TUGAS KELOMPOK KOMPUTER STATISTIKA

TUGAS KELOMPOK

KOMPUTER STATISTIKA

Disusun untuk memenuhi tugas mata kuliah Komputer Statistika

Dosen Pengampu : Ardhi Prabowo,S.Pd. M.Pd.

Disusun oleh :

Wahyu Eko Wijayanto (4150405504)

Titis Kurniawan (4150405508)

Kintafani Tessa Olivia (4150405529)

Aqib Maulana (4150405541)

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

Soal-Soal Tugas Komputer Statistika :

1. Apakah sebuah data setelah dilakukan analisis Uji- t dan hasilnya berbeda, bisa dilakukan uji lanjut untuk analisis data berikutnya ? Jika dapat, menggunakan analisis apa? jika tidak apa alasannya?

Penyelesaian :

SOAL 1

Dapat, Alasannnya :

Syarat pengolahab data menggunakan analisis Statistik Uji T-test adalah

1. Sampel penelitian harus diambil secara random dari populasi berdistribusi normal.

2. Gejala data yang didapat harus berskala interval dan rasio.

3. Variabel penelitian tidak lebih dari satu (satu variabel dengan data berskala nominal dengan satu variabel dengan data interval/rasio, atau sebaliknya).

Uji-T atau biasa disebut uji perbandingan berarti menguji parameter populasi yang berbentuk perbandingan melalui ukuran sampel yang juga berbentuk perbandingan. Hal ini juga dapat berarti menguji kemampuan generalisasi (signifikansi hasil penelitian) yang berupa perbandingan keadaan variabel dari dua sampel atau lebih, Apakah perbedaan signifikan atau tidak. Bila H₀ dalam pengujian diterima, berarti nilai perbandingan dua sampel tersebut dapat digeneralisasikan untuk seluruh populasi dimana sampel-sampel diambil dengan taraf kesalahan-kesalahan tertentu. Uji perbandingan (Uji-T) ada beberapa maacam, yaitu:

1. Sampel Berkorelasi

Sampel berkorelasi atau berhubugan menunjukkan bahwa kelompok yang dikenai perlakuan, misalnya di tes kemampuan tertentunya, itu sama. Dalam hal ini ada dua kemungkinan yang dapat dilakukan terhadap kelompok subjek yang akan dikenai perlakuan. Kemungkinan pertama, kelompok subjek yang berbeda dalam kondisi yang kurang lebih sama dikenai perlakuan yang berbeda. Artinya kelompok subjek itu perilaku dua kali sehingga menghasikan dua kelompok data. Kemungkinan kedua, sekelompok subjek yang sama yang sengaja dikondisikan secara berbeda, dan kemudian diberi perlakuan yang sama. Untuk memungkinkan yang kedua ini biasanya peneliti sengaja menciptakan dua kondisi yang berbeda yang diharapkan pada subjek penelitian. Setelah itu, subjek penelitian k dalam dua kondisi psikologis yang berbeda misalnya, diukur kemampuannya pada bidang tertentu yang ingin ditelti.

Statistik parametris yang digunakan untuk menguji hipotesis komparatif rata-rata dua sampel yang berkorelasi bila datanya berbentuk interval atau ratio adalah menggunakan T-Test. Kita juga dapat menguji hipotesis komparatif rata-rata dua sampel yang berkorelasi menggunakan program SPSS.

2. Sampel Tidak Berkorelasi

Sampel tidak berkorelasi maksudnya adalah bahwa populasi yang satu tidak berhubungan dengan populasi yang lain. Menguji hiotesis dua sampel independent adalah menguji kemampuan generalisasi rata-rata dua sampel yang tidak berkorelasi. Biasanya terdapat pada rancangan penelitian eksperimen. Pada penelitian survey, biasanya sampel-sampel yang dikomparasikan adalah sampel independen. Teknik statistik yang digunakan untuk menguji hipotesis komparatif tergantung pada jenis datanya. Teknik statistik parameter yang digunakan untuk menguji komparasi data ratio atau interval, sedangkan statistik nonparametrik yang dapat digunakan adalah: Mean Test, Mann-Whitney, Kolmogorov-Smirnov, Fisher Exact, Chi Kuadrat, Test Run Wald-Wolfowitz.

Statistik nonparametrik digunakan untuk menguji hipotesis bila datanya nominal atau ordinal. Kita juga dapat menguji hipotesis komparatif rata-rata dua sampel yang berkorelasi menggunakan program SPSS.

2. Cluster Random Sampling adalah pengelompokan berdasarkan karakteristik yang sama. Bagaimana Cluster yang diacak kelas yang berbeda padahal suatu kelas tersebut bersifat heterogen ?

Penyelesaian:

Pertama, menentukan populasi dan memilih sampel dari populasi yang ada. Pemilihan sampel dilakukan dengan cluster random sampling, yaitu pemilihan sampel secara acak. Sebagai contoh, sampel diambil sebanyak empat kelas, yaitu peserta didik kelas A sebagai kelompok eksprimen 1, peserta didik kelas B sebagai kelompok eksprimen 2, peserta didik kelas C sebagai kelompok eksprimen 3 dan peserta didik kelas D sebagai kelompok eksprimen 4.

Pada akhir pembelajaran dilakukan evaluasi pada keempat kelompok untuk mengetahui hasil tes kemampuan pemecahan masalah peserta didik. Data-data yang diperoleh dianalisis sesuai dengan statistik yang sesuai. Analisis data dilakukan untuk menguji normalitas dan homogenitas dari ketiga kelompok.

Analisis awal dilaksanakan sebelum diberikan perlakuan. Hal ini dilakukan untuk mengetahui apakah kedua sampel berasal dari kondisi awal yang sama. Pada analisis awal ini dilaksanakan uji sebagai berikut ini.

1. Uji Normalitas

Uji normalitas merupakan langkah awal dalam menganalisis data secara spesifik, setelah data awal yang didapat dari nilai rapor semester satu maka data tersebut diuji kenormalannya. Uji normalitas dilakukan untuk menentukan apakah populasi yang digunakan dalam penelitian berdistribusi normal atau tidak. Hipotesis yang digunakan :

Ho : data berdistribusi normal,

Ha : data tidak berdistribusi normal.

Rumus yang digunakan adalah rumus chi kuadrat:

Keterangan :

x2: harga Chi-Kuadrat

Oi : frekuensi hasil pengamatan

Ei : frekuensi yang diharapkan

Kriteria pengujian jika x2hitung≤ x2tabel dengan derajat kebebasan dk = k – 3 dan taraf signifikan 5% maka data berdistribusi normal.

2. Uji Homogenitas

Uji homogenitas dilakukan untuk mengetahui apakah populasi dalam keadaan homogen atau tidak sehingga dalam pengambilan sampel dapat dilakukan teknik cluster random sampling.. Untuk mengetahui homogenitas populasi yang berdistribusi normal dilakukan uji Barlett. Hipotesis yang digunakan :

H_o :

H₁ : Paling sedikit satu tanda sama dengan tidak berlaku

sigma 1= varians nilai peserta didik kelas A.

sigma 2= varians nilai peserta didik kelas B.

sigma 3= varians nilai peserta didik kelas C.

sigma 4= varians nilai peserta didik kelas D.

Rumus yang digunakan adalah:

dimana:

Keterangan:

ln 10 = 2,3026

s_i = varians untuk tiap sampel

Kriteria pengujian jika x2≤ x2(1-a)(k-1), dimana x2(1-a)(k-1)didapat dari daftar distribusi chi-kuadrat dengan peluang(1-a),dk=k-1 maka populasi tersebut homogen.

Berdasarkan hasil perhitungan diperoleh Harga _hitung = 3,311377, sedangkan harga untuk taraf kesalahan 5% dan dk = 6 – 1 = 5 adalah 11,1. Karena _hitung< ,maka Ho ditemima. Jadi, populasi mempunyai varians yang sama (homogen).

3. Uji kesamaan rata-rata populasi

Uji kesamaan rata-rata populasi digunakan untuk mengetahui ada tidaknya perbedaan rata-rata kondisi awal populasi. Hipotesis yang akan diuji:

H_o :

H_a : paling sedikit satu tanda sama dengan tidak berlaku

dimana :

m1 = rata-rata nilai peserta didik kelas A.

m2 = rata-rata nilai peserta didik kelas B.

m3 = rata-rata nilai peserta didik kelas C.

m4 = rata-rata nilai peserta didik kelas D.

Untuk pengujian hipotesis tersebut digunakan uji F dengan langkah-langkah sebagai berikut:

1. Menghitung Jumlah Kuadrat Total (JK_tot) dengan rumus:
   
   
   
   
   
   
   
   
   

2. Menghitung Jumlah Kuadrat Antara (JK_antar) dengan rumus:

3. Menghitung Jumlah Kuadrat Dalam Antar Kelompok (JK_dalam) dengan rumus:

4. Menghitung Mean Kuadrat Antar Kelompok (MK_antar) dengan rumus:

5. Menghitung Mean Kuadrat Dalam Kelompok (MK_dalam) dengan rumus:

6. Menghitung F_hitung dengan rumus:

7. Membandingkan harga F_hitung dengan F_tabel dengan dk pembilang (m -1) dan dk penyebut (N – 1) dengan kriteria pengujian: jika harga F_hitung lebih kecil atau sama dengan harga F_tabel maka H_o diterima dan H_a ditolak atau sebaliknya.

3. Jika ada ANOVA seperti data di bawah ini, bagaimana cara menganalisisnya?

Kelas	A	B
Tinggi
Rendah

Penyelesaian :

Cara menganalisis data menggunakan ANOVA :

Data dari pembagian kelas A, B dan kelompok tinggi dan rendah menggunakan proses analisis dua jalur. Masukkan data pada komposisi berikut :

Kelas	Kelompok	Axial
A	Tinggi	1
	Rendah	2
B	Tinggi	1
	Rendah	2

Kelas A diberi Grup 1 :

• Untuk kelas A yang kelompok tinggi diberi nilai 1

• Untuk kelas A yang kelompok rendah diberi nilai 2

Kelas B diberi Grup 2 :

• Untuk kelas B yang kelompok tinggi diberi nilai 1

• Untuk kelas B yang kelompok rendah diberi nilai 2

Langkah menggunakan SPSS :

Klik Analyze, General Linear Model, Univariate, masukkan axial sebagai dependent variabel, kelas dan unkelas sebagai Fixed Factor(s). Tekan option masukkan overall dan uji homogeneity test, lalu klik continu. Selanjutnya klik OK.

Penjelasan tentang ANOVA :

Analisis varian satu pihak adalah salah satu statistic yang berfungsi unuk melihat kesamaan karakteristik beberapa variabel. Analisis variansi biasanya digunakan untuk menguji kesamaan perilaku antara dua variabel atau lebih. Misalnya pengamatan terhadap perilaku mahasiswa dalam mempelajari kuliah statistic. Apabila prilaku mereka sama, maka data pengamatan dapat dianalisis secara bersamaan. Tetapi apabila ternyata ada perilaku yang berbeda, harus dicari kelompok mana yang menyebabkan perbedaan tersebut. Kemudian harus dicari penyebab terjadinya perbedaan, apakah karena adanya perlakuan yang berbeda satu sama lain.

Untuk melihat perilaku setiap peubah acak diperlukan suatu besaran yang dalam hal ini yang dinyatakan dalam parameter rataan (). Analisis variansi satu pihak dapat digunakan jika dalam melihat kesamaan prilaku peubah acak hanya dibedakan berdasarkan perlakuan untuk dapat menggunakan ANOVA One-Way, diperlukan terlebih dahulu pengujian kesamaan variansi. Hal ini dilakukan agar kehomogenan nilai data antar peubah acak dapat dipastikan hampir sama sehingga layak untuk diamati kesamaan perilaku antar peubah acak tadi.

Uji Bartlett akan digunakan untuk menguji kesamaan variansi. Uji Bartlett digunakan untuk menyelidiki kesamaan variansi antar peubah acak. Proses ini perlu dilakukan berkaitan dengan syarat pengujian kesamaan perilaku yakni adanya kehomogenan dari nilai data antar peubah acak. Misalnya x₁, x₂, x₃, …, x_n menyatakan k buah peubah acak yang saling bebas ( tidak terkait satu dan yang lainnya) yang selanjutnya dinamakan pola perlakuan dan bnyaknya sampel pengamatan untuk masing-masing peubah acak adalah n₁, n₂, n₃, …, n_k.

Maka langkah-langkah pengujian kesamaan variansi adalak sebagai berikut:

1. Tentukan H₀ dan H₁

H₀ :

H₁ : tidak semua variansi sama

2. Menentukan daerah kritis dan nilai titik kritis (tabel chi-square) berdasarkan tingkat kesalahan tertentu () dengan deraajat kebebasan v = k + 1. Symbol k menyatakan banyakntya perlakuan atau benyaknya peubah acak dan nilai titik kritis adapat diperolah dari tabel chi-square.

3. Hitung nilai statistik uji menggunakan rumus :

Dengan total pengamatan dan nilai h serta q dinyatakan dengan rumus berikut :

dan

dimana variansi gabungan k peubah acak didefinisikan sebagai berikut :

4. Bandingkan nilai statistik uji dengan nilai titik kritis. H₀ ditolak apabila nilai statistic uji berada dalam daerah kritis dan sebaliknya H₀ diterima jika nilai statistic uji <>

5. Apabila H₀ diterima artinya semua variansi sama, sehingga kita dapat membandingkan kesamaan perilaku peubah acak melalui ANOVA One-Way.

Sedangkan apabila H₀ ditolak dapat disimpulkan bahwa tidak semua nilai variansi sama sehingga dianjurkan tidak menguji kesamaan perilaku peubah acak. Apabila tetap dilakukan maka hasil analisis kaesamaan perilaku peubah acak dari ANOVA One-Way kurang dapat dipertanggungjawabkan.

Langkah-langkah pengujian hipotesis untuk kesamaan perilaku dari peubah acak melalui ANOVA One-way adalah sebagai berikut:

1. Tentukan H₀ dan H₁

H₀ =

H₁ = paling sedikit rataan tidak sama

2. Menentukan daerah kritis dan nilai titik kritis melalui tabel fisher, F_α,v1,v2 berdasarkan tingkat kesalahan tertentu (α). Adapun derajat kebebasan, v₁= k-1 dan v₂= N-k dimana k menyatakan banyaknya perlakuan atau banyaknya peubah acak dan N= n₁ + n₂ + n₃ + … + n_k..

3. Hitung nilai statistic uji melalui tabel ANOVA ONE WAY berikut

Sumber variansi	Jumlah Kuadrat (JK)	Derajat Kebebasan(DK)	Rataan Kuadrat RK)	Statistik Uji (FH)
Perlakuan	JKP
Galat	JKG
Total	JKT

Dimana jumlah kuadrat total (JKT) dirumuskan sebagai berikut :

Jumlah kuadrat perlakuan (JKP) :

Jumlah kuadrat galat (JKG) :

4. Bandingkan nilai statistic uji dengan nilai titik kritis. Apabila nilai statistic uji <>

5. Apabila Ho diterima maka proses pengujian hipotesis telah selesai. Akan tetapi, jika Ho ditolak maka akan dicari peubah acak yang menyebabkan perbedaan dan juga dicari penyebab munculnya perbedaan.

Dengan menghitung nilai koefisien variansi (CV) untuk setiap peubah acak, dapat ditentukan peubah acak yang berbeda perilakunya dengan peubah acak lainnya. Setiap peubah acak yang memiliki nilai CV yang hampir sama satu sama lainnya. Secara umum, munculnya perbedaan perilaku antar peubah acak dapat disebabkan oleh :

1. Adanya perlakuan yang berbeda. Sebagai contoh pengelompokan pengamatan berdasarkan jurusan dalam mempelajari mata kuliah statistik merupakan suatu perlakuan.

2. Adanya perbedaan nilai data pengamatan dalam suatu perlakuan. Sebagai contoh, dalam suatu jurusan terdapat beberapa mahasiswa yang diamati nilai mata kuliah statistiknya. Perbedaan akan muncul apabila terdapat keheterogenan nilai mahasiswa dalam jurusan tersebut.

Dengan membandingkan nilai jumlah kuadrat perlakuan (JKP) dan jumlah kuadrat galat (JKG) dari tabel ANOVA ONE WAY, kita dapat menentukan penyebab perbedaan tersebut di atas dengan aturan sebagai berikut :

1. Apabila nilai JKP ≥ JKG maka penyebab perbedaan adalah karena adanya perbedaan perlakuan.

2. Apabila nilai JKP ≤ JKG maka penyebab perbedaan dikarenakan perbedaan nilai data pengamatan dalam suatu perlakuan.

• Uji LSD

Untuk mengetahui pasangan nilai mean yang perbedaannya signifikan dapat digunakan uji “Least Significant Difference (LSD)” yang dinyatakan dalam rumus :

Dimana :

Tugas_SPSS

DATA

Pengujian hipotesis dalam penelitian ini menggunakan statistik parametrik. Sedangkan analisis yang digunakan dalam penelitian ini adalah analisis regresi dan korelasi. Oleh karena itu beberapa uji yang harus dipenuhi sebelum menentukan persamaan regresi dan besarnya pengaruh, antara lain:

1. Uji Keacakan

Persyaratan bahwa sampel acak atau pengambilan sampel acak adalah mutlak yang harus dipenuhi. Bahkan menurut Sembiring (1991, 33) persyaratan keacakan sampel tidak bisa ditawar dalam penelitian.

2. Uji Homogenitas

Uji homogenitas varian digunakan untuk mengetahui apakah kedua kelompok sampel mempunyai varian yang sama atau tidak. Selanjutnya apabila kedua kelompok data (sampel ) tersebut berasal dari populasi-populasi dengan variansi yang sama dinamakan populasinya homogen.

3. Uji Hubungan

Uji ini digunakan untuk mengetahui seberapa kuat hubungan antar variable.

4. Uji Normalitas

Uji Normalitas ini bertujuan untuk mengetahui apakah sampel berasal dari populasi berdistribusi normal. Langkah awal untuk menganalisis data adalah menguji kenormalan distribusi sample

5. Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independent variable). Jadi uji multikolineritas terjadi hanya pada regresi ganda. Model regresi yang baik seharusnya tidak terjadi korelasi tinggi diantara variabel bebas. Untuk mendeteksi ada tidaknya gejala multikolineritas dapat dilakukan dengan melihat pada nilai variance inflasi factor (VIF) dan tolerance. Multikolinearitas terjadi bila VIF berada diatas 10 dan nilai toleransi diatas 1.

6. Uji Autokorelasi

Autokorelasi merupakan korelasi antara angggota seri observasi yang disusun menurut urutan waktu (seperti data time series) atau urutan tempat/ruang (data cross section), atau korelasi yang timbul pada dirinya sendiri (Sugiarto, 1992). Berdasarkan konsep tersebut, maka uji asumsi tentang autokorelasi sangat penting untuk dilakukan tidak hanya pada data yang bersifat time series saja, akan tetapi semua data (independen variabel) yang diperoleh perlu diuji terlebih dahulu autokorelasinya apabila akan dianalisis dengan regresi linear berganda. Pengujian autokorelasi ini dimaksudkan untuk mengetahui apakah terjadi korelasi di antara data pengamatan atau tidak. Adanya autokorelasi dapat mengakibatkan penafsiran mempunyai varians tidak minimum (Gujarati, 1997) dan uji-t tidak dapat digunakan, karena akan memberikan kesimpulan yang salah (Rietveld dan Sunaryanto, 1994).

7. Uji Heteroskedastisitas

uji asumsi heteroskedastisitas ini dimaksudkan untuk mengetahui apakah variasi residual absolute sama atau tidak sama untuk semua pengamatan. Apabila asumsi tidak terjadinya heteroskedastisitas ini tidak terpenuhi, maka penafsiran menjadi tidak lagi efisien baik dalam sampel kecil maupun sampel besar (Gujarati,1997) dan estimasi koefisien dapat dikatakan menjadi kurang akurat (Rietveld dan Sunaryanto, 1993). Pendekatan yang digunakan untuk mendeteksi ada tidaknya teroskedastisitas, yaitu rank korelasi dari Sperman (Gujarati, 1997).

8. Uji Linieritas

Uji linearitas garis regresi ini berkaitan dengan suatu pembuktian apakah model garis linear yang ditetapkan benar-benar sesuai dengan keadaannya atau tidak. Pengujian ini perlu dilakukan sehingga hasil analisis yang diperoleh dapat dipertanggungjawabkan dalam pengambilan beberapa kesimpulan penelitian yang diperlukan. Pengujian linearitas garis regresi dalam penelitian ini menggunakan pendekatan atau analisis Anova.

Variabel penelitian

1. Variabel bebas

Variabel bebas (variabel penyebab) yaitu variabel X, sebagai variabel terikat dalam penelitian ini adalah

TEST1 = Besar nilai tes 1 Mahasiswa

TEST2 = Besar nilai tes 2 Mahasiswa

TEST3 = Besar nilai tes 3 Mahasiswa

TEST4 = Besar nilai tes 4 Mahasiswa

TEST5 = Besar nilai tes 5 Mahasiswa

2. Variabel terikat

Variabel terikat yaitu variabel Y, sebagai variabel terikat dalam penelitian ini adalah Besar nilai tes final Mahasiswa.

ANALISIS DATA

1. Uji Keacakan

Hipotesis :

Ho = pola data/barisan bersifat acak

H1 = pola data/barisan tidak bersifat acak

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

a) Berdasarkan nilai tengah

v Nilai sig TEST1 = 0.227 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST2 = 0.818 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST3 = 0.362 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST4 = 0.362 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST5 = 0.417 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST_FNL = 0.781 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

b) Berdasarkan nilai rata-rata

v Nilai sig TEST1 = 0.227 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST2 = 0.818 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST3 = 0.362 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST4 = 0.362 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST5 = 0.417 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

v Nilai sig TEST_FNL = 0.781 > 0.05 = 5% artinya Ho diterima.jadi, pola data/barisan bersifat acak.

2. Uji Homogenitas

a) Uji Homogenitas TEST1

Dari tabel diperoleh :

Mean = 3.30

Std. Deviation = 1.593

Maximum = 0

Minimum = 5

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara 0.114 dan 6.486. Nilai tersebut sudah melebihi rentang nilai minimum dan maximum.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang kecil. Lebih umum dikatakan variabel tujuan bersifat heterogen.

b) Uji Homogenitas TEST2

Dari tabel diperoleh :

Mean = 3.30

Std. Deviation = 1.750

Maximum = 0

Minimum = 5

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara -0.2 dan 6.8. Nilai tersebut berada diluar interval min dan max.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang besar. Lebih umum dikatakan variabel tujuan bersifat homogen.

c) Uji Homogenitas TEST3

Dari tabel diperoleh :

Mean = 3.40

Std. Deviation = 1.314

Maximum = 1

Minimum = 5

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara 0.772 dan 6.028. Nilai tersebut berada diluar interval min dan max.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang besar. Lebih umum dikatakan variabel tujuan bersifat homogen.

d) Uji Homogenitas TEST4

Dari tabel diperoleh :

Mean = 3.45

Std. Deviation = 1.234

Maximum = 1

Minimum = 5

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara 0.982 dan 5.918. Nilai tersebut berada diluar interval min dan max.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang besar. Lebih umum dikatakan variabel tujuan bersifat homogen.

e) Uji Homogenitas TEST5

Dari tabel diperoleh :

Mean = 3.00

Std. Deviation = 1.556

Maximum = 1

Minimum = 5

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara -0.112 dan 6.112. Nilai tersebut berada diluar interval min dan max.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang besar. Lebih umum dikatakan variabel tujuan bersifat homogen.

f) Uji Homogenitas TEST4

Dari tabel diperoleh :

Mean = 55.75

Std. Deviation = 24.617

Maximum = 100

Minimum = 15

Apabila mengurangi dan menambah nilai mean dengan dua kali nilai standart deviasi diperoleh selang antara 6.516 dan 104.984. Nilai tersebut berada diluar interval min dan max.

Hal tersebut menunjukan variabel tujuan memiliki variabel yang besar. Lebih umum dikatakan variabel tujuan bersifat homogen.

3. Uji Hubungan

a) Uji Hubungan antara TEST1 dan TEST_FNL

Hipotesis :

Ho : r = 0 (Korelasi antara TEST2 dan TEST_FNL tidak ada)

H1 : r ≠ 0 (Korelasi antara TEST2 dan TEST_FNL tinggi)

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

Melihat nilai sig TEST1 dan TEST_FNL adalah 0,040 < 05 =" 5%">

b) Uji Hubungan antara TEST2 dan TEST_FNL

Hipotesis :

Ho : r = 0 (Korelasi antara TEST2 dan TEST_FNL tidak ada)

H1 : r ≠ 0 (Korelasi antara TEST2 dan TEST_FNL tinggi)

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

Melihat nilai sig adalah 0,001 < 05 =" 5%">

c) Uji Hubungan antara TEST3 dan TEST_FNL

Hipotesis :

Ho : r = 0 (Korelasi antara TEST3 dan TEST_FNL tidak ada)

H1 : r ≠ 0 (Korelasi antara TEST3 dan TEST_FNL tinggi)

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

Melihat nilai sig TEST3 dan TEST_FNL adalah 0,039 < 05 =" 5%">TEST3 dan TEST_FNL.

d) Uji Hubungan antara TEST4 dan TEST_FNL

Hipotesis :

Ho : r = 0 (Korelasi antara TEST4 dan TEST_FNL tidak ada)

H1 : r ≠ 0 (Korelasi antara TEST4 dan TEST_FNL tinggi)

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

Melihat nilai sig TEST4 dan TEST_FNL adalah 0,018 < 05 =" 5%">TEST4 dan TEST_FNL.

e) Uji Hubungan antara TEST3 dan TEST_FNL

Hipotesis :

Ho : r = 0 (Korelasi antara TEST5 dan TEST_FNL tidak ada)

H1 : r ≠ 0 (Korelasi antara TEST5 dan TEST_FNL tinggi)

Kriteria pengujian :

Terima Ho jika taraf sig > 5%

Melihat nilai sig TEST5 dan TEST_FNL adalah 0,004 < 05 =" 5%">TEST5 dan TEST_FNL.

4. Uji Prasarat

1) Uji Normalitas

a) Uji Kolmogorov-Smirnov

Hipotesis :

H₀ : variabel adalah normal

H₁ : variabel adalah tidak normal

Kriteria pengujian :

Terima Ho jika taraf sig (2-tailed) > 5%

Nilai sig (2-tailed) = 0.608 > 0.050 = 5% artinya Ho diterima. Jadi, variabel TEST_FNL normal.

b) Normal probability plot

Data menyebar di sekitar garis diagonal dan mengikuti arah garis histograf menuju pola distribusi normal, maka model regresi memenuhi asumsi normalitas

2) Uji Multikolinieritas

kriteria :

Jika nilai VIF berada di atas 10 dan nilai tol di atas 1 maka terjadi multikolineritas.

Dari tabel Coefficients diperoleh nilai tolerance<1>10. Artinya terjadi korelasi yang tinggi antar variabel bebas. Sehingga terjadi multikolinearitas.

3) Uji Autokorelasi

Kriteria :

Jika -2 ≤ DW ≤ 2 maka tidak terjadi autokorelasi.

Dari tabel model Summary diatas diperoleh nilai Durbin Watson yaitu 1,511. Nilai tersebut terletak pada selang [-2, 2], maka ada korelasi antara error satu dengan error yang lainnya. Artinya terjadi autokorelasi.

4) Uji Heteroskedastisitas

Pada diagram Scatterplot dapat dilihat bahwa nilai error membentuk pola tertebtu dan tidak bersifat acak terhadap nol, artinya error memiliki varians yang konstan. Jadi, tidak terjadi heterokedasti.

5) Uji Linieritas

Hipotesis:

H₀ : β = 0 (Persamaan regresi tidak linear)

H₁ : β ≠ 0 (Persamaan regresi linear)

Kriteria penerimaan H₀:

H₀ diterima jika nilai Sig <>

Dari tabel ANOVA diperoleh nilai Sig = 0,002 <>0 ditolak atau terima H1. Artinya bahwa persamaan regresi linear sehingga baik untuk memprediksikan nilai TEST_FNL dengan variabel bebas TEST1, TEST2, dan TEST3.

6) Persamaan garis regresi linear

Dari tabel Coefficients diperoleh persamaan regresi linear sebagai berikut:

TEST_FNL = 64,764 + 1,764 TEST1 + 8,978 TEST2 + 17,253 TEST3

dan karena TEST_FNL adalah TEST_FNLmasi daari Y mka persamaan regresinya menjadi

Y = 97,865 – 0,738 TEST1 – 13,058 TEST2 + 63,008 TEST3 – 59,531 TEST2 - 1,811 TEST3

7) Kontribusi TEST1, TEST2, TEST3, TEST4, TEST5 secara bersama-sama terhadap TEST_FNL

Melihat nilai kontribusi TEST1, TEST2, TEST3, TEST4, TEST5 secara bersama-sama terhadap TEST_FNL dapat pada output model summary

Terlihat bahwa nilai R square = 0,711 = 71,1%, artinya ketiga variabel memberi kontribusi terhadap TEST_FNL sebesar 71,1%, sisanya 29,9% dipengaruhi faktor lain.