Analisis Uji Normalitas dan Multikolinearitas Data Statistik

NAMA : Tatia Destiana NIM : 2021DP036 KELAS : DP7C

UAS STATISTIKA

UJI NORMALITAS

(UJI KOLOMOGROV SMINROV TEST) One-Sample Kolmogorov-Smirnov Test

Unstandardize d Residual

N 15

Normal Parameters^a,b Mean .0000000 Std. Deviation 112.54095940 Most Extreme

Differences

Absolute .120 Positive .120 Negative -.107

Test Statistic .120

Asymp. Sig. (2-tailed) .200^c,d a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

Berdasarkan tabel diatas nilai asymp. Sig. (2tailed) sebesar

(UJI HISTOGRRAM)

Berdasarkan grafik diatas tinggi batang histogram mengikuti lonceng terbalik.. Maka disimpulkan data distribusi Normal / Lolos

(UJI P-PLOT)

Berdasarkan grafik diatas tinggi batang histogram mengikuti lonceng terbalik.. Maka disimpulkan data distribusi Normal / Lolos

UJI MULTIKOLINERITAS (TOLERANCE DAN VIF)

Coefficients^a

Model

Collinearity Statistics Tolerance VIF 1 TENAGA KERJA

.668 1.496

PARKIR MOBIL .668 1.496 a. Dependent Variable: PENDAPATAN

Berdasarkan tabel diatas nilai dari tolerance X1 dan X2 masing masing sebesar 0,668 < 0,1 yang artinya data tidak terjadi multikolinearitas (lolos). Data dilihat dari nilai VIF X1 dan X2 sebesar 1,496

< 10, artinya tidak terjadi multikolinearitas.

UJI AUTOKORELASI

(UJI DURBIN WATSON dan UJI RUN TEST)

Model Summary^b

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .813^a .661 .605 121.558 2.787

a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y

DL : 0,927 DU : 1,486 D : 2,787

4−dU=2.514 dan 4−dL=3.0734 - d_L = 3.0734−dL=3.073.

Karena DW=3.357>4−dL(3.073)DW = 3.357 > 4 - d_L (3.073)DW=3.357>4−dL(3.073)

Kesimpulannya : Dengan nilai DW = 2.787 dan jumlah observasi n=15n = 15n=15, model Anda tidak lulus uji autokorelasi secara tegas karena hasilnya tidak pasti.

(UJI RUN TEST)

Runs Test

Unstandardized Residual Test Value^a -15.01028 Cases < Test Value 7

Cases >= Test Value 8

Total Cases 15

Number of Runs 8

Z .000

Asymp. Sig. (2-tailed) 1.000 a. Median

Dengan p-value 1.000 >0.05, tidak ada bukti yang cukup untuk menunjukkan adanya autokorelasi dalam residual. Maka LOLOS uji

UJI HETEROSKEDASTISITAS (UJI SCATTER PLOT)

Analisis Data di atas menunjukkan bawah titik titik membentuk pola dan tidak menyebar Secara acak di Indikasikan terjadi Heteroskedastisitas

(UJI GLEJSER)

Coefficients^a

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 89.095 26.132 3.409 .005

X1 1.160 .759 .448 1.529 .152

X2 -1.403 .606 -.679 -2.317 .039

a. Dependent Variable: ABS_RES

Analisis outuput diatas menunjukkan X1=0.152 > 0,05. Menunjukkan bahwa tidak ada masalah pada Heteroskedastisitas atau lolos Heteroskedastisitas

Variabel X2 = 0,039 < 0,05 menunjukkan bahwa adanya masalah pada Heteroskedastisitas yang artinya Tidak LOLOS Heteroskedastisitas

(UJI SPEARMAN RHO)

Correlations

X1 X2

Unstandardized Residual Spearman's rho X1 Correlation Coefficient 1.000 .633^* .093

Sig. (2-tailed) . .011 .742

N 15 15 15

X2 Correlation Coefficient .633^* 1.000 .036

Sig. (2-tailed) .011 . .899

N 15 15 15

Unstandardized Residual Correlation Coefficient .093 .036 1.000

Sig. (2-tailed) .742 .899 .

N 15 15 15

*. Correlation is significant at the 0.05 level (2-tailed).

Korelasi signifikan hanya ditemukan antara X1 dan X2 (p-value = 0,011), yang menunjukkan hubungan positif antara keduanya.

Tidak ada korelasi signifikan antara kedua variabel independen (X1dan X2) dengan

residual. Ini mengindikasikan bahwa model regresi Anda tidak menunjukkan masalah

heteroskedastisitas yang terkait dengan X1 dan X2, berdasarkan uji korelasi ini.