131 -
Jika nilai P-value ≥ α , maka H tidak ditolak.
- Jika nilai P-value α , maka H
ditolak. Hasil uji homogenitas variansi untuk data faktor peserta didik X
1
, tenaga kependidikan X
2
, kurikulum X
3
, sarana dan prasarana X
4
, lingkungan keluarga X
5
, lingkungan masyarakat X
6
, dan keberhasilan pengembangan SDM pertanian di SPP-SPMA Tanjungsari Y terdapat pada Lampiran 19.
Hasil statistik Barlett’s Test pada taraf signifikansi 5 untuk data X
1
, X
2
, X
3
, X
4
, X
5
, X
6
, dan Y, menunjukkan P-value = 0,102. Oleh karena P-value α 0,102 0,05, maka H
tidak ditolak, yang berarti variansi data variabel X
1
, X
2
, X
3
, X
4
, X
5
, X
6
dan Y adalah homogen. Berkaitan dengan itu, asumsi homogenitas variansi untuk data variabel X
1
, X
2
, X
3
, X
4
, X
5
, X
6
dan Y dapat dipenuhi, sehingga analisis regresi linear berganda dan koefisien determinasi dapat dilakukan.
5. Uji Hipotesis dengan Teknik Analisis Regresi Linear Berganda
Seluruh tahapan pengujian hipotesis dengan analisis regresi linear berganda dilakukan dengan menggunakan alat bantu program statistik Minitab15.
a. Model Regresi Linear Berganda
Berdasarkan analisis data dengan teknik analisis regresi linear berganda menggunakan alat bantu program statistik Minitab15 Lampiran 20, diperoleh
hasil model regresi linear berganda Y atas X
1
, X
2
, X
3
, X
4
, X
5
, X
6
sebagai berikut:
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
.
132
b. Uji Asumsi Klasik Model Regresi Linear Berganda
Uji asumsi klasik yang harus dipenuhi agar model regresi linear berganda
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
dapat digunakan untuk membuat kesimpulan terdiri dari uji asumsi linearitas model
regresi, normalitas residual, homoskedastisitas residual, independensi residual, dan multicollinearity.
-
Uji Asumsi Linearitas Model Regresi
Uji asumsi linearitas model regresi dilakukan melalui pendekatan grafis, yaitu dengan metode scatterplot menggunakan alat bantu program statistik
Minitab15. Jika grafik scatterplot tidak berpola, maka dapat disimpulkan bahwa pada model regresi tidak terjadi miss-specification fungsi garis regresi, atau
dengan kata lain model regresi adalah linear.
Hasil uji asumsi linearitas model regresi
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
disajikan pada Gambar 10. Pada Gambar 10 dapat dilihat bahwa hasil uji menunjukkan grafik
scatterplot yang dihasilkan tidak membentuk suatu pola tertentu yang teratur.
Berdasarkan hasil uji tersebut, maka dapat diasumsikan bahwa pada model regresi
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
, tidak terjadi miss-specification fungsi garis regresi, atau model regresi adalah linear.
133
Gambar 10. Hasil Uji Asumsi Linearitas Model Regresi
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
.
-
Uji Asumsi Normalitas Residual
Uji asumsi normalitas residual dilakukan dengan statistik Anderson- Darling Test
pada taraf signifikansi 5 α = 0,05, menggunakan alat bantu program statistik Minitab15. Jika titik-titik nilai residual pada grafik normal
probability plot terletak mengikuti pola garis lurus, dan atau nilai P-value ≥ α ,
maka nilai residual terdistribusi normal. Hasil uji asumsi normalitas residual dengan Statistik Anderson-Darling
Test pada taraf signifikansi 5 dapat dilihat pada Gambar 11.
Berdasarkan hasil uji seperti terlihat pada Gambar 11, dapat diketahui bahwa nilai statistik Anderson-Darling Test yang diperoleh adalah sebesar 0,386
dengan P-value = 0,382 P-value α. Grafik normal probability plot of residual
134 memperlihatkan bahwa titik-titik nilai residual terletak mengikuti pola garis lurus.
Dengan demikian, dapat disimpulkan bahwa nilai residual dari model regresi linear berganda
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
terdistribusi normal.
Gambar 11. Hasil Uji Asumsi Normalitas Residual.
- Uji Asumsi Homoskedastisitas Residual
Uji asumsi homoskedastisitas residual dilakukan melalui pendekatan grafis, yaitu dengan metode scatterplot menggunakan alat bantu program statistik
Minitab15. Jika grafik scatterplot tidak berpola, maka dapat disimpulkan bahwa variansi residual pada model regresi adalah konstan atau terjadi homoscedasticity
Uyanto, 2009:253.
135 Hasil uji asumsi homoskedastisitas residual untuk model regresi linear
berganda
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
terdapat pada Gambar 12.
Gambar 12. Hasil Uji Asumsi Homoskedastisitas Residual.
Pada Gambar 12 dapat dilihat bahwa grafik scatterplot tidak berpola,
sehingga variansi residual pada model regresi linear berganda
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
dapat diasumsikan konstan terjadi homoscedasticity.
- Uji Asumsi Independensi Residual
Uji asumsi independensi residual dilakukan dengan uji statistik Durbin- Watson
menggunakan alat bantu program statistik Minitab15. Jika nilai uji
136 statistik Durbin-Watson lebih kecil dari satu atau lebih besar dari tiga, maka dapat
disimpulkan bahwa residual tidak bersifat independen atau terjadi autocorrelation Uyanto, 2009:248.
Hasil uji menunjukkan bahwa nilai statistik Durbin-Watson adalah 1,73383 Lampiran 20. Nilai tersebut lebih besar dari 1 dan kurang dari 3,
sehingga dapat disimpulkan pada model regresi linear berganda
= - 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
, nilai residual bersifat independen atau tidak terjadi autocorrelation antar nilai residual.
-
Uji Asumsi Multicollinearity
Uji asumsi multicollinearity dilakukan dengan analisis statistik Variance Inflation Factor
VIF. Jika nilai VIF kurang dari 5, maka dapat disimpulkan bahwa dalam model regresi tidak terjadi multicollinearity Iriawan dan Astuti,
2006:235. Hasil uji asumsi multicollinearity terdapat pada Tabel 14.
Tabel 14. Hasil Uji Asumsi Multicollinearity dengan Analisis Statistik VIF
Variabel Independen
VIF X
1
1,345 X
2
1,895 X
3
1,581 X
4
1,455 X
5
1,348 X
6
1,391
Keterangan: Hasil analisis berdasarkan output program Minitab15 Lampiran 20.
Hasil uji pada Tabel 14 menunjukkan nilai VIF seluruh variabel independen lebih kecil dari 5 Lampiran 20. Dengan demikian, dapat dikatakan
137
bahwa tidak terjadi multicollinearity dalam model regresi linear berganda =
- 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
. Berdasarkan hasil uji asumsi klasik sebagaimana telah diuraikan di atas,
maka model regresi linear berganda =
- 8,68 + 0,181 X
1
+ 0,310 X
2
+ 0,196 X
3
+ 0,129 X
4
+ 0,257 X
5
+ 0,216 X
6
telah memenuhi seluruh asumsi yang harus dipenuhi
sehingga model tersebut dapat digunakan untuk membuat kesimpulan-kesimpulan.
c. Uji Signifikansi Model Regresi Linear Berganda
