Uji Uji.docx

Gambar 1.1 -

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.

Gambar 1.2

-

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 1.2 distribusi normal maka regresi memenuhi asumsi normalitas

-

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

Tabel 1.1 Dapat disimpulkan dari tabel 1.1 pada uji statistik nonparametric kolmogrov smirnov (K – S). Nilai asymp sig > 0,05 maka data distribusi normal -

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. Coefficientsa Standardized Unstandardized Coefficients Model

B

Coefficients

Std. Error

Beta

1 (Constant)

-42120,705

42051,579

AIR BAKU

,746

,091

DISTRIBUSI AIR

,319

,060

Collinearity Statistics t

Sig.

Tolerance

VIF

-1,002

,343

,733

8,208

,000

,939

1,065

,473

5,300

,000

,939

1,065

Tabel .1.2 Dari tabel 1.2 dapat disimpulkan bahwa 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

-

Uji auto korelasi

Tujuannya untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t sebelumnya. Dasar analisis uji autokorelasi : 

Jika d < dl atau d > 4 – dl, maka terdapat autokorelasi.



Jika du < d < 4 – du, maka tidak terdapat autokorelasi.



Jika dl < d < du atau 4 – du < d < 4 – dl , maka tidak ada kesimpulan

Gambar 1.3 (tabel durbin waston) Adjusted R

Std. Error of

Durbin-

Model

R

R Square

Square

the Estimate

Watson

1

,966a

,933

,918

2924,80802

1,594

Tabel 1.3 N = 12 d

dl

1,594

0,8122

Du

4 – dl

4 – du

1,579

3,1878

2,421

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

Uji hesterosdastisitas

digunakan untuk mendeteksi terjadinya hesteroskedastisitas ditujukan dangan adanya ketidak samaan varian nilai residualnya antara variabel – variabel independen. Uji hesterosdastisitas dapat diuji dengan uji Glejser 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

Coefficientsa Standardized Unstandardized Coefficients Model 1

B

Std. Error

(Constant)

-19842,578

29186,517

AIR BAKU

,034

,063

DISTRIBUSI AIR

,015

,042

Coefficients Beta

t

Sig. -,680

,514

,181

,544

,600

,123

,368

,722

Tabel 1.5 Dari tabel 1.5 dapat diketahui tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi dependen ini terlihat probalitas signifikansi diatas α = 0,05 jadi dapat disimpulkan model regresi tidak terjadi heteroskedastisitas. -

Uji hipotesis



Uji t Coefficientsa Standardized Unstandardized Coefficients

Model 1

B

Std. Error

(Constant)

-42120,705

42051,579

AIR BAKU

,746

,091

DISTRIBUSI AIR

,319

,060

a. Dependent Variable: PRODUKSI AIR

Tabel 1.6

Coefficients Beta

t

Sig.

-1,002

,343

,733

8,208

,000

,473

5,300

,000

Dari hasil tabel 1.6 dapat diketahui bahwa : 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 ANOVAa

Model 1

Sum of Squares Regression

df

Mean Square

F

2

532874864,707

62,292

9

8554501,945

Sig.

1065749729,41 ,000b

4 Residual Total

76990517,503 1142740246,91

11 7

Tabel 1.7

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.



Koefesien determinasi Model Summary

Model 1

R

R Square

,966a

Adjusted R

Std. Error of the

Square

Estimate

,933

,918

2924,80802

Tabel 1.8 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 menggunakan software SPSS 23 for windows. Dari perhitungan dan analisis aplikasi tersebut diperoleh : Coefficientsa Standardized Unstandardized Coefficients Model 1

B

Std. Error

(Constant)

-42120,705

42051,579

AIR BAKU

,746

,091

DISTRIBUSI AIR

,319

,060

a. Dependent Variable: PRODUKSI AIR

Tabel 1.9

Coefficients Beta

t

Sig.

-1,002

,343

,733

8,208

,000

,473

5,300

,000

Y = - 42120,705 + 0,746 X1+ 0,319X2 Persamaan regresi berganda diatas memiliki makna : 1. Kostanta sebesar – 4212,705 mempunyai arti apabila semua variabel independen tidak berubah atau tetap, maka tingkat produksi air bersih diPDAM palangkaraya sebesar – 42120 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.