Uji Asumsi Klasik Pdam Tahunan.docx

1. Uji asumsi klasik A. Uji normalitas

Gambar 1.1 -

Uji historigram

Deteksi normalitas data dapat dilakukan dengan melihat historigram jika data menunjukan distribusi normal maka regresi memenuhi asumsi normalitas. Dari data yang telah diteliti melalui historigram dapat disimpulkan data menunjukan gambar 1.1 distribusi normal maka regresi memenuhi asumsi normalitas.

1

Gambar 1.2 -

Uji normalitas grafik

Deteksi normalitas data dapat dilakukan dengan melihat distribusi data. Yaitu melihat penyebaran data pada sumbu diagonal dari grafik Jika data menyebar digaris diagonal maka regresi memenuhi asumsi normalitas. Dapat kita lihat dan simpulkan grafik pada gambar 1.1. terlihat data menyebar digaris diagonal. -

Uji statistik

Uji stastistik dilihat untuk menguji nomalitas residual adalah uji statistik nonparametric kolmogrov smirnov (K – S). Jika nilai asymp sig lebih dari atau sama dengan 0,05 maka data berdistribusi normal, jika asymp sig kurang dari 0,05 maka distribusi data tidak normal

2

One-Sample Kolmogorov-Smirnov Test

air baku N Normal

Parametersa,b

Most Extreme Differences

distribusi air

produksi air

bersih

bersih

12

12

12

Mean

4492005,0000

4033710,8333

4218819,1667

Std. Deviation

100112,96170

151055,26084

101924,22528

Absolute

,167

,208

,192

Positive

,167

,152

,192

Negative

-,165

-,208

-,161

,167

,208

,192

,200c,d

,162c

,200c,d

Test Statistic Asymp. Sig. (2-tailed)

Tabel 1.1 Dari tabel diatas dapat diketahui nilai asymp sig (2 – tailed) pada air baku adalah 0,200 pada distribusi air bersih adalah 0,162 pada produksi air bersih adalah 0,200. Dan dapat disimpulkan dari semua variabel tidak ada < 0,05 maka data berdistribusi normal. B. Uji linearitas Uji linearitas bertujuan untuk mengetahui apaka dua variabel mempunyai hubingan yang linear tau tidak secar signifikan. Uji ini biasanya digunakan sebagi prasyarat dalam analisi korelasi atau regresi linear. Pengujian pada SPSS dengan menggunakan Test for linearity dengan taraf signifikansi 0,05. Dua variabel dikatakan signifikan jika nilai sig pada deviation from linearity > 0,05.

3

dari data diatas ditemukan nilai sig pada deviation from linearity adalah 0,077 yang berarti nilai sig > 0,05 dan dapat disimpulkan bahwa hubungan antara variabel air baku dan distribusi air bersih terhadap produksi air bersih bersifat linear.

-

Uji multikolinearitas

Untuk menditeksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagi berikut : a.

Menganalisa tolerance, jika nilai tolerance > 0,10 maka tidak terjadi multikolinearitas. Tetapi jika nilai tolerance < 0,10 maka terjadi multikolinearitas.

b.

Menganalisa VIF (variance inflation factor), jika nilial VIF < 10,00 maka tidak terjadi multikolinearitas, tetapi jika nilai VIF > 10,00 maka terjadi multikolinearitas. c. Coefficientsa Standardized Unstandardized Coefficients

Model 1

B (Constant)

Coefficients

Std. Error

Beta

-421207,049

420515,789

air baku

,746

,091

distribusi air bersih

,319

,060

Collinearity Statistics t

Sig.

Tolerance

-1,002

,343

,733

8,208

,000

,939

1,065

,473

5,300

,000

,939

1,065

Tabel 1.3 a. Nilai tolerance 0,939 untuk air baku dan distribusi air maka dapat disimpulkan nilai tolerance 0,939 > 0,10 yang berarti tidak terjadi multikolinearitas pada data ini. b. Nilai VIF 1.065 untuk air baku dan distribusi air maka dapat disimpulkan nilai VIF 1,065 < 10,00 yang berarti tidak terjadi multikolinearitas pada data ini

4

VIF

-

Uji heterosdastisitas

Uji hesterosdastisitas dapat diuji dengan uji Park yaitu dengan melihat nilai signifikan lebih besar dari 0,05 sehingga dapat disimpulkan bahwa model regresi tidak mengandung adanya hesterosdastisitas. Namun jika nilai signifikan lebih kecil dari 0,05 terjadi hesterosdastisitas

ANOVAa Model 1

Sum of Squares Regression

232462372,947

Residual

3708832054,19

df

Mean Square

9 Total

3941294427,14

F

2

116231186,474

9

412092450,467

Sig. ,761b

,282

11

6 a. Dependent Variable: absolute residu

b. Predictors: (Constant), distribusi air bersih, air baku

Tabel 1.4 Dapat dilihat dari tabel diatas kalau nilai F adalah 0,282 dan nilai sig F adalah 0,761 dapat disimpulkan sig F > 0,05 secara simultan data tidak terjadi heterosdastisitas.

Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant)

Std. Error

-198425,783

291865,170

air baku

,034

,063

distribusi air bersih

,015

,042

Coefficients Beta

t

Sig. -,680

,514

,181

,544

,600

,123

,368

,722

a. Dependent Variable: absolute residu

Tabel 1.5 Dapat dilihat pada tabel diatas ditemukan pada variabel air baku nilai t adalah 0,544 dan nilai sig t adalah 0,600 yang berarti dapat disimpulkan sig t > 0,05 maka tidak terjadi heterosdastisitas secara parsial pada variabel air baku. Dan dilihat tabel diatas pada variabel distribusi air bersih

5

ditemukan nilai t 0,368 dan sig t adalah 0,722 yang berarti dapat disimpulkan nilai sig t > 0,05 maka tidak terjadi heterosdastisitas secara parsial pada distribusi air baku. -

Uji aoutokorelasi

a. Uji Durbin watson Uji durbin watson adalah uji autokorelasi yang menilai adanya autokorelasi pada residual. Uji durbin watsin akan mengahasilkan nilai durbin watson (DW) yang nanti akan dibandingkan dengan durbin watson tabel.

Model Summaryb

Model 1

R

R Square

,966a

Adjusted R

Std. Error of the

Square

Estimate

,933

,918

29248,08018

Durbin-Watson 1,594

a. Predictors: (Constant), distribusi air bersih, air baku b. Dependent Variable: produksi air bersih

Tabel 1.6 d 1,594

dl 0,8122

Du

4 – dl

4 – du

1,579

3,1878

2,421

Tabel 1.7 Kesimpulan dari tabel 1.4 adalah nilai du < d < 4 – du maka tidak terjadi autokorelasi pada variabel ini.

6

Gambar 1.3 b. Uji runs Selain durbin watson test untuk mendeteksi adanya autokoreliasi juga dapat menggunakan metode pengujian Runs test. Runs test sebagai bagian dari statistik non parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi.

Runs Test absolute residu Test Valuea

12893,19

Cases < Test Value

6

Cases >= Test Value

6

Total Cases Number of Runs

12 8

Z

,303

Asymp. Sig. (2-tailed)

,762

a. Median

7

Dari tabel diatas ditemukan nilai asymp sig (2 – tailed) adalah 0,762 yang berarti nilai asymp sig (2 – tailed) > 0,05 maka dapat disimpulkan tidak terjadi autokorelasi pada tabel tersebut. 2. Uji hipotesis -

Uji t

Tabel 1.9 a. Pada variabel air baku (X1) nilai t adalah 8,208 dan nilai probalitas signifikan adalah 0,000 maka oleh karena sig < 0,05. Ho ditolak dan Ha diterima yang artinya terjadi pengaruh antara air baku terhadap produksi air bersih. b. Pada variabel (X2) nilai t adalah 5,300 dan nilai dan nilai probalitas signifikansi adalah 0,000 maka oleh karena sig < 0,05. Ho ditolak dan Ha diterima yang artinya terjadi pengaruh antara distribusi air bersih terhadap produksi air bersih

-

Uji F

8

Tabel 1.10 Dari tabel 1.7 ditemukan nilai F adalah 62,292 dengan probalitas signifikansi 0,000. Maka oleh karena nilai sig < 0,05. Ho ditolak dan Ha diterima yang artinya terjadi pengaruh secara simultan antara air baku dan distribusi air bersih terhadap produksi air bersih. -

Uji koefesien determinasi

Tabel 1.11 Dari tabel 1.8 ditemukan nilai koefesien determinasi (R2) 0,933 atau jika dipersentasekan menjadi 93,3%. Artinya kontribusi air baku dan distribusi air bersih terhadap produksi air bersih sebesar 93,3 % sisanya dipengaruhi oleh variabel lain.

-

Uji regresi berganda

Untuk mengetahui pengaruh bahan baku (air baku) dan distribusi air bersih terhadap produksi air bersih diPDAM Kota Palangka raya maka digunakan regresi berganda dengan analisis

9

menggunakan software SPSS 23 for windows. Dari perhitungan dan analisis aplikasi tersebut diperoleh :

Y = – 421.207,049 + 0,746 X1+ 0,319X2 Persamaan regresi berganda diatas memiliki makna : 1. Kostanta sebesar – 421.207,049 mempunyai arti apabila semua variabel independen tidak berubah atau tetap, maka tingkat produksi air bersih diPDAM palangkaraya sebesar – 421.207,049 2. Air baku (X1) memiliki koefesien regresi sebesar 0,746 ini menujukan bahwa varianel air baku mempunyai hubungan positif dengan produksi air besih. Hal ini berarti apa bila terjadi peningkatan bahan baku sebesar 1 kubik M3 maka akan meningkatkan tingkat produksi air bersih sebesar 0,746 dengan asumsi variabel distribusi air bersih konstan atau tetap. 3. Distribusi air bersih (X2) memiliki koefesien regresi sebesar 0,319 ini menunjukan variabel distribusi air mempunyai hubungan positif dengan produksi air bersih. Hal ini berarti apabila terjadi peningkatan ditribusi air bersih sebesar 1 kubik M3 maka akan meningkatkan tingkat produksi air sebesar 0,319 denganan asumsi variabel air baku konstan atau tetap.

10