, dapat disimpulkan bahwa pada

taraf nyata pengujian 5% tidak terjadi masalah heteroskedastisitas atau bisa

dikatakan bahwa varians dari residual satu pengamatan ke pengamatan yang lain

tetap yang disebut homoskedastisitas

18
3. Uji Normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai

sebaran data pada sebuah variabel, apakah sebaran data tersebut berdistribusi

normal atau tidak. Dengan langkah pengerjaan uji sebagai berikut:

1. Menentukan hipotesis

H 0 :data berdistribusi normal.

H 1 : data tidak berdistribusi normal.

2. Taraf signifikansi

α =5 %

3. Statistika uji

[∑ ]
k
1
T 3= ai ( X n−i +1−X i )
D i=1

4. Kriteria penolakan

Tolak H 0 jika p−value<α

Terima H 0 jika p−value>α

5. Kesimpulan

Berdasarkan hasil yang diperoleh menggunakan uji Normalitas Shapiro Wilk

yaitu dengan taraf signifikansi sebesarα =5 %=0.05 didapatkan

p−value=0.6596>α =0.05 maka H 0 diterima. Jadi, dapat disimpulkan bahwa

pada taraf signifikan 5% data berdistribusi normal.

4. Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam regresi linear ada korelasi

antar kesalahan pengganggu (residual) pada periode t dengan kesalahan pada

periode t−1(sebelumnya). Dengan langkah pengerjaan uji sebagai berikut:

19
1. Menentukan hipotesis

H 0 :tidak ada autokorelasi.

H 1 : ada autokorelasi.

2. Taraf signifikansi

α =5 %

3. Statistika uji
n

∑ (et −e t −1 )2
DW = t=2 n

∑ e 2t
t=1

4. Kriteria penolakan

Tolak H 0 jika p−value<α

5. Kesimpulan

Berdasarkan hasil yang diperoleh menggunakan uji Autokorelasi dengan

Durbin Watson yaitu dengan taraf signifikansi sebesarα =5 %=0.05 dihasilkan

bahwa p−value=0.3867<α =0.05 maka H 0 diterima. Jadi, dapat disimpulkan

bahwa model diatas tidak terjadi masalah Autokorelasi.

Berdasarkan dari hasil pada uji asumsi klasik yang dilakukan, dapat kita

simpulkan bahwa pengaruh rata-rata lama sekolah (tahun), data umur harapan

hidup saat lahir, pengeluaran per kapita, terhadap indeks pembangunan manusia

untuk 38 kota atau kabupaten di Provinsi Jawa Timur pada tahun 2021 memenuhi

semua asumsi yaitu tidak terjadi multikolinieritas, tidak terjadi heteroskedastisitas

atau data dikatakan homoskedastisitas, data berdistribusi normal, dan tidak terjadi

autokorelasi. Sehingga model regresi linier yang terbentuk merupakan model

terbaik dari data tersebut.

20
21
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Regresi linier berganda merupakan model persamaan yang menjelaskan

hubungan satu variabel tak bebas atau response (Y ) dengan dua atau lebih

variabel bebas atau prediktor. Tujuan dari uji regresi linier berganda adalah untuk

memprediksi nilai variabel tak bebas atau response (Y ) apabila nilai-nilai variabel

bebasnya atau prediktor diketahui. Dengan asumsi klasik pada regresi linier

berganda meliputi uji Multikolinieritas, uji Heteroskedsatisitas, uji Normalitas, uji

Autokorelasi. Uji Multikolinieritas bertujuan untuk menguji apakah dalam model

regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel

independen. Uji ini bertujuan untuk menganalisis apakah variansi galat bersifat

tetap atau konstan (Homoskedastis) atau berubah-ubah (Heteroskedastis). Uji

Autokorelasi bertujuan menguji apakah dalam suatu model regresi linier terdapat

korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan

pada periode t−1 (sebelumnya). Uji Normalitas bertujuan untuk menguji apakah

dalam model regresi, variabel pengganggu atau residual mempunyai distribusi

normal.

Berdasarkan batasan masalah yang telah dikerjakan, diperoleh model regresi

berganda yaitu Y^ i=19.46 +1.737 X 1 +0.4037 X 2 +0.0008478 X 3+ ε i. Dari model

regresi ini berarti bahwa, jika variabel X meningkat sebesar 1 satuan maka akan

meningkatkan Y^ i. Dengan tanda positif (+) pada X menunjukkan peningkatan

pada Y^ i . Kemudian, diperoleh hasil summary yang mana didapatkan adjusted R-

22
squared sebesar 0.9858=98.58 % sehingga dapat diartikan bahwa ketiga variabel

X tersebut dapat menjelaskan Y (indeks pembangunan manusia) sebesar 98.58%

dengan sisanya sebesar 1.42% dipengaruhi oleh faktor lainnya. Selanjutnya, pada

data dilakukan uji asumsi klasik meliputi uji Multikolinieritas, uji

Heteroskedsatisitas, uji Normalitas, uji Autokorelasi. Berdasarkan dari hasil pada

uji asumsi klasik yang dilakukan, dapat kita simpulkan bahwa pengaruh rata-rata

lama sekolah (tahun), data umur harapan hidup saat lahir, pengeluaran per kapita,

terhadap indeks pembangunan manusia untuk 38 kota atau kabupaten di Provinsi

Jawa Timur pada tahun 2021 memenuhi semua asumsi yaitu tidak terjadi korelasi

yang tinggi atau multikolinieritas, tidak terjadi heteroskedastisitas atau data

dikatakan homoskedastisitas yang bersifat tetap atau konstan, data berdistribusi

normal, dan tidak terjadi autokorelasi. Sehingga model regresi linier yang

terbentuk adalah model terbaik dari data tersebut.

5.2 Saran

Ketika melakukan analisis regresi berganda menggunakan program R harus

teliti dalalm membuat variabel dan saat memasukkan data, dikarenakan jika salah

maka kita tidak akan mendapatkan hasil yang diharapkan. Perlu juga dengan teliti

dalam memilih variabel yang memiliki pengaruh satu sama lain dalam analisis

regresi. Dan harus cermat dalam menginterprestasikan hasil dari uji asumsi klasik

yang dilakukan. Dalam program R perlu dilakukan sesuai dengan prosedur yang

ada agar tidak terjadi error pada saat pengerjaannya.

23
 DAFTAR PUSTAKA

Janie, D. N. A. (2012). Statistik Deskriptif & Regresi Linier Berganda dengan

SPSS. Semarang: Semarang University Press.
Mardiatmoko, G. (2020). Pentingnya Uji Asumsi Klasik pada Analisis Regresi
Linier Berganda (Studi Kasus Penyusunan Persamaan Allometrik Kenari
Muda [canarium indicum l.]). BAREKENG: Jurnal Ilmu Matematika Dan
Terapan, 14(3), 333-342.
Prasmono, A. S. P., & Ahdika, A. (2022). Analisis Regresi Berganda pada Faktor-
Faktor yang Mempengaruhi Kinerja Fisik Preservasi Jalan dan Jembatan Di
Provinsi Sumatera Selatan. Emerging Statistics and Data Science Journal, 1
(1), 47-55.
Rini, D. S. (2023). Modul Praktikum Analisis Regresi dan Korelasi. Bengkulu:
Laboratorium Matematika Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Bengkulu.
Yuliara, I. M. (2016). Modul Regresi Linier Sederhana. Bali: Jurusan Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana.

24
 LAMPIRAN

Lampiran 1. Data batasan masalah

observasi X1 X2 X3 Y
Pacitan 7.61 72.07 8887 68.57
Ponorogo 7.55 72.85 9851 71.06
Trenggalek 7.56 73.86 9743 70.06
Tulungagung 8.34 74.16 10807 73.15
Blitar 7.5 73.61 10757 71.05
Kediri 8.08 72.65 11127 72.56
Malang 7.43 72.61 10163 70.6
Lumajang 6.67 70.21 9203 66.07
Jember 6.49 69.28 9410 67.32
Banyuwangi 7.42 70.72 12217 71.38
Bondowoso 5.94 66.89 10690 66.59
Situbondo 6.62 69.24 9996 67.78
Probolinggo 6.12 67.36 10969 66.26
Pasuruan 7.41 70.25 10297 68.93
Sidoarjo 10.72 74.06 14578 80.65
Mojokerto 8.64 72.59 12844 74.15
Jombang 8.55 72.49 11394 73.45
Nganjuk 7.78 71.6 12172 71.97
Madiun 7.82 71.5 11658 71.88
Magetan 8.36 72.65 11833 74.15
Ngawi 7.26 72.41 11459 71.04
Bojonegoro 7.38 71.72 10221 69.59
Tuban 7.18 71.56 10380 68.91
Lamongan 8.04 72.49 11510 73.12
Gresik 9.56 72.67 13280 76.5
Bangkalan 5.96 70.22 8673 64.36
Sampang 4.86 68.07 8790 62.8
Pamekasan 6.7 67.67 8804 66.4
Sumenep 5.92 71.56 9000 67.04
Kota Kediri 10.15 74.04 12359 78.6
Kota Blitar 10.35 73.86 13816 78.98
Kota Malang 10.41 73.36 16663 82.04
Kota Probolinggo 8.95 70.35 12245 73.66
Kota Pasuruan 9.33 71.6 13354 75.62
Kota Mojokerto 10.47 73.39 13610 78.43
Kota Madiun 11.37 72.83 16095 81.25
Kota Surabaya 10.5 74.18 17862 82.31

25
 Kota Batu 9.31 72.65 12887 76.28

Lampiran 2. Source code Analisis Regresi Berganda

Lampiran 3. Hasil summary data

Lampiran 4. Hasil summary regresi

Lampiran 5. Hasil uji Multikolonieritas

26
Lampiran 6. Hasil uji Heterokedastisitas

Lampiran 7. Hasil uji Autokorelasi

Lampiran 8. Hasil uji Normalitas

Lampiran 9. Hasil plot uji Normalitas

27