P. 1
uji normalitas

uji normalitas

|Views: 103|Likes:
Published by Noeroel Azlina

More info:

Published by: Noeroel Azlina on May 24, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/18/2011

pdf

text

original

UJI PERSYARATAN ANALISIS

Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data berasal dari populasi yang berdistribusi normal dan kelompok-kelompok yang dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji normalitas dan homogenitas data. Analisis regresi, selain mempersyaratkan uji normalitas juga mempersyaratkan uji linearitas, uji heterokedasitas, uji autokorelasi, dan uji multikolinearitas. Pada bagian ini dibahas berbagai pengujian persyaratan analisis, seperti uji normalitas, uji homogenitas, uji linearitas, uji heterokedasitas, uji autokorelasi, dan uji multikolinearitas. Uji persyaratan analisis mana yang diperlukan dalam satu teknik analisis data akan disebutkan pada pembahasan tiap-tiap teknik analsis data. I. UJI NORMALITAS Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang normal, uji chi-kuadrat, uji Liliefors, dengan Teknik Kolmogorov-Smirnov, dengan SPSS. Berikut ini diuraikan contoh penerapan masing-masing teknik secara manual dan dengan program SPSS 10 for Windows.

1. Dengan Kertas Peluang Normal Uji normalitas dengan Kertas Peluang Normal dilakukan dengan langkah-langkah sebagai berikut. a. Buatlah daftar distribusi frekuensi kumulatif kurang dari berdasarkan sampel yang ada dan gambarkan ogivenya. b. Pindahkan ogive tersebut ke dalam kertas peluang normal (lihat Statistika: Sudjana) c. Apabila gambarnya membentuk garis lurus atau hampir lurus, maka sampel tersebut berasal dari populasi yang berdistribusi normal 2. Dengan Uji Chi-Kuadrat ( χ 2 ) Uji normalitas data dengan teknik chi-kuadrat digunakan untuk menguji normalitas data yang disajikan secara kelompok. Rumus yang digunakan adalah sebagai berikut.

Bahan perkuliahan statistik penelitian pendidikan-gn2007

χ =∑
2 i =1

k

(Oi − Ei )2
Ei

Langkah-langkah yang dilakukan . a. Data sampel dikelompokkan dalam daftar distribusi frekuensi absolut, kemudian tentukan batas kelas intervalnya. b. Tentukan nilai z dari masing-masing batas interval tersebut c. Hitung besar peluang untuk tiap-tiap nilai z tersebut (berupa luas) berdasarkan tabel z à F (z) d. Hitung besar peluang untuk masing-masing kelas interval sebagai selisih luas dari point c. e. Tentukan Ei untuk tiap kelas interval sebagai hasil kali peluang tiap kelas (d) dengan n (ukuran sampel) f. Gunakan rumus Chi-kuadrat di atas untuk menentukan harga χ 2 hitung.

2 2 g. Apabila χ hitung < χ tabel , maka sampel berasal dari populasi yang berdistribusi

normal. Contoh: Tabel data hasil test statistik
Kelas Interval 31 40 41 50 51 60 61 70 71 80 81 90 91 - 100 Jumlah Batas Bawah Kelas 30.5 40.5 50.5 60.5 70.5 80.5 90.5 Frekuensi Absolut 2 3 5 14 24 20 12 80

Telah dihitung: M = 75,88 s = 14,18 N = 80 Tabel kerja menghitung normalitas
Batas Kelas (X) (a) 30.5 40.5 50.5 60.5 Z (b) F(z) (c) Luas tiap kelas interval (d) -3.20 -2.50 -1.79 -1.08 0.0007 0.0055 0.0062 0.0305 0.0367 0.1034 0.1401 0.2119 16.95 14 0.514 8.27 5 1.294 2.44 3 0.129 0.44 2 5.531 Ei (e) Oi (f)

(Oi − Ei )2
Ei

Bahan perkuliahan statistik penelitian pendidikan-gn2007

demikian seterusnya sampai diperoleh angka 0.44) 2 = 5.149 + 0.2 ke bawah dan 0 ke samping kanan.5 – 0.121 (2 − 0.4993 (perhatikan 3.0055)(80) = 0.149 χ =∑ 2 i =1 k (Oi − Ei )2 Ei = 5. terima Ho berarti sampel berasal dari populasi yang berdistribusi normal. 0.18 SD Lihat tabel luas di bawah lengkungan kurve normal dari 0 s/d z pada buku statistik. Tetapi.9591 8. dikurangi 1.4993.85 12 1.88 = = −3.5 -0.5 ditambah bilangan pada tabel z.5 90.88) dan standar deviasi (s = 14. (1) Dengan demikian dapat dihitung F(z) = 0. harga χ hitung = 9. Catatan dalam hal ini menggunakan du parameter.531 .0062 (3) Kemudian.03 1. sehingga: 7 – 2 – 1 = 4 Ho : Oi = Ei H1 : Oi ≠ Ei Cara perhitungan: X − X 30.2773 0. sehingga dk-nya = jumlah kelas dikurang parameter.4993 = 0.20 Z= 14.346 + 1.44 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .129 + 1.74 0.54 20 0.3520 0. untuk z = -2.4993).33 1.44 (5) Oi telah diketahui = 2 (lihat f absolut) (6) − (Oi − Ei )2 = Ei 1.123 = 9.0007 – 0. Luas setengah daerah (0.514 + 0.5).5 – 0.08 < χ tabel = 9.38 0.20.123 17. jika z positif. maka 0.6293 0. Untuk z = -3.5 100.18). jika z minus.0062 = 0.8485 0.08 dk = 7 – 2 – 1 = 4 à pada tabel χ 2 untuk taraf signifikansi 5% = 9.5 80.2192 0. maka 0. tabel z = 0.531 + 0.4938 = 0.1106 0.70.346 22.0055 (untuk menentukan luas tiap kelas interval) (4) Untuk mencari Ei = luas kelas interval dikalikan n = (0.294 + 0.49 sehingga Ho diterima Jadi.5 dikurangi dengan 0.5 − 75. sehingga ditemukan 0. yaitu − Nilai rata-rata hitung ( X =75.50 = 0.18 24 0.0007 (2) Dengan cara yang sama.49 2 2 dengan demikian.

0222 0. Urutkan data sampel dari yang kecil sampai yang terbesar dan tentukan frekuensi tiap-tiap data b. 2 sehingga tidak normal. maka Ho diterima. karena uji Liliefors jauh lebih teliti dibandingkan dengan Uji Chi-Kuadrat.7486 0.0500 0. Uji Normalitas Dengan Uji Liliefors Apabila data masih disajikan secara individu. Jika Lhitung < Ltabel. c.0278 0.3500 0.00 0.9099 0.9778 S(z) 0.1500 0.0901 0.5000 0. Jika χ hitung < 2 χ tabel . Langkah-langkah pengujian normalitas data dengan Uji Liliefors adalah sebagai berikut. 2 maka χ hitung signifikan (H1 diterima). sehingga dapat disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal.1014 0. ini berarti terdapat perbedaan frekuensi. e. kemudian bandingkan dengan nilai Ltabel dari tabel Liliefors. maka uji normalitas data sebaiknya dilakukan dengan Uji Liliefors. maka tiap-tiap frekuensi kumulatif dibagi dengan n. 3.0984 0.(7) Hitung chi-kuadrat dengan rumus: χ = 2 ∑ i =1 k (Oi − Ei )2 Ei = 9.2516 0.0401 0. f.34 -0. Uji Liliefors dilakukan dengan mencari nilai Lhitung.0000 |F(z)S(z)| 0.6500 0. Hitung frekuensi kumulatif relatif dari masing-masing nilai z dan sebut dengan S(z) à hitung proporsinya. Contoh: X 2 3 4 5 6 7 8 f 1 2 4 6 4 2 1 f kum 1 3 7 13 17 19 20 z -2.67 0.9500 1. jika χ hitung > χ tabel . maka Ho diterima.34 2.8500 0.01 -1. hitung selisihnya.67 1. Tentukan nilai z dari tiap-tiap data tersebut. kalau n = 10. Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan diberi nama F(z) d. gunakan nilai Lhitung yang terbesar. yakni nilai |F(Zi)-S(Zi)| yang terbesar. Tentukan nilai Lhitung = |F(Zi)-S(Zi)|. maka sampel berasal dari populasi yang berdistribusi normal.0222 N = 20 *) Nilai Lhitung terbesar Bahan perkuliahan statistik penelitian pendidikan-gn2007 . a.08 2 2 2 2 (8) Bandingkan χ hitung dengan χ tabel pada taraf signifikansi 5%.01 F(z) 0.1500*) 0.0599 0.

4778.20 0.67.20 0. yaitu 0. dengan demikian F(z) = 0.10 0. 1.9778 A1 (h) 0.10 0. 0.34.0278. maka luas daerah pada tabel z = 0.1500 0. SD = 20 ∑ fX 2 (n − 1) (∑ fX ) − 2 n (n − 1) = 542 100 2 =1. sehingga dapat disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal.05 0. Uji normalitas dengan teknik Kolomogorov-Smirnov dilakukan dengan menghitung A1.01.3400 2.0222 0.190 (untuk dk = n = 20 pada taraf signifikansi 5%). 0.34. diperoleh Lhitung = 0. yaitu: -1.0500.0222 n = 20 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .0100 -1.6700 1.49 − 19 20(19) X − X 2−5 (2) z = = = −2.1500 < Ltabel = 0.1014 0.01 .0000 0.3500 0.0986 0.0222 (lihat tabel di atas) (4) Hitung nilai S(z) dengan cara: − 1 3 = 0.30 0.6500 0. yakni sama-sama menguji normalitas data yang disajikan secara individu. = 0.1500 (=Lo=Lhitung) (7) Bandingkan nilai Lhitung dengan Ltabel.4778 = 0.1500 . Dalam hal ini.00. Jika Lhitung < Ltabel.2516 0.0901 0. yaitu: untuk nilai z = -2.0172 0. maka Ho diterima. sehingga diperoleh: 0.0401 0.67.6700 0.01 (3) Hitung F(z) dengan cara seperti pada contoh pertama di atas.3400 -0.5 – 0. (6) Lihat nilai yang terbesar.0401 0.0599 0. maka terima Ho yang berarti bahwa sampel berasal dari populasi yang berdistribusi normal. Uji Normalitas dengan Teknik Kolmogorov-Smirnov Uji normalitas data dengan teknik Kolmogorov-Smirnov hampir sama dengan Teknik Liliefors. hitung nilai z dengan cara yang sama sehingga SD 1.0100 F(z) (g) 0.1016 0.0599 0. 4.9099 0.0278 A2 (i) 0. dan seterusnya. -0.0500 0.Cara menghitung: ∑ fX (1) M = X = − n 100 = = 5 . 20 20 (5) Hitung selisih antara F(z) dan S(z).05 KP (e) 0. Contoh penerapan teknik Kolmogorov-Smirnov: X (a) 2 3 4 5 6 7 8 f (b) 1 2 4 6 4 2 1 f kum (c ) 1 3 7 13 17 19 20 P (d) 0.0000 Z (f) -2.7486 0.0984 0.8500 0.5000 0.9500 1. yaitu nilai maksimum dari selisih antara Kumulatif Proporsi (KP) dengan harga Z tabel pada batas bawah.1500 0.49 diperoleh semua nilai z. dan 2.1500 0.0222 0. dan seterusnya.

Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data (X) b. j.05 ). 1. maka 0. n 20 − e. Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan diberi nama F(z) à lihat tabel z. nilai A1 maksimum (0. Hitung frekuensi absolut (f) c. pilih Normality test with plots. 0.5 ditambah (+) luas nilai z pada tabel. dan seterusnya.49 g. Hitung selisih antara kumulatif proporsi (KP) dengan nilai z pada batas bawah (lihat nilai F(z) dibawahnya). Selanjutnya. 5.kum 1 = = 0. dan seterusnya. Uji Normalitas Data dengan SPSS Pengujian normalitas data menggunakan bantuan paket program SPSS mengikuti langkah-langkah berikut ini. (A1) misalnya: 0 – 0.01 . dan seterusnya.0222.Langkah-langkah mengerjakan: a. dan seterusnya. pilih x sebagai factor list. Tentukan nilai z dari tiap-tiap data tersebut dengan rumus Z = = SD 2−5 = −2. maka 0. jika ada lebih dari 1 kelompok data. jika nilai z minus. Sebaliknya. klik Plots. • • • • Buka program SPSS Entry data atau buka file data yang akan dianalisis Pilih menu berikut: Analyze à Descriptives Statistics à Explore à OK Setelah muncul kotak dialog uji normalitas.0222 = 0. Hitung probabilitas frekuensi kumulatif (KP) dengan membagi frekuensi kumulatif dengan banyak data ( X −X f. dan klik Continue. maka Ho diterima. i. jika nilai z posiif. Jika A1 maksimum ≤ harga tabel D (lihat tabel D).0401. Hitung probabilitas frekuensi (P) dengan membagi frekuensi dengan banyak data ( f 1 = = 0. lalu OK Bahan perkuliahan statistik penelitian pendidikan-gn2007 . sehingga dapat disimpulkan bahwa sampel berasal dari populasi yang berdistribui normal. yang diperoleh dari harga kritik Kolmogorov-Smirnov satu sampel. Hitung f kumulatif (f kum) d.1500) dibandingkan dengan harga pada tabel D. selanjutnya pilih y sebagai dependent list.0901 = 0.05 – 0. sehingga diperoleh nilai-nilai F(z) h.05 ).5 dikurangi (-) luas wilayah pada tabel z. n 20 f .

menghasilkan 3 (tiga) jenis keluaran. kriteria yang berlaku adalah sebagai berikut.05 atau α=0.351 *) This is a lower bound of the true significance A Liliefors Significance Correction Keluaran pada tabel di atas menunjukkan uji normalitas data y. maka sampel berasal dari populasi yang berdistribusi normal. jika hasil uji signifikan maka normalitas data tidak terpenuhi. dengan cara klik sekali pada objek yang akan dihapus lalu tekan Delete.132 29 . Pengujian dengan SPSS berdasarkan pada uji Kolmogorov-Smirnov dan Shapiro-Wilk. Dengan demikian sampel berasal dari populasi yang berdistribusi normal.) untuk menetapkan kenormalan. yaitu Processing Summary.955 29 Y Sig. yatu keluaran yang berbentuk seperti tabel di bawah ini. misalnya Kolmogorov-Smirnov. normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikansi (α) tertentu (biasanya α=0. II. Pada analisis Bahan perkuliahan statistik penelitian pendidikan-gn2007 . sehingga p > α. Untuk keperluan penelitian umumnya hanya diperlukan keluaran berupa Test of Normality. Hipotesis yang diuji adalah: Ho : Sampel berasal dari populasi yang berdistribusi normal H1 : Sampel tidak berasal dari populasi yang berdistribusi normal Dengan demikian. Cara mengetahui signifikan atau tidak signifikan hasil uji normalitas adalah dengan memperhatikan bilangan pada kolom signifikansi (Sig. • • • • Tetapkan taraf signifikansi uji misalnya α=0.200* .01). Jika signifikansi yang diperoleh < α.200. Pengujian dengan SPSS berdasarkan pada uji Kolmogorov-Smirnov dan Shapiro-Wilk. Keluaran lainnya dapat dihapus. dan Q-Q plots. Statistic df . Pilih salah satu saja. UJI HOMOGENITAS Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variansi yang sama. . maka sampel bukan berasal dari populasi yang berdistribusi normal. Pada hasil di atas diperoleh nilai signifikansi p = 0. Pilih salah satu saja misalnya Kolmogorov-Smirnov. Descriptives. Test of Normality Kolmogorov-Smirnov Shapiro-Wilk Statistic df Sig.05 Bandingkan p dengan taraf signifikansi yang diperoleh Jika signifikansi yang diperoleh > α. yang sudah diuji sebelumnya secara manual dengan uji Liliefors dan Kolmogorov-Smirnov. Sebaliknya.Uji normalitas dengan menggunakan bantuan paket program SPSS. Tes of Normality.

2 Langkah-langkah perhitungan χ hitung adalah sebagai berikut. Hipotesis yang diuji adalah 2 2 Ho : τ 12 = τ 2 = τ 3 H1 : Salah satu tanda = tidak berlaku Teknik pengujian yang digunakan adalah Uji Bartlet. bukan akibat dari perbedaan yang terjadi di dalam kelompok. Uji Bartlet dilakukan dengan menghitung 2 χ 2 . setelah ditemukan nilai B. maka selanjutnya dihitung nilai B dengan rumus: B = ( ∑ dk ) log s 2 Akhirnya. dilakukan perhitungan untuk mendapatkan nilai χ 2 dengan menggunakan rumus: χ 2 = (ln 10){B − ∑ (dk. Dengan demikian perbedaan yang terjadi dalam hipotesis benar-benar berasal dari perbedaan antara kelompok. Bahan perkuliahan statistik penelitian pendidikan-gn2007 . Harga χ 2 yang diperoleh dari perhitungan ( χ hitung ) selanjutnya 2 2 2 dibandingkan dengan χ 2 dari tabel ( χ tabel ). persyaratan analisis yang dibutuhkan adalah bahwa galat regresi untuk setiap pengelompokan berdasarkan variabel terikatnya memiliki variansi yang sama. log s 2 )} 1. maka hipotesis nol diterima.s ) . ∑ dk 2 1 Bila harga varians gabungan (s2gab) sudah didapatkan. Artinya data berasal dari populasi yang homogen.regresi. Pertama-tama dibuat tabel kerja seperti di bawah ini. bila χ hitung < χ tabel . Uji Homogenitas Pada Uji Perbedaan Uji homogenitas pada uji perbedaan (seperti anava) dimaksudkan untuk menguji bahwa setiap kelompok yang akan dibandingkan memiliki variansi yang sama. Berikut ini disajikan uji homogenitas data dari sebuah penelitian. Sampel dk 1/dk s12 log s12 dk*s12 dk*logs12 Total Selanjutnya dihitung varians gabungan (s2gab) dengan rumus: s2 = ∑ (dk.

43 2. Sampel 1 2 3 Total dk 19 19 19 57 1/dk 0.11 log s12 2.12 5399.48 X2 80 42 67 54 73 25 62 27 77 61 55 75 61 57 85 70 62 36 52 32 17.47 827.10 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .93 15715.Suatu penelitian ingin membandingkan tingkat kemandirian anak (Y) berdasarkan kelompok daerah.48 s22 = 309.47 Diperoleh: s12 = 266.053 0. data yang diperoleh adalah sebagai berikut.053 0.44 7.63 276. pinggiran kota (X2). NO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 S 2 s X1 61 75 70 57 78 52 53 86 48 85 88 69 58 48 47 45 64 36 52 32 16.09 dk*logs12 46.60 309.92 X3 73 51 65 47 64 56 87 36 67 76 33 64 33 68 45 72 25 63 53 43 16.32 266.04 5252.09 46.158 s12 266.16 276.48 284.053 0.32 dk*s12 5063.62 46. dan perkotaan (X3).47 Hipotesis statistik: 2 Ho : τ 12 = τ 2 = τ 32 H1 : Salah satu tanda = tidak berlaku Selanjutnya dibuat tabel kerja seperti berikut.39 139.92 s32 = 276.45 2. yaitu pedesaan (X1).

Jika pada uji perbedaan. 2. log s 2 )} = (2.046 Dari perhitungan didapat χ 2 = -0.09 = 275. pengelompokan data variabel terikat dilakukan berdasarkan data varaibel bebas. Contoh: Tabel: Data hasil penelitian No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 X 4 4 6 9 8 9 7 6 5 5 6 8 7 7 8 9 8 Y 6 7 8 10 9 9 8 7 7 8 7 9 8 8 9 9 8 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .s ) = 15715. Perbedaannya terletak pada cara pengelompokan data variabel terikat.95. maka pada uji homogenitas pada uji regresi. sehingga Ho diterima.Varians gabungan: s2 = ∑ (dk. Ternyata χ hitung < χ tabel .10} = -0. Homogenitas Regresi Uji homogenitas untuk persyaratan analisis regresi menggunakan teknik yang sama dengan uji homogenitas untuk persyaratan uji perbedaan. Jadi data berasal dari populasi yang homogen.44 Nilai B = ( Hitung χ 2 ∑ dk ) log s 2 = 57 (2.08 χ 2 = (ln 10){B − ∑ (dk .08 – 139.70 = 2. 2 ) = 5.99 . pengelompokan data variabel terikat didasarkan pada kelompok sampel.70 57 ∑ dk 2 1 log s2 = log 275.046 sedangkan dari tabel harga χ 2 diperoleh 2 2 harga χ t ( 0 .44) = 139.303){139.

diurut dari data X terkecil ke data terbesar. 8 8. dengan rumus berikut. 8. 8 10. 9. dan diiikuti oleh data Y. 7 7. 9. Tabel: data hasil penelitian. s = ∑Y 2 1 2 (∑ Y ) − n 2 = 52 − (5) 2 =0 1 2 s 2 = (6 2 + 7 2 ) − ( 6 + 7) 2 = 0. 9 9. sebagai berikut. 7 8.18 19 20 7 3 9 9 5 9 Pasangkan data tersebut.50 2 (7 + 8) 2 = 0. 9. 7. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 X 3 4 4 5 5 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 Kelompok 1 2 3 4 n 1 2 2 3 Y 5 6 7 7 8 8 7 7 8 8 8 9 9 9 9 8 10 9 9 9 5 4 6 4 7 4 Ada 7 kelompok. seperti tabel berikut. dihitung variansi tiap kelompok. Kelompok 1 2 3 4 5 6 7 Data Y 5 6. 9 Selanjutnya. 8.25 2 2 s 3 = (7 2 + 8 2 ) − Bahan perkuliahan statistik penelitian pendidikan-gn2007 . 9.

94 dk * log s2 0 -0.273) = -3.45 3 (8 + 8 + 8 + 9) 2 = 0.5 0.333333 0.5 0.69357 -0.34679 -0.25181 -0.5 0.s ) = 6.56 4 2 s 7 = (10 2 + 9 2 + 9 2 + 9 2 ) − Hipotesis statistik: 2 2 2 2 H 0 : σ 12 = σ 2 = σ 32 = σ 4 = σ 52 = σ 6 = σ 7 H1 : salah satu tanda ≠ (tidak berlaku) Selanjutnya dibuat tabel kerja sebagai berikut.534 = ∑ dk 13 2 1 log s2 = log 0.9 1.333333 0.273 Menghitung nilai B dengan rumus: B = ( Hitung χ 2 ∑ dk ) log s 2 = 13 * (-0.042 < Bahan perkuliahan statistik penelitian pendidikan-gn2007 .30103 -0.75544 -3.303){(-3.30103 -0.75544 -0. Dengan demikian. harga χ 2 hitung = 0.5 0.68 1.042 χ 2 = 0.68 6.94 = 0.45 0.75544 -0. Tabel kerja Kelompok 1 2 3 4 5 6 7 Jumlah dk 0 1 1 2 3 3 3 13 1/dk 0 1 1 0.56 4 2 s5 = (8 2 + 8 2 + 8 2 + 9 2 ) − 2 s 6 = (9 2 + 9 2 + 9 2 + 8 2 ) − (9 + 9 + 9 + 8) 2 = 0.30103 -0.333333 s2 0 0.56 3.25181 -1.544 χ 2 = (ln 10){B − ∑ (dk.25181 -0.2 s 4 = (8 2 + 7 2 + 7 2 ) − (8 + 7 + 7 ) 2 = 0.922).544) – (-3.30103 -0.70428 dk * s2 0 0.534 = -0.56194 Menghitung varians gabungan: s 2 ∑ (dk.56 0.56 4 (10 + 9 + 9 + 9) 2 = 0.042 Bandingkan nilai χ 2 hitung dengan χ 2 tabel untuk derajat kebebasan 6 pada taraf signifikansi 5% (harga χ 2 tabel = 12.562)} = 0.13 log s2 0 -0.68 1. log s 2 )} = (2.5 0.56 0.

Uji Homogenitas dengan SPSS (1) Langkah-langkah pengujian homogenitas dengan SPSS Untuk menguji kehomogenan data sampel y berdasarkan pengelompokan data X. pinggiran kota (X2). x adalah prediktor • • • Klik tombol Plots Pilih Lavene test. untuk untransformed Klik Continue lalu klik OK Untuk keperluan penelitian.907 . yaitu pedesaan (X1). lakukan langkah-langkah berikut.918 . dan perkotaan (X3).882 57 Sig.086 . • • Buka file data yang akan dianalisis Pilih menu berikut ini Analyze Descriptives Statistics Explore Selanjutnya pilih • Pilih y sebagai dependent list dan x sebagai faktor list Catatan: Untuk homogenitas uji beda. pada kesempatan ini diuji homogenitas data uji perbedaan tingkat kemandirian anak (Y) berdasarkan kelompok daerah. sehingga Ho diterima. x adalah kode kelompok Untuk homogenitas regresi. Ini berarti bahwa varians dari ketujuh kelompok sampel tersebut adalah homogen. Test of Homogenity of Variance Levene Statistic .909 Y Based on Mean Based on Median Based on Median and With Adjust df Based on trimmed mean Bahan perkuliahan statistik penelitian pendidikan-gn2007 . yang telah diuji secara manual dengan uji Bartlet sebelumnya. Keluaran lain bisa dihapus dengan cara klik sekali pada objek yang dihapus.086 . (2) Menafsirkan hasil uji homogenitas Sebagai contoh.098 .922.096 df1 2 2 2 2 df2 57 57 55.χ 2 tabel = 12.918 . Hasil analisis adalah seperti tercantum pada gambar berikut. pada umumnya hanya perlu keluaran Test of Homogenity of Variance. . lalu tekan tombol Delete.

05 Bandingkan p dengan taraf signifikansi yang diperoleh Jika signifikansi yang diperoleh > α. • • • • Tetapkan taraf signifikansi uji. UJI LINEARITAS 1. Berdasarkan garis regresi yang telah dibuat. kehomogenan dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikansi (α) tertentu (Biasanya α = 0. III.05. dengan demikian data penelitian di atas homogen. Sebaliknya. selanjutnya diuji keterkaitan koefisien garis regresi serta linearitas garis regresi.01). Sumber Variasi Total Koefisien (a) Koefisien (b) dk N 1 1 ∑Y JK 2 ∑Y KT 2 F JK (a) JK (b/a) JK (a) s 2 reg = JK (b / a) 2 s sisa = 2 sTC 2 s reg 2 s sisa Sisa Tuna Cocok (n-2) k-2 JK (S) JK (TC) JK ( S ) n−2 JK (TC ) = k −2 JK (G ) n−k 2 sTC 2 sG Galat n-k JK (G) 2 sG = Bahan perkuliahan statistik penelitian pendidikan-gn2007 . Sama seperti untuk uji normalitas. misalnya α = 0.05 atau 0. dengan menggunakan tabel sebagai berikut.Interpretasi dilakukan dengan memilih salah satu statistik.907. yaitu statistik yang didasarkan pada rata-rata (Based on Mean). Hipotesis yang diuji adalah: Ho : Variansi pada tiap kelompok sama (homogen) H1 : Variansi pada tiap kelompok tidak sama (tidak homogen) Dengan demikian. Untuk menetapkan homogenitas digunakan pedoman sebagai berikut. maka variansi setiap sampel sama (homogen) Jika signifikansi yang diperoleh < α. Uji Linearitas hubungan/regresi Uji linearitas dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap variabel terikat y. Pada kolom Sig. maka variansi setiap sampel tidak sama (tidak homogen) Ternyata pengujian dengan statistik Based on Mean diperoleh signifikansi 0. jika hasil uji signifikan maka kenormalan tidak dipenuhi. terdapat bilangan yang menunjukkan taraf signifikansi yang diperoleh. jauh lebih melebihi 0.

020 1.320 1.296 1.369 900 900 900 1.764 1.024 1.184 1.369 1.152 1.521 1.369 1.764 1.156 1.440 1.444 841 1.480 1.596 1.600 900 1.600 1.024 1.024 1.156 33.056 ∑X2 = 41.156 1. data yang diperoleh sebagai berikut.330 1.089 1.089 900 1.296 1.224 1.024 1.156 1.296 1.023 992 1.444 1.400 1.105 ∑Y = 1.520 870 1.024 1.296 961 961 1.089 1.020 1.404 1.225 961 1.088 1.056 1.080 1.444 41.029 Y2 1.089 1.600 1.225 1.156 1.444 1.056 X2 1.225 1.024 1.512 1.225 1.120 1.521 1.517 960 1.470 1.528 Perhitungan: Diketahui: ∑X = 1.156 1.258 1.088 1.225 1.221 1.600 1.024 1.156 1.369 1.365 1.105 Y 32 35 31 38 29 35 33 30 32 36 31 31 36 37 35 38 37 30 30 30 33 32 34 35 36 32 32 34 32 34 1.369 1.054 1.764 1.024 1.000 XY 1.Keterangan: n = banyak data (responden) k = banyak kelompok data menurut variabel x Contoh: Suatu penelitian dilakukan untuk mengetahui pengaruh motivasi (X) terhadap Prestasi belajar (Y).292 37.600 1.296 1.029 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .000 ∑XY = 37.296 1.681 1.156 1. Skor Motivasi (X) dan Skor Prestasi Belajar (Y) Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Jumlah(∑) X 34 38 34 40 30 40 40 34 35 39 33 32 42 40 42 42 41 32 34 36 37 36 37 39 40 33 34 36 37 38 1.

Uji Kelinearan dan Keberartian Regresi Hipotesis yang diuji adalah: (1) Menguji keberartian garis regresi Ho : Koefisien-koefisien regresi (koefisien arah b) sama dengan nol (tidak berarti) H1 : bahwa garis regresi tidak sama dengan nol (2) Menguji linearitas garis regresi Ho : garis regresi linear H1 : Regresi non linear Langkah mengerjakan: a.68 30 x 41029 − 1221025 9845 2.528 Penentuan garis regresi ∧ Persamaan garis regresi adalah : Y = a + bX (∑ Y )(∑ X ) − (∑ X )(∑ XY ) a= n∑ X − (∑ X ) 2 2 2 = 1000 x 41029 − 1105x37056 41029000 . diikuti oleh data Y Pengelompokan data skor motivasi dan prestasi belajar X 30 32 32 33 33 34 34 34 34 34 35 36 36 Kelompok 1 2 3 4 ni 1 2 2 5 Y 29 31 30 31 32 32 31 30 30 32 32 30 32 5 6 1 3 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .34 30 x 41029 − 1221025 1230870 .1221025 9845 b= n(∑ XY ) − (∑ X )(∑ Y ) n∑ X 2 − (∑ X ) 2 = 30 x37056 − 1105x1000 6680 = = 0.40946880 82120 = = = 8.∑Y2 = 33. Urutkan data X dari terkecil sampai data terbesar.

Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square (SS) dengan rumus berikut.000) 2 2 2 n = 30 = 33333  (∑ X )(∑ Y ) 1105x1000     JK (b / a ) = b ∑ XY −  =151.41 = 43.41  = (0. JK (T ) = ∑ Y 2 .36 37 37 37 38 38 39 39 40 40 40 40 40 41 42 42 42 7 3 8 9 10 2 2 5 11 12 1 3 34 33 34 32 35 34 36 35 38 35 33 37 36 37 36 35 38 Dengan demikian terdapat 12 kelompok b. (∑ Y ) JK (a ) = n 2  (∑ X )(∑ Y )   JK (b / a ) = b ∑ XY −  n     JK (S) = JK (T) – JK (a) – JK (b/a)  (∑ Y )2    2 JK (G ) = ∑ ∑ Y −  n     JK (TC) = JK (S) – JK (G) JK (T) = JK (a ) = ∑ Y = 33528 (∑ Y ) (1.25  (∑ Y )2   2 (29) 2   2 2 (31 + 30) 2    2 JK (G ) = ∑ ∑ Y −  = 29 −  + 31 + 30 − + n   1   2     Bahan perkuliahan statistik penelitian pendidikan-gn2007 .68)37056 − 30 n       JK (S) = JK (T) – JK (a) – JK (b/a) = 33528 – 33333 – 151.

58 : 10 = 0.25 – 37. Hitung Harga F regresi dan F tuna cocok sebagai berikut.56 MK (G) = JK (G) : dk (G) = 37.25 : 28 = 1.67 = 5.67 : 18 = 2.20 Bahan perkuliahan statistik penelitian pendidikan-gn2007 .56 : 2.09 e.14*) 4.41 43. Hitung Mean Kuadrat (MK) atau Rerata Jumlah Kuadrat (RJK) sebagai berikut MK (T) = JK (T) : n = 33528 : 30 = 1117.41 1. Masukkan ke dalam tabel F (ANAVA) untuk regresi linear berikut.54 MK (Reg) = JK (Reg) : dk (Reg) = 151.67 3   JK (G) = 37. F (Reg) = MK (Reg) : MK (Sisa) = 151. JK (SS) 33528 33333 151. Hitung derajat kebebasan (dk) sebagai berikut.41 : 1 = 151.67 JK (TC) = JK (S) – JK (G) = 43.58 c.27 f.54 F hitung F Tabel Sumber Variasi Total Koefisien (a) Koefisien (b/a) Sisa (Residu) 91.41 : 1. 2 (31 + 32) 2   2 (32 + 31 + 30 + 30 + 32) 2  2 2 2 2 2 31 + 32 −  + 32 + 31 + 30 + 30 + 32 − + 2 5      2 (32) 2   2 (30 + 32 + 34) 2   2 (33 + 34 + 32) 2  2 2 2 2 32 −  + 30 + 32 + 34 −  + 33 + 34 + 32 − + 1   3 3     2 2  2 (36 + 35)  (36 + 34)   2 2 2 36 + 34 −  + 36 + 35 − + 2 2      2 (38 + 35 + 33 + 37 + 36) 2   2 (37) 2  38 + 35 2 + 33 2 + 37 2 + 36 2 −   + 37 − + 5 1      2 (36 + 35 + 38) 2  2 2 36 + 35 + 38 −  = 37.60 MK (S) = JK (S) : dk (S) = 43. dk (a) = 1 à dk = derajat kebebasan = degree of freedom (df) dk (b/a) = 1 à jumlah prediktor 1 dk sisa = n – 2 = 30 -2 = 28 dk tuna cocok = k – 2 = 12 – 2 = 10 à k = jumlah pengelompokan data X dk galat = n – k = 30 – 12 = 18 d.25 dk(df) 30 1 1 28 MK (MS) 1117.09 = 0.54 = 98.41 MK (TC) = JK (TC) : dk (TC) = 5.02 F (TC) = MK (TC) : MK (G) = 0.60 151.

27.56 2. maka harga F hitung (regresi) signifikan.42. Dalam hal ini F hitung (tuna cocok) = 0. Dalam hal ini.20. sehingga regresi Y atas X adalah linear. analisis dilakukan dengan cara memilih menu berikut. Dengan demikian harga F (tuna cocok) < F tabel. langkah-langkah yang dilakukan adalah.02.44ns 2. yang berarti bahwa koefisien regresi adalah berarti (bermakna).42 JK (T) à Jumlah Kuadrat Total JK (a) à Jumlah Kuadrat (a) à konstanta. maka harga F hitung (tuna cocok) non signifkan. dengan demikian F regresi adalah signifikan. masukkan data ke dalam lembar kerja SPSS dengan menggunakan nama variabel x dan y Analisis . Aturan Keputusan (kesimpulan) Jika F hitung (regresi) lebih besar dari harga F tabel pada taraf signifikansi 5% (α = 0. hubungan antara variabel motivasi dan prestasi belajar adalah linear. Dengan demikian. Uji Liniearitas dengan SPSS Untuk uji liniearitas antara variabel X dengan variabel Y dengan menggunakan SPSS. • • Entry data. sedangkan F tabel untuk taraf signifikansi 5% = 2.67 18 *) Signifikan pada taraf signifikansi 5% ns = non signifikan Keterangan : 0. X = 0 JK (b/a) à Jumlah Kuadrat (b/a) à koefisien regresi JK (S) à Jumlah Kuadrat Sisa JK (G) à Jumlah Kuadrat Galat (error) JK (TC) à Jumlah Kuadrat Tuna Cocok (Penyimpangan liniearitas) MK = Mean Kuadrat = Sum Square (SS) = Rerata Jumlah Kuadrat (RJK) g. Artinya terdapat hubungan fungsional yang signifikan antara variabel motivasi dan prestasi belajar. sedangkan F tabel untuk dk 1 : 28 (pembilang = 1 dan penyebut = 18) untuk taraf signifikansi 5% = 4.05). Analyze Compare Mean Means Bahan perkuliahan statistik penelitian pendidikan-gn2007 .09 0. F hitung (regresi) = 98. yang berarti bahwa hipotesis nol diterima dan hipotesis alternatif ditolak. Jika harga F hitung (tuna cocok) lebih kecil dari harga F tabel. Ini berari. ini berarti harga F regresi > F tabel. sehingga hipotesis nol ditolak dan hipotesis alternatif diterima. 3.Tuna Cocok 5. Ho diterima sehingga harga F tuna cocok adalah non signifikan.58 10 Galat (Error) 37.

…xn saling berkombinasi linear maka mereka saling tergantung (dependen).791 . x3. Jika terdapat hubungan yang cukup tinggi (signifikan).042 24 393.05).375 39 Y*X Between Groups Within Groups Total Hasil analisis menunjukkan bahwa harga F tuna cocok sebesar 0. …xn terhadap y.350 .209 . IV.702 Linearity 1762. Pindahkan y ke variabel dependent Pindahkan x ke variabel independent Pilih kotak Option dan pilih Test of Liniearity Klik Continue lalu klik OK Interpretasi Hasil Print Out computer tampil sebagai berikut. Dalam kasus ini koefisien regresi parsial tidak diperoleh karena persamaan normal tidak terselesaikan karena estimasi kuadrat terkecil tidak dapat dihitung. Akan tetapi masalah khusus. x2. estimasi kuadrat terkecil dapat dihitung tetapi terjadi kesulitan untuk menginterpretasikan efek dari tiaptiap variabel. apabila x1.• • • • • Selanjutnya akan muncul kotak dialog Uji Liniearitas.702 (di atas 0. yang disebut dengan multikolinear bisa terjadi.885 62. x3.157 23 92. berarti ada aspek yang sama diukur pada variabel bebas. Saling tergantung secara sempurna jarang terjadi dalam penelitian. Hal ini tidak layak digunakan untuk menentukan kontribusi secara bersama-sama variabel bebas terhadap variabel terikat. Dalam regresi x1. x2.233 15 117.009 Linearity 7308. Berarti model regresi linear.885 1 7308. Multikolinearitas terjadi apabila dua atau lebih variabel bebas saling berkorelasi kuat satu sama lain. UJI MULTIKOLINEARITAS Uji Multikolinearitas dimaksudkan untuk mengetahui ada tidaknya hubungan (korelasi) yang signifikan antar variabel bebas.000 Deviation from 2138.489 11209. Bahan perkuliahan statistik penelitian pendidikan-gn2007 .963 . ANOVA Table Sum of df Mean F Sig Square Square (Combined) 9447. Bila terjadi multikolinearitas. kemudian lakukan langkah berikut.791 dengan signifikansi 0.627 3.

Apabila beberapa koefisien korelasi tersebut mendekati Ry. diambil kasus regresi x1. maka dilanjutkan dengan menghitung koefisien korelasi ganda dari masing-masing variabel bebas dengan 3 variabel bebasl lainnya. dan Rx4. Data hasil penelitian (tentatif) x1 34 41 43 37 38 36 44 38 41 48 35 48 40 42 37 39 38 35 46 37 45 40 36 x2 47 43 42 38 30 35 48 45 49 43 49 42 38 32 37 48 31 44 46 36 44 35 37 x3 44 42 43 39 39 39 44 38 44 44 38 32 39 48 41 41 40 39 49 40 35 42 39 y 62 66 66 68 60 64 67 58 63 67 58 65 68 65 70 60 58 55 71 57 74 66 68 Bahan perkuliahan statistik penelitian pendidikan-gn2007 . maka dikatakan tidak terdapat masalah multikolinearitas dalam model regresi.x2x3x4.5. Rx2. Data hasil penelitian adalah sebagai berikut. x4 terhadap y. rx2x3. x1x2x3x4 setelah itu.x1x2x3x4. r x1x3. Apabila salah satu dari koefisien korelasi itu sangat kuat. yaitu Rx1. akan diuji multikolinearitas dalam regresi antara variabel bebas insentif (x1). dan hubungan interpersonal (x3) dengan variabel terikat (3). x3. yaitu rx1x2. Sebagai contoh. 2) Jika koefisien korelasi antar variabel bebas kurang dari 0. iklim kerja (x2). dengan patokan nilai VIF (variance inflation factor) dan koefisien korelasi antar variabel bebas. Rx3. Pertama dihitung Ry. Sebagai contoh. Uji multikolinearitas dengan SPSS dilakukan dengan uji regresi. maka tidak terdapat masalah multikolinearitas. maka dikatakan terjadi multikolinearitas.Multikolinearitas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya dengan koefisien korelasi antar variabel bebas. rx2x4. dihitung korelasi antar enam pasang variabel bebas.x1x2x4.x1x2x3. Kriteria yang digunakan adalah: 1) jika nilai VIF di sekitar angka 1 atau memiliki tolerance mendekati 1.x1x3x4. x2. rx1x4. dan rx3x4.

nilai tolerance mendekati 1 untuk semua variabel bebas.911 a Dependent Variable Y VIF 1. c. Pilih colinearity diagnostics. maka akan muncul kotal dialog Liniear Regression. Coefficients Collinearity Statistics Model Tolerance 1 X1 . data iklim kerja pada variabel x2. Demikian pula. lalu OK Hasil yang tampak dari uji multikolinearitas adalah sebagai berikut. dan x3 ke independent list. Analisis Data Pengujian multikolinearitas dilakukan dengan model regresi dengan menu sebagai berikut. Analyze Regression Linier. Selanjutnya. yakni data insentif dalam variabel x1. Dengan demikian dapat disimpulkan Bahan perkuliahan statistik penelitian pendidikan-gn2007 .865 X2 . Pilih Bok Statistics e. Pindahkan variabel y ke dependent list dan variabel x1. dan data kinerja pada variabel y. Apabila menu tersebut sudah dipilih.080 1.. sehingga tampak kotak dialog Linear Regression Statistics f. Setelah itu itu d.156 1. Entry Data Masukkan data ke dalam from SPSS.43 45 38 39 41 46 42 40 44 32 39 40 45 45 43 47 44 42 45 49 48 70 69 58 61 69 71 66 Langkah-langkah yang dilakukan dalam pengujian multikolinearitas adalah sebagai berikut. data hubungan interpersonal pada x3. Pilih Continue.926 X3 . b.x2.098 Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. a.

tidak terjadi pola tertentu. Langkahlangkah yang dilakukan 1. Contoh berikut menampilkan uji heterokdeasitas dengan grafik. Autokorelasi biasanya terjadi apabila pengukuran variabel dilakukan dalam interval waktu tertentu. yang telah diuji linearitasnya. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi multikolinearitas antar variabel bebas.. UJI AUTOKORELASI Autokorelasi terjadi dalam regresi apabila dua error єt-1 dan єt tidak independent atau C(єt-1. Analyze Regression Linear. iklim kerja (x2). Apabila garis yang membatasi sebaran titik-titik relatif paralel maka varian error dikatakan konstan. ε t = ρε t −1 + vt Bahan perkuliahan statistik penelitian pendidikan-gn2007 . VI. Entry Data Pada from SPSS dimasukkan data insentif sebagai variabel x dan data kinerja sebagai variabel y 2.bahwa dalam regresi antara variabel bebas insentif (x1). UJI HETEROKEDASITAS Heterokedasitas terjadi dalam regresi apabila varian error (єi) untuk beberapa nilai x tidak konstan atau berubah-ubah. Pendeteksian konstan atau tidaknya varian error ∧ ∧ konstan dapat dilakukan dengan menggambar grafik antara y dengan residu (y . V. єt) ≠ 0. Setelah langkah di atas dilakukan akan tampak kotak dialog Linear Regression • • • • Pindahkan variabel y ke dependent list dan variabel x ke factor list Pilih kotal dialog Plots Masukkan *SRESID ke Y dan *ZPRED ke X Pilih Continue. lalu OK Jika pada grafik tampak titik-titik menyebar di atas dan di bawah sumbu Y. Dengan demikian dapat disimpulkan bahwa tidak terjadi heterokedasitas. Hubungan antara єt dengan єt-1 dapat dinyatakan seperti berikut. untuk data hubungan antara insentif (x) dengan kinerja.y ). Analisis data Pilih menu sebagai berikut.

a. Menduga terjadi tidaknya autokorelasi dengan diagram antara grafik antara ε t dengan ε t −1 sangat sulit. d= ∑ (e t =2 n t n − et −1 ) 2 2 t ∑e t =1 Nilai d berkisar antara 0 dan 4. Analisis Data. maka selisih antara et dengan et-1 sangat kecil dan d mendekati 0.x2. Apabila ρ =0. Pilih Bok Statistics c. b. Pilih Continue. maka autokorelasi tidak terjadi. maka akan muncul kotal dialog Liniear Regression. Bahan perkuliahan statistik penelitian pendidikan-gn2007 . yakni data insentif dalam variabel x1 dan iklim kerja pada variabel x2. a. Apabila autokorelasi terjadi. maka selisih antara et dengan et-1 relatif besar dan d mendekati 4. lalu OK Hasil yang tampak dari uji autokorelasi adalah sebagai berikut. yaitu 0 ≤ d ≤ 4. Selanjutnya. Analyze Regression Linear Apabila menu tersebut sudah dipilih. Autokorelasi tidak terjadi apabila nilai d = 2. Langkah-langkah yang ditempuh dalam pengujian.ρ menyatakan koefisien korelasi autokorelasi populasi. maka ρ akan mendekati +1 atau 1. Pengujian autokorelasi dilakukan dengan modul regresi dengan menu seperti berikut. Entry Data Masukkan data ke dalam form SPSS. sehingga tampak kotak dialog Linear Regression Statistics d. apabila terjadi autokorelasi positif. data hubungan interpersonal pada x3 dan data kinerja pada variabel y. Pilih Durbin-Watson. dan x3 ke independent list. Pindahkan variabel y ke dependent list dan variabel x1. sebaliknya. Deteksi autokorelasi umumnya dilakukan dengan uji statistik DurbinWatson dengan menggunakan formula sebagai berikut. Setelah itu itu b. apabila terjadi autokorelasi negatif.

067 1 .1246 2. insentif b Dependent Variabel: Kinerja Ternyata koefisien Durbin-Watson besarnya 2. dan hubungan interpersonal (x3) terhadap kinerja (y) tidak terjadi autokorelasi . dapat disimpulkan bahwa dalam regresi antara variabel bebas (x1). Dengan demikian.614 . Bahan perkuliahan statistik penelitian pendidikan-gn2007 .378 a Predictors: (Constant).306 4. iklim kerja. iklim kerja (x2). interpersonal. hub.Model Summary Model R R Square Adjusted R Std Error of Durbin Square the Watson Estimate . mendekati 2.067.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->