Anda di halaman 1dari 7

Regresi Linear Ganda dengan Program R

No
1
2
3
4
5
6
7
8
9
10

X1
75
60
65
75
65
80
75
80
65
80

X2
4
7
6
2
2
3
2
3
4
3

Y
85
75
75
90
85
87
95
95
80
80

Keterangan :
Y : Nilai Akhir
X1 : Nilai Harian
X2 : Frekwensi membolos

Langkah pertama buka program R dan pastikan program R sudah terupdate


Input data
Pilih data dataset baru
Masukkan nama data
Masukkan data

Klik ok

1. Melakukan Uji Anova


Pilih Statistics fit model Linear regression
Hasil Output

Pada output diatas didapaykan


Y = 0 + 1X1 + 2X2
Y = 59.6522 + 0.4754X1 + (-2.2717)X2
Uji F
a. Hipotesis
H0: 1 = 2 = 0
H1: i 0, dengan i=1,2
b. Taraf signifikansi
Taraf signifikansi = = 0.05
c. Kriteria keputusan
Tolak H0 jika p-value <
d. Hasil output

Dari output diatas di dapat p-value = 0.001067


e. Kesimpulan

Jadi p-value = 0,001067 < = 0.05, maka H0 ditolak.


Jadi pada taraf signifikansi 0.05 X1 dan X2 berpengaruh nyata
terhadap Y.
Uji t
Untuk parameter 1
a. Hipotesis
H0: 1 = 0
H1: 1 0
b. Taraf signifikansi
Taraf signifikansi = = 0.05
c. Kriteria keputusan
Tolak H0 jika p-value <
d. Hasil Output dan perhitungan

Dari output diatas di dapatkan p-value = 0.001067


e. Kesimpulan
Jadi p-value = 0.001067 < 0.05, maka H0 ditolak.
Jadi pada taraf signifikansi 0.05 X1 berpengaruh nyata terhadap Y
Untuk parameter 2
a. Hipotesis
H0: 2 = 0
H1: 2 0
b. Taraf signifikansi
Taraf signifikansi = = 0.05
c. Kriteria keputusan
Tolak H0 jika p-value <

d. Hasil Output dan hitungan

Dari output diatas didapat p-value = 0.001067


e. Kesimpulan
p-value = 0.001067 < 0.05, maka H0 ditolak.
Jadi pada taraf signifikansi 0.05 X2 berpengaruh nyata terhadap Y.
2. Uji Multikolinearitas
Pilih model Numerical diagnostics VIF
Hasil Output

Uji Mulitikolinearitas
a. Hipotesis
H0: tidak ada multikolinearitas
H1: ada multikolinearitas
b. Taraf signifikansi
Taraf signifikansi = = 0.05
c. Kriteria keputusan
Tolak H0 jika VIF > 10
d. Hasil Output

.Dalam output didapat X1=X2=1.626087


e. Kesimpulan
Karena X1=X2 = 1.626087< 10, maka H0 di terima, sehingga pada
data Regresi linear berganda ini tidak ada multikolinearitas
3. Uji Heteroskedastisitas
Pilih model Numerical diagnostics breusch-pagan
heterosekedastisitas
Hasil Output

Uji Heteroskedastisitas
a. Hipotesis
H0: Homoskedastisitas
H1: heteroskedastisitas
b. Taraf signifikansi
Taraf signifikansi = = 0,05
c. Kriteria keputusan:
H0 ditolak jika p-value <
d. Hasil Output dan hitungan

Dari output diatas didapatkan p-value = 0.5209


e. Kesimpulan
karena p-value = 0.5209 > = 0.05, maka H0 diterima.
Jadi dapat disimpulkan bahwa regresi linear berganda ini terjadi
homoskedastisitas.

Membuat scatter plot. Pilih model Graph Basic diagnostic plot

Pada grafik tersebut menunjukkan persebaran yang teratur atau


linear. Jadi bisa disimpulkan bahwa data regresi linear berganda
adalah homoskedastisitas

4. Uji Autokorelasi

Model Numerical diagnostics durbin-watson test


Pilih rho >0

Hasil output

Akan dilakukan uji Autokorelasi


a. Hipotesis
H0: Tidak ada autokorelasi
H1: Ada autokorelasi
b. Taraf signifikansi
=0,05
c. Kriteria keputusan
H0 ditolak jika p-value < 0,05
d. Hasil output

Dari output diatas didapatkan p-value = 0.6094


e. Kesimpulan
Karena p-value = 0.6094> = 0.05 dan karena rho > 0, memiliki pvalue = 0.6094> 0 yang berarti tidak terjadi autokorelasi, maka H0
diterima.

jadi dapat disimpulkan bahwa pada data regresi linear berganda ini
adalah tidak ada autokorelasi.