Tahun

2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010

X1
12.000
25.000
45.000
81.000
52.000
41.000
65.000
32.000
14.000
32.000
45.000

X2
29.000
31.000
46.000
67.000
59.000
41.000
36.000
55.000
46.000
31.000
25.000

X3
52.000
46.000
69.000
72.000
86.000
91.000
75.000
52.000
46.000
39.000
24.000

X4
78.000
67.000
56.000
45.000
32.000
51.000
76.000
91.000
89.000
69.000
54.000

Y
123.00
234.00
345.00
456.00
567.00
654.00
543.00
432.00
321.00
211.00
135.00

Correlation Matrix
X1
X2
X3
X4
Y

X1
1.000000
0.502850
0.487339
-0.138812
0.541464

X2
0.502850
1.000000
0.565019
-0.279522
0.619475

X3
0.487339
0.565019
1.000000
-0.326753
0.885265

X4
-0.138812
-0.279522
-0.326753
1.000000
-0.287769

Y
0.541464
0.619475
0.885265
-0.287769
1.000000

Dependent Variable: Y
Method: Least Squares
Date: 06/19/11 Time: 00:44
Sample: 2000 2010
Included observations: 11
Variable
C
X1
X2
X3
X4
R-squared (R2)
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Coefficient
-139.8450
0.875735
1.896745
6.559801
0.001261
0.811956
0.686593
100.6838
60823.41
-63.00642
0.767312

Std. Error t-Statistic

122.5051
-1.141544
1.854639
0.472186
3.017927
0.628493
1.982760
3.308419
0.016331
0.077202
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

Prob.
0.2971
0.6535
0.5528
0.0162
0.9410
365.5455
179.8479
12.36480
12.54566
6.476847
0.022846

Hasil Analisis Regresi Berganda (dari pengolahan menggunakan

Eviews-4)

Catatan cara baca / model analisis :

= -139,845 + 0,875735 X1 + 1,896745 X2 + 6,559801 X3

+ 0,001261 X4 + u
Dibaca : apabila variabel X1 naik 1 satuan maka variabel Y
akan naik sebesar 0,875735 satuan ; dengan me
-nganggap variabel lainnya (X2 s.d. X4) konstan, dst
untuk variabel yg lainnya.
R-squared (R2), menunjukkan
kecocokan model (good
ness of fit) sebesar 0,811956 (81,1956%) yg berarti
bahwa model persamaan regresi di atas mampu menje
laskan hubungan antara variabel Y dan X sebesar
2

81,1956 % ; sedang sisanya (18,8044 %) dijelaskan oleh

variabel pengganggu yang tidak dimasukkan ke dalam
persamaan / model tsb.
Uji t-statistic (parsial) :
Distribusi nilai t dengan degree of freedom n-2 dengan level
of significance = ? unt contoh di atas misal = 0,05.
n-2 = 11-2 = 9 maka nilai ttabel = 1,796 , yg berarti unt model
di atas variabel X1, X2 dan X4 tidak signifikan (tidak nyata
mempengaruhi variabel Y) pakai uji dua sisi.
Uji Distribusi F / analisis variance (secara bersama-sama
berpengaruh) ; dng degree of freedom k-1 (pembilang /
numerator) dan (n-k) (penyebut / denominator) , dimana
k = banyaknya variabel dan n banyaknya data.
Nilai Ftabel (0,05 ; 3 ; 11) = 3,59 krn nilai Fhitung = 6,476847 maka
secara bersama-sama variabel bebas mempe -ngaruhi
variabel terikat.