STEPWISE

x1, x2, x3, x4, x5 ---> Y

ryx1 = 0,649
ryx2 = 0,619
ryx3 = 0,919
ryx4 = 0,044
ryx5 = 0,338
Nilai terbesar adalah ryx3 = 0,919, sehingga x3 berhak masuk ke dalam model, maka :
PM = Y = 0 + 3X3 +
Melakukan uji 3 :
H0 = 3 = 0
H1= 3 0
=5%
P value = 0,000
Regression Analysis: y versus x3
The regression equation is
y = 0.0349 + 1.88 x3
Predictor
Constant
x3

Coef
0.03485
1.8784

S = 0.0661888

SE Coef
0.01425
0.1339

R-Sq = 84.5%

T
2.45
14.03

P
0.019
0.000

R-Sq(adj) = 84.1%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
1
36
37

SS
0.86265
0.15771
1.02036

MS
0.86265
0.00438

F
196.91

P
0.000

Karena P value < maka H0 ditolak (3 0, x3 signifikan) sehingga x3 masuk dalam model.
Karena x3 masuk dalam model, maka Y = f (x3).
Korelasi parsial :

x 1 ryx 1 . x 3=

x 2 ryx 2 . x 3=

ryx 1ryx 1 r x 1 x 3
2

=0,389

1 /2

=0,090

1/ 2

=0,028

1 /2

=0,263

ryx 2ryx 2 r x 2 x 3

[ ( 1ry x 22)( 1ry x 32) ]

ryx 4 ryx 4 r x 4 x 3

x 4 ryx 4 . x 3=

x 5ryx 5 . x 3=

1 /2

[ ( 1ry x )( 1ry x ) ]
2
1

[ ( 1ry x 42 )(1ry x32 ) ]

ryx 1 ryx 5 r x 5 x 3

[ ( 1ry x )(1ry x )]
2

Nilai terbesar adalah ryx1. x3 = 0,389, sehingga x1 berhak masuk ke dalam model Y = f (x3).
Maka model barunya menjadi : Y = f (x3,x1).
PM = Y = 0 + 1X1 + 3X3 +
Menguji penambahan x1 terhadap Y = f (x3)
H0 = 1 = 0
H1= 1 0
=5%
P value = 0,887
Regression Analysis: y versus x1, x3
The regression equation is
y = 0.0361 - 1.9 x1 + 1.90 x3
Predictor
Constant
x1
x3

Coef
0.03610
-1.93
1.8982

S = 0.0671079

SE Coef
0.01687
13.41
0.1934

R-Sq = 84.6%

T
2.14
-0.14
9.81

P
0.039
0.887
0.000

R-Sq(adj) = 83.7%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
2
35
37

SS
0.86274
0.15762
1.02036

MS
0.43137
0.00450

F
95.79

P
0.000

Source
x1
x3

DF
1
1

Seq SS
0.42913
0.43361

Karena P value > maka H0 diterima (1 = 0, x1 tidak signifikan) sehingga x1 tidak layak masuk
dalam model. Maka dilanjutkan uji overall, tidak perlu menguji 3 lagi.
Uji Overall
H0 = 3 = 1 = 0
H1= minimal ada j 0, j = 1,3
=5%
P value = 0,000
Karena P value < maka H0 ditolak (minimal ada j 0, j = 1,3).
Mencari korelasi terbesar kedua setelah x1.
x2 ----> ryx2. x3 = 0,090
x4 ----> ryx4. x3 = 0,028
x5 ----> ryx5. x3 = 0,263
Nilai terbesar adalah ryx5. x3 = 0,263
Maka model barunya menjadi : Y = f (x5,x3)
PM = Y = 0 + 3X3 + 5X5 +
Menguji penambahan x5 terhadap Y = f (x3)
H0 = 5 = 0
H1= 5 0
=5%
P value = 0,543
Regression Analysis: y versus x3, x5
The regression equation is
y = 0.0753 + 1.92 x3 - 0.102 x5
Predictor
Constant
x3
x5

Coef
0.07531
1.9155
-0.1022

S = 0.0667682

SE Coef
0.06737
0.1479
0.1662

R-Sq = 84.7%

T
1.12
12.95
-0.61

P
0.271
0.000
0.543

R-Sq(adj) = 83.8%

Analysis of Variance
Source

DF

SS

MS

Regression
Residual Error
Total
Source
x3
x5

DF
1
1

2
35
37

0.86433
0.15603
1.02036

0.43217
0.00446

96.94

0.000

Seq SS
0.86265
0.00168

Karena P value > maka H0 diterima (5 = 0, x5 tidak signifikan) sehingga x5 tidak layak masuk
dalam model.
Uji Overall
H0 = 3 = 5 = 0
H1= minimal ada j 0, j = 3,5
=5%
P value = 0,000
Karena P value < maka H0 ditolak (minimal ada j 0, j = 3,5).
Mencari korelasi terbesar setelah x5.
x2 ----> ryx2. x3 = 0,090
x4 ----> ryx4. x3 = 0,028
Nilai terbesar adalah ryx2. x3 = 0,090
Maka model barunya menjadi : Y = f (x2,x3)
PM = Y = 0 + 2X2 + 3X3 +
Menguji penambahan x2 terhadap Y = f (x3)
H0 = 2 = 0
H1= 2 0
=5%
P value = 0,186
Regression Analysis: y versus x2, x3
The regression equation is
y = - 0.0102 + 0.385 x2 + 1.75 x3
Predictor
Constant
x2
x3

Coef
-0.01016
0.3845
1.7455

S = 0.0654453

SE Coef
0.03619
0.2848
0.1649

R-Sq = 85.3%

T
-0.28
1.35
10.58

P
0.781
0.186
0.000

R-Sq(adj) = 84.5%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
x2
x3

DF
1
1

DF
2
35
37

SS
0.87045
0.14991
1.02036

MS
0.43523
0.00428

F
101.61

P
0.000

Seq SS
0.39082
0.47963

Karena P value > maka H0 diterima (2 = 0, x2 tidak signifikan) sehingga x2 tidak layak masuk
dalam model.
Uji Overall
H0 = 3 = 2 = 0
H1= minimal ada j 0, j = 2,3
=5%
P value = 0,000
Karena P value < maka H0 ditolak (minimal ada j 0, j = 2,3).
Mencari korelasi terbesar setelah x2.
x4 ----> ryx4. x3 = 0,028
Nilai terbesar adalah ryx4. x3 = 0,028
Maka model barunya menjadi : Y = f (x4,x3)
PM = Y = 0 + 3X3 + 4X4 +
Menguji penambahan x4 terhadap Y = f (x3)
H0 = 4 = 0
H1= 4 0
=5%
P value = 0,515
Regression Analysis: y versus x4, x3
The regression equation is
y = 0.0091 + 0.142 x4 + 1.85 x3
Predictor
Constant
x4
x3

Coef
0.00912
0.1418
1.8492

S = 0.0667172

SE Coef
0.04171
0.2157
0.1421

R-Sq = 84.7%

T
0.22
0.66
13.02

P
0.828
0.515
0.000

R-Sq(adj) = 83.9%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
x4
x3

DF
1
1

DF
2
35
37

SS
0.86457
0.15579
1.02036

MS
0.43228
0.00445

F
97.12

P
0.000

Seq SS
0.11048
0.75409

Karena P value > maka H0 diterima (2 = 0, x2 tidak signifikan) sehingga x2 tidak layak masuk
dalam model.
Uji Overall
H0 = 3 = 4 = 0
H1= minimal ada j 0, j = 3,4
=5%
P value = 0,000
Karena P value < maka H0 ditolak (minimal ada j 0, j = 3,4).