UJI REGREGASI SEDERHANA DENGAN SPSS

1. UJI ASUMSI KLASIK

Nilai Residual

Data uji Unstandardized Residual

Dari data tersebut dapat diketahui nilai valuenya adalah 0.541 yang artinya berdistribusi

normal
 2. UJI ASUMSI KLASIK 2

Data Anova

Kriteria Pengambilan Keputusan Uji Linearitas dengan Compare Means:

Jika nilai Sig pada baris linearity < 0.05, maka hubungan kedua variabel bersifat linear

Jika nilai Sig pada baris linearity > 0.05, maka tidak terdapat hubungan linear antara kedua variabel
yang diuji
Bedasarkan ouput ini dapat kita lihat bahwa nilai linearity adalah 0.000 atau kurang dari

0.05 yang maknanya adalah tidak terdapat hubungan linear antara kedua variabel yang

Diuji

Dari gambar grafik tersebut menunjukan adanya hubungan linearitas cukup kuat.

Dapat disimpulkan uji asumsi 2 yaitu uji linearitas data terpenuhi, maka bias lanjut ke uji

Heteroskedastisitas.
 3. UJI GLESJER

Kriteria Pengambilan Keputusan Uji Glejser:

Jika nilai Sig > 0.05, maka tidak terjadi heteroskedastisitas

Jika nilai Sig < 0.05, maka terjadi heteroskedastisitas

Dapat disimpulkan bahwa data ABS_RES 1 ternyata lebih besar dari 0,05 yaitu 0.517 artinya

Tidak terjadi heteroskedastisitas

4. Uji Autokorelasi

Kriteria pengambilan keputusan Uji Durbin-Watson:

Jika nilai DW < dL atau DW> (4-dL) maka terjadi autokorelasi

Jika nilai dU < DW < (4-dU) maka tidak terjadi autokorelasi

Jika dL < DW < dU atau (4-dU) < DW < (4-dL) maka tidak menghasilkan kesimpulan yang pasti.

DW= 2.300

DU= 1.3197 (2,6803)

DL= 0.8791

Maka dalam hal ini data yang diteliti tidak terjadi Autokorelasi. Maknanya memenuhi syarat
asumsi korelasinya tidak ada. Data pakan dan berat bobot sudah layak memenuhi asumsi untuk
lanjut ke Uji Regresi linier sederhana.

Persamaan regrasinya linier Y= 103.800 + 6.250 x

Nilai signifikansi dalam uji T dibawah 0.05 artinya berpengaruh. Sedangkan kalau di atas 0.05 artinya
tidak berpengaruh.

Dari ouput ini dapat dikatakan R square menunjukan seberapa besar variable bebas menjelaskan
variable independentnya. Jadi bedasarkan hasil ini diterangkan bahwa bedasarkan ouput regerasi ini
maka menjelaskan bahwa 93.9 dapat menerangkan variable terikatnya, jadi 93.9 mampu untuk
menjelaskan pakan.