P. 1
Uji Linearitas

Uji Linearitas

|Views: 1,554|Likes:
Published by ANa As Khyuna

More info:

Published by: ANa As Khyuna on Dec 29, 2011
Copyright:Attribution Non-commercial

Availability:

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

06/20/2013

pdf

text

original

 Uji linieritas regresi merupakan salah satu

jenis uji persyaratan analisis atau uji asumsi
statistik manakala peneliti akan menggunakan
jenis statistika parametrik.
 Istilah linier mengandung arti bahwa apakah
kedua data atau variabel yang dihubungkan
itu berbentuk garis lurus. Maka untuk
mengetahui hal itu perlu diuji kelinierannya.

 Istilah regresi mulai digunakan dalam analisis
statistik oleh Galton dengan mengambil
studi/kajian mengenai perbandingan antara
tinggi badan anak laki-laki dengan tinggi
badan ayahnya.
 Selanjutnya istilah regresi dalam analisis
statistik digunakan dalam rangka
mengembangkan suatu persamaan untuk
meramalkan keadaan atau harga sesuatu
variabel apabila variabel kedua telah diketahui.

 Perhatikan pasangan data di bawah ini dan lakukan uji
linieritas regresi terhadap pasangan data tersebut !

NO MOTIVASI BELAJAR
(X)
PRESTASI BELAJAR
(Y)
1 6 6
2 6 7
3 7 8
4 7 8
5 7 7
6 9 9
7 9 9
8 8 8
9 8 7
10 5 5
1. Menentukan Persamaan regresi
 Rumus Y = a + bx

2. Menentukan Harga a

 Untuk menentukan harga a dapat dicari dengan rumus
sebagai berikut:





 Selanjutnya agar dapat mengaplikasikan rumus tersebut
terlebih dahulu perlu dicari harga - harga EX, EY, EXY,
EX
2
, EY
2
, n, (EX)
2
dan (EY)
2
dan dimasukkan ke dalam
tabel persiapan berikut :

2 2
2
) ( .
) )( ( ) )( (
X X n
XY X X Y
a
E ÷ E
E E ÷ E E
=
NO X Y X
2
Y
2
XY
1 6 6 36 36 36
2 6 7 36 49 42
3 7 8 49 64 56
4 7 8 49 64 56
5 7 7 49 49 49
6 9 9 81 81 81
7 9 9 81 81 81
8 8 8 64 64 64
9 8 7 64 49 46
10 5 5 25 25 25
E 72 74 534 562 546
 Perhitungan pada tabel di atas menghasilkan harga-harga
sebagai berikut:
 EX = 72 EY = 74 EXY = 546
EX
2
= 534 EY
2
= 562 n = 10
(EX)
2
= 5184 (EY)
2
= 5476
 Selanjutnya harga a dapat dicari, yaitu :


308 , 1
5184 5340
39312 39516
5184 534 10
546 72 534 74
) ( .
) )( ( ) )( (
:
2 2
2
=
÷
÷
=
÷ ×
× ÷ ×
=
E ÷ E
E E ÷ E E
=
a
a
a
X X n
XY X X Y
a rumus
3. Menentukan Harga b
 Berdasarkan perhitungan sebelumnya, telah diperoleh harga-harga
sebagai berikut :
 EX = 72 EY = 74 EXY = 546
 EX
2
= 534 EY
2
= 562 n = 10
 (EX)
2
= 5184 (EY)
2
= 5476
 Selanjutnya harga b dapat dicari, yaitu :



85 , 0
156
132
5184 5340
5328 5460
5184 534 10
74 72 546 10
) ( .
) ).( ( .
:
2 2
=
=
÷
÷
=
÷ ×
× ÷ ×
=
E ÷ E
E E ÷ E
=
b
b
b
b
X X n
Y X XY n
b rumus
 Maka diperoleh persamaan regresi linier :
^
 Y = 1,308 + 0,85 X



4. Mencari harga-harga untuk mengisi Tabel ANAVA
 Untuk keperluan melakukan uji linieritas regresi, terlebih
dahulu disiapkan Tabel ANAVA sebagai berikut :

 TABEL : Analisis Varians (ANAVA) Regresi Linier Sederhana


Sumber Variasi Dk
(Derajat
Kebebasan)
JK
(Jumlah Kuadrat)
KT(kuadrat total) atau
RJK ( Rata-rata jumlah
kuadrat)
F
Total N EY
2

Regresi (a) 1 JK (a)
Regresi (b/a) 1 JK
reg
= JK (b/a)
Residu (sisa) n-2 JK(S)


Tuna cocok

k-2

JK (TC)
S
2
TC
= JK (TC)/K-2 S
2
TC
/ S
2
g


Kekeliruan
(Galat)
n-k JK (G) atau: JK
(E)
S
2
g
= JK ( G)/ n – K

Keterangan :
JK (T) = Jumlah kuadrat total
JK (a) = Jumlah kuadrat regresi (a)
JK (b/a) = Jumlah kuadrat regresi (b/a)
JK (S) = Jumlah kuadrat sisa atau residu
JK (G) = Jumlah kuadrat kekeliruan
JK (TC) = Jumlah kuadrat ketidakcocokan
Dbtc = Derajat kebebasan ketidakcocokan
Dbkk = Derajat kebebasan kekeliruan
S
2
TC
= varian ketidakcocokan
S
2
G
= varian kekeliruan






Keterangan :

) ( ) ( ) (
) (
) (
) / ( ) ( ) ( ) (
) ).( (
. ) / (
) (
) (
) (
2
2
2
2
G JK S JK TC JK
n
Y
Y
G JK
a b JK a JK T JK S JK
n
Y X
XY b a b JK
n
Y
a JK
Y T JK
x
i
i
÷ =
)
`
¹
¹
´
¦
E
÷ E
=
÷ ÷ =
)
`
¹
¹
´
¦ E E
÷ E =
E
=
E =
¿

a. Menghitung jumlah kuadrat regresi (a) atau JK (a)
 Rumus : JK (a) = (EY)
2

n
 JK (a) = (74)
2

10
= 5476
10
= 547,6


b. Mencari jumlah kuadrat regresi (b/a)



22 , 11 ) / (
10
5328
546 85 , 0 ) / (
10
74 72
546 85 , 0 ) / (
).( (
. ) / ( :
=
)
`
¹
¹
´
¦
÷ × =
)
`
¹
¹
´
¦
×
÷ × =
)
`
¹
¹
´
¦
E E
÷ E =
a b JK
a b JK
a b JK
n
Y X
XY b a b JK Rumus


c. Menghitung jumlah kuadrat residu (JK
res
) atau JK (s)
 Rumus : JK (S) = JK (T) – JK (a) –JK (b/a)
 = 562 – 547,6 – 11,22
= 3,18
d. Menghitung jumlah kuadrat kekeliruan atau JK (G) atau
(JKkk)





 Untuk mencari JK (G) terlebih dahulu dibuat tabel
persiapan seperti berikut :



¿
)
`
¹
¹
´
¦
E
÷ E =
xi
ni
Y
Y G JK Rumus
2
2
) (
) ( :




TABEL
DAFTAR PASANGAN DATA
VARIABEL X DAN Y SETELAH DIKELOMPOKKAN
NO X KELAS Ni Y
1 5 1 1 5
2 6 2 2 6
3 6 7
4 7 3 3 8
5 7 8
6 7 7
7 8 4 2 8
8 8 7
9 9 5 2 9
10 9 9




Berdasarkan tabel daftar pasangan data di atas,maka JK
kk
atau JK (G), dapat
dicari, yaitu:



{ }
{ } { } { } { } { }
67 , 1 (G) JK
0 5 , 0 67 , 0 5 , 0 0 (G) JK
162 162 5 , 112 113 33 , 176 177 5 , 84 85 0 (G) JK
2
324
81 81
2
225
49 64
3
529
49 64 64
2
169
49 36 25 25 (G) JK
2
) 9 9 (
9 9
2
) 7 8 (
7 8
3
) 7 8 8 (
7 8 8
2
) 7 6 (
7 6
1
5
5 (G) JK
2
2 2
2
2 2
2
2 2 2
2
2 2
2
2
=
+ + + + =
÷ + ÷ + ÷ + ÷ + =
)
`
¹
¹
´
¦
÷ + +
)
`
¹
¹
´
¦
÷ + +
)
`
¹
¹
´
¦
÷ + + +
)
`
¹
¹
´
¦
÷ + + ÷ =
)
`
¹
¹
´
¦
+
÷ + +
)
`
¹
¹
´
¦
+
÷ + +
)
`
¹
¹
´
¦
+ +
÷ + + +
)
`
¹
¹
´
¦
+
÷ + +
)
`
¹
¹
´
¦
÷ =

e. Menghitung jumlah kuadrat ketidakcocokan, atau JK (TC)
Rumus : JK (TC) = JK (S) – JK (G)
= 3,18 – 1,67
= 1,51

f. Menghitung jumlah Derajat Kebebasan ketidakcocokkan, atau
(db
tc)

Db
tc
= K - 2
= 5 - 2
= 3

g. Menghitung jumlah Derajat Kebebasan kekeliruan, atau (db
kk
)
Db
kk
= n - k
= 10 - 5
= 5






h. Menghitung rata-rata jumlah kuadrat ketidakcocokan
( RK
tc
) atau varians ketidakcocokkan (S
2
TC
)
S
2
TC
= JK (TC)/ k - 2 atau ( RKtc = JKtc/dbtc)
= 1,51/3
= 0,503
i. Menghitung rata-rata jumlah kuadrat kekeliruan (RK
kk
)
atau varians kekeliruan (S
2
G
)
S
2
G
= JK (G)/n – k atau (RKkk = JKkk/dbkk)
= 1,67/5
= 0,334

j. Menghitung F kelinieran ( Model Linier)
F linier = S
2
TC
/ S
2

G
atau (RKtc/RKkk)
= 0,503/0,334
= 1,50





k. Mengisi tabel ANAVA



Sumber
Variasi
Dk JK KT atau RJK F
Total N=10 562
Regresi (a) 1 547,6
Regresi
(b/a)
1 11,22
Residu
(sisa)
n-2=
10-2=8

3,18
Tuna cocok k-2
5-2 = 3

1,51

0,503

1,50
Kekeliruan
(Galat)
n-k
10-5=5

1,67

0,334

l. Menentukan nilai F tabel model linier dengan taraf
signifikansi 5%, yaitu dengan dk pembilang (k-2 = 5 – 2
= 3) dan dk penyebut (n-k = 10 – 5 = 5), diperoleh F
tabel model linier sebesar 5,41
m. Menguji hipotesis, yaitu :
 H
o
= Model regresi non linier
 H
a
= Model regresi linier

 Kriteria ; Tolak hipotesis nol (Ho); (model regresi non
linier) jika F hitung (F model regresi linier) s F tabel
( F model regresi non linier ) , pada (1 - o ) (k-2, n-k) atau
yang bersesuaian, sedangkan dalam keadaan yang
sebaliknya diterima.






 Proses pengujian:

 Dengan dk pembilang k – 2 = 3 dan dk penyebut (n-k =
5) pada taraf signifikansi 5% atau tingkat kepercayaan 95%
( o = 0,05), diperoleh harga F tabel sebesar 5,41 > F
hitung sebesar 1,50. Maka hipotesis nol (Ho) ditolak dan
Ha diterima. Berarti kita terima pernyataan bahwa bentuk
regresi linier. Selanjutnya kedua hasil pengujian ini
menyatakan bahwa regresi Y = 1,308 + 0,85 X, kecuali
dari segi konstantanya , dapat dipertanggungjawabkan
untuk digunakan bagi pengambilan beberapa kesimpulan
yang diperlukan.




23
TERIMA KASIH



Uji linieritas regresi merupakan salah satu jenis uji persyaratan analisis atau uji asumsi statistik manakala peneliti akan menggunakan jenis statistika parametrik. Istilah linier mengandung arti bahwa apakah kedua data atau variabel yang dihubungkan itu berbentuk garis lurus. Maka untuk mengetahui hal itu perlu diuji kelinierannya.

.  Istilah regresi mulai digunakan dalam analisis statistik oleh Galton dengan mengambil studi/kajian mengenai perbandingan antara tinggi badan anak laki-laki dengan tinggi badan ayahnya. Selanjutnya istilah regresi dalam analisis statistik digunakan dalam rangka mengembangkan suatu persamaan untuk meramalkan keadaan atau harga sesuatu variabel apabila variabel kedua telah diketahui.

 Perhatikan pasangan data di bawah ini dan lakukan uji linieritas regresi terhadap pasangan data tersebut ! MOTIVASI BELAJAR (X) 6 6 7 PRESTASI BELAJAR (Y) 6 7 8 NO 1 2 3 4 5 6 7 8 9 10 7 7 9 9 8 8 5 8 7 9 9 8 7 5 .

Y2 . X2 . Menentukan Persamaan regresi  Rumus Y = a + bx 2. n.1. XY. Menentukan Harga a  Untuk menentukan harga a dapat dicari dengan rumus sebagai berikut:  (Y )( X )  (X )( XY ) a 2 2 n. (X)2 dan (Y)2 dan dimasukkan ke dalam tabel persiapan berikut : . Y.harga X.X  (X ) 2  Selanjutnya agar dapat mengaplikasikan rumus tersebut terlebih dahulu perlu dicari harga .

NO 1 2 3 4 5 6 X 6 6 7 7 7 9 Y 6 7 8 8 7 9 X2 36 36 49 49 49 81 Y2 36 49 64 64 49 81 XY 36 42 56 56 49 81 7 8 9 10 9 8 8 5 9 8 7 5 81 64 64 25 81 64 49 25 81 64 46 25 .

    Perhitungan pada tabel di atas menghasilkan harga-harga sebagai berikut: X = 72 Y = 74 XY = 546 X2 = 534 Y2 = 562 n = 10 (X)2 = 5184 (Y)2 = 5476 Selanjutnya harga a dapat dicari.308 2 . yaitu : (Y )(X )  (X )(XY ) rumus : a  2 2 n.X  (X ) 74  534  72  546 a 10  534  5184 39516  39312 a 5340  5184 a  1.

X 2  (X ) 2 10  546  72  74 b  10  534  5184 5460  5328 b  5340  5184 132 b  156 b  0. Menentukan Harga b  Berdasarkan perhitungan sebelumnya.X Y  (X ). telah diperoleh harga-harga sebagai berikut :  X = 72 Y = 74 XY = 546  X2 = 534 Y2 = 562 n = 10  (X)2 = 5184 (Y)2 = 5476  Selanjutnya harga b dapat dicari.(Y ) rumus : b  n. yaitu : n.3.85 .

308 + 0.  Maka diperoleh persamaan regresi linier : ^ Y = 1.85 X .

Mencari harga-harga untuk mengisi Tabel ANAVA  Untuk keperluan melakukan uji linieritas regresi. terlebih dahulu disiapkan Tabel ANAVA sebagai berikut :  TABEL : Analisis Varians (ANAVA) Regresi Linier Sederhana Dk (Derajat Kebebasan) N 1 JK (Jumlah Kuadrat) KT(kuadrat total) atau RJK ( Rata-rata jumlah kuadrat) F Sumber Variasi Total Regresi (a) Y2 JK (a) Regresi (b/a) Residu (sisa) 1 n-2 k-2 n-k JKreg = JK (b/a) JK(S) JK (TC) JK (G) atau: (E) JK S2TC = JK (TC)/K-2 S2g = JK ( G)/ n – K S2TC / S2g Tuna cocok Kekeliruan (Galat) .4.

Keterangan : JK (T) = Jumlah kuadrat total JK (a) = Jumlah kuadrat regresi (a) JK (b/a) = Jumlah kuadrat regresi (b/a) JK (S) = Jumlah kuadrat sisa atau residu JK (G) = Jumlah kuadrat kekeliruan JK (TC) = Jumlah kuadrat ketidakcocokan Dbtc = Derajat kebebasan ketidakcocokan Dbkk = Derajat kebebasan kekeliruan S2TC = varian ketidakcocokan S2 G = varian kekeliruan .

  XY  n  JK ( S )  JK (T )  JK ( a )  JK ( b )   /a) JK (G )   xi   Y  2 ( Y )    ni  2 JK (TC )  JK ( S )  JK (G ) .(  Y  JK ( b / a )  b .Keterangan : JK (T )   Y 2 2 ( Y ) JK ( a )  n (  X ).

Menghitung jumlah kuadrat regresi (a) atau JK (a)  Rumus : JK (a) = (Y)2 n  JK (a) = (74)2 10 = 5476 10 = 547.6 .a.

b.22 .85   546   10   5328   JK ( b / a )  0 .85   546   10   JK ( b / a )  11 .(  Y   Rumus : JK ( b / a )  b .  XY   n   72  74   JK ( b / a )  0 . Mencari jumlah kuadrat regresi (b/a) (  X ).

Menghitung jumlah kuadrat residu (JKres) atau JK (s)  Rumus : JK (S) = JK (T) – JK (a) –JK (b/a)  = 562 – 547.6 – 11.18 d.22 = 3. Menghitung jumlah kuadrat kekeliruan atau JK (G) atau (JKkk)  2 (Y )  Rumus : JK (G )    Y   ni  xi  2  Untuk mencari JK (G) terlebih dahulu dibuat tabel persiapan seperti berikut : .c.

TABEL DAFTAR PASANGAN DATA VARIABEL X DAN Y SETELAH DIKELOMPOKKAN NO 1 2 3 X 5 6 6 KELAS 1 2 Ni 1 2 Y 5 6 7 4 5 6 7 8 9 10 7 7 7 8 8 9 9 3 3 8 8 7 4 2 8 7 5 2 9 9 .

5 177  176.67  0.5  0.5 162  162 JK (G)  0  0. yaitu:  2 52   2 2 (6  7) 2   2 2 2 (8  8  7) 2  JK (G)  5    6  7    8  8  7   1  2   3    2 2 (8  7) 2   2 2 (9  9) 2   8  7    9  9   2   2   169   529   225   JK (G)  25  25 36  49    64  64  49    64  49   2   3   2   324    81  81   2   JK (G)  0 85  84.33 113  112.67 .5  0 JK (G)  1. dapat dicari.Berdasarkan tabel daftar pasangan data di atas.maka JKkk atau JK (G).

atau JK (TC) Rumus : JK (TC) = JK (S) – JK (G) = 3. Menghitung jumlah kuadrat ketidakcocokan. atau (db tc) Db tc = K-2 = 5-2 = 3 g.5 = 5 .e.51 f.67 = 1. Menghitung jumlah Derajat Kebebasan ketidakcocokkan. atau (db kk) Db kk = n-k = 10 .18 – 1. Menghitung jumlah Derajat Kebebasan kekeliruan.

334 = 1.51/3 = 0.h.2 atau ( RKtc = JKtc/dbtc) = 1. Menghitung rata-rata jumlah kuadrat kekeliruan (RKkk) atau varians kekeliruan (S2G) S2G = JK (G)/n – k atau (RKkk = JKkk/dbkk) = 1. Menghitung F kelinieran ( Model Linier) F linier = S2 TC / S2 G atau (RKtc/RKkk) = 0.50 .334 j.67/5 = 0. Menghitung rata-rata jumlah kuadrat ketidakcocokan ( RKtc) atau varians ketidakcocokkan (S2TC) S2TC = JK (TC)/ k .503/0.503 i.

k.334 .22 3.6 11.50 Kekeliruan (Galat) 1. Mengisi tabel ANAVA Sumber Variasi Total Regresi (a) Regresi (b/a) Residu (sisa) Tuna cocok Dk JK KT atau RJK F N=10 1 1 n-2= 10-2=8 k-2 5-2 = 3 n-k 10-5=5 562 547.67 0.503 1.51 0.18 1.

Tolak hipotesis nol (Ho).41 m. yaitu dengan dk pembilang (k-2 = 5 – 2 = 3) dan dk penyebut (n-k = 10 – 5 = 5). sedangkan dalam keadaan yang sebaliknya diterima.l. . n-k) atau yang bersesuaian. pada (1 . diperoleh F tabel model linier sebesar 5. Menentukan nilai F tabel model linier dengan taraf signifikansi 5%. ) (k-2. yaitu :  Ho = Model regresi non linier  Ha = Model regresi linier  Kriteria . Menguji hipotesis. (model regresi non linier) jika F hitung (F model regresi linier)  F tabel ( F model regresi non linier ) .

Maka hipotesis nol (Ho) ditolak dan Ha diterima. Proses pengujian: Dengan dk pembilang k – 2 = 3 dan dk penyebut (n-k = 5) pada taraf signifikansi 5% atau tingkat kepercayaan 95% (  = 0. Berarti kita terima pernyataan bahwa bentuk regresi linier.85 X.308 + 0. dapat dipertanggungjawabkan untuk digunakan bagi pengambilan beberapa kesimpulan yang diperlukan. kecuali dari segi konstantanya . Selanjutnya kedua hasil pengujian ini menyatakan bahwa regresi Y = 1.41 > F hitung sebesar 1.05).  .50. diperoleh harga F tabel sebesar 5.

TERIMA KASIH 23 .

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)//-->