Tugas Akhir

Analisis Regresi Terapan

OLEH : RIZKI RAHYU

NIM : 14037029/2014

PRODI : D3 STATISTIKA

DOSEN : Dra.HJ.HELMA M,si

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI PADANG
2015
TABEL jarak tempuh bensin Formance untuk 32 mobil

Y X1 X3 X7 X10
18.9 350 260 3 3910
17 350 275 3 2860
20 250 185 3 3510
18.25 351 255 3 3890
20.07 225 170 3 3365
11.2 440 330 3 4215
22.12 231 175 3 3020
21.47 262 200 3 3180
34.7 89.7 81 4 1905
30.4 96.9 83 5 2320
16.5 350 250 3 3885
36.5 85.3 83 4 2009
21.5 171 146 4 2655
19.7 258 195 3 3375
20.3 140 109 4 2700
17.8 302 220 3 3890
14.39 500 360 3 5290
14.89 440 330 3 5185
17.8 350 250 3 3910
16.41 318 255 3 3660
23.54 231 175 3 3050
21.47 360 290 3 4250
31.9 96.9 83 5 2275
13.27 460 366 3 5430
23.9 133.6 120 5 2535
19.73 318 255 3 4370
13.9 351 243 3 4540
 13.27 351 243 3 4715
13.77 360 295 3 4215
16.5 350 255 3 3660

Keterangan;

Varibel y : Banyaknya bensin yang dihabiskan per mil

Variabel x1: jarak tempuh

Variabel x3: momen

Variabelx7: transmisi no of

Variabel x10: berat mobil

1. MATRIK PLOT

Matrix Plot of BYK BENSIN Y, JARAK TEMPUH, MOMEN, TRANSMISI NO, ...
100 300 500 3 4 5

30

BYK
20BENSIN YG DIHBISKAN PER MIL

10 500

300
JARAK TEMPUH

100

300

200 MOMEN

100
5

TRANSMISI NO OF 4

3
5000

3500 BERATMOBIL

2000
10 20 30 100 200 300 2000 3500 5000

Hubungan kelinieran antar variable;

 a. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan jarak tempuh (x1) yaitu;

kemungkinan hubungan kelinieran negatif karena persebaran titiknya berada disekitar garis
regresi(maksudnya semakin tinggi nilai x1 maka nilai y semakin rendah)

kemungkinan semakin jauh jarak tempuh maka semakin banyak bensin yang dihabiskan

b. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan momen( x3 )yaitu

kemungkinan hubungan kelinieran negatif karena persebaran titik berada disekitar garis
regresi,maksudnya semakin tinggi nilai x3 maka nilai y semakin rendah

Kemungkinan semakin jauh jarak yang ditempuh maka semakin besar momennya.

c. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan transmisi no of(x7) yaitu
kemungkinan terlihat bahwa tidak ada sama sekali hubungan kelinieran karena terlihat dari matrik
plotnya persebaran dari titiknya.
Kemungkinan bahwasanya tidak ada hubungan banyaknya bensin yang dihabiskan dengan transmisi no
of
d. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan berat mobil(x10) yaitu
kemungkinan hubungan kelinieran negatif karena persebaran titik berada disekitar garis
regresi,maksudnya semakin tinggi nilai x10 maka nilai y semakin rendah.
Kemungkinan semakin berat mobil maka semakin banyak bensin yang dihabiskan .
e. Hubungan jarak tempuh( x1) dengan momen(x3) yaitu
kemungkinan hubungan kelinieran positif,karena persebaran titiknya berada disekitar garis regresi.
Kemungkinan semakin besar momen maka jarak tempuh semakin jauh
f. Hubungan jarak tempuh( x1) dengan transmisi no of( x7) yaitu

kemungkinan tidak ada membentuk kelinieran karena persebaran titik menyebar dari garis regresi.

Kemungkinanan tidak ada hubungan dengan tranmisi no of dengan jarak tempuh.

g. Hubungan jarak tempuh( x1 )dengan berat mobil( x10 )yaitu

kemungkinan hubungan kelinieran positif,karena persebaran titiknya berada disekitar garis regresi.

Kemungkinan adanya hubungan berat mobil dengan jarak tempuh

 h. Hubungan momen( x3) dengan transmisi no of( x7) yaitu
kemungkinan tidak ada membentuk kelinieran karena persebaran titik menyebar dari garis regresi.
Kemungkinan tidak ada hubungan transmisi no of dengan momen

i. Hubungan momen( x3) dengan berat mobil( x10) yaitu

kemungkinan hubungan kelinieran positif,karena persebaran titiknya berada disekitar garis regresi.
Kemungkinan ada hubungan berat mobil dengan momen

Hubungan transmisi no of(x7) dengan berat mobil(x10) yaitu

kemungkinan tidak ada membentuk kelinieran karena persebaran titk menyebar dari garis regresi.

Kemungkinan tidak ada hubungan berat mobil dengan transmisi no of

Untuk mengetahui lebih lanjut kita lakukan uji keberartian parameter;

Predictor SE T P
coef coef
Constant 6.877 4.51 0.000
Banyaknya bensin yang 31.017
dihabiskan per mil
X1(jarak tempuh) 0.04204 -1.57 0.128
-0.06615

X3(momen) 0.04142 0.05118 0.81 0.426

X(tranmisi no of) 0.699 1.464 0.48 0.637

X10(berat mobil) 0.001667 -0.57 0.571

-0.000956

UJI KEBERARTIAN MASING-MASING PARAMETER( uji t);

Dilihat dari hasil diatas kita dapa mengetahui keberartian dari masing-masing variable
x1,x3,x7,x10(jarak tempuh,momen,transmisi no of dan berat mobil) dengan cara mmbandingkan T
hitung dengan Ttabel atau kita bisa juga melihat p-valuenya,apakah masing-masing berarti atau
tidak;

Taraf alfa = 0,05

Di dapatkan Ttabel yaitu T(1-alfa,n-1)

(1-0.05,30-1)=(0.95,29)=1.70

Di dapakan Ttabel adalah 1.70

Dengan syarat;

Ttabel>Thitung maka terima HO (data berdistribusi normal)

Ttabel<Thitung maka tolak HO(data tidak berdistribusi normal)

Pada variable X1/jarak tempuh didapatkan Thitung=-1.57 maka Thitung>Ttabel berarti terima
HO(data berdistribusi normal)

Pada variable X3/momen didapatkan Thitung=0.81 maka Thitung>Ttabel berarti terima

HO(data berdistribusi normal)

Pada variable X7/transmisi no of didapatkan Thitung =0.48 maka Thitung>Ttabel berarti

terima HO(data berdistribusi normal)

Pada variable X10/berat mobil Thitung=-0.57 maka Thitung>Ttabel berarti terima HO(data
berdistribusi normal)

Dan kita bisa juga melihat dari p-valuenya maka didapatkan

Pada variabel x1 terdapat p-value 0.128 maka p-value > dari alfa
berarti terima H0(data berdistribusi normal).
Pada variabel x3 terdapat p-value 0.426 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).
Pada variabel x7 terdapat p-value 0.637 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).
 Pada variabel x10 terdapat p-value 0.571 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).

Uji Signifikasi Regresi (uji F)

Analysis of Variance

Source DF SS MS F P
Regression 4 881.04 220.26 21.34 0.000
Residual Error 25 258.07 10.32
Total 29 1139.11

Setelah dilakukan pencarian didapatkan Ftabel=F(alfa,dK,n-k-1)=F(0.05,4,30-4-

1)=F(0.05,4,25)=2,76

Dengan syarat;

Jika f hitung > f tabel maka tolak ho

Jika f hitung <f tabel maka terima ho
Jika p value< f tabel maka tolak ho
Jika p value >f tabel maka terima ho
Jika p value > alfa maka terima ho
Jika p value < alfa maka tolak ho

Dilihat dari hasil analysis of variance terdapat Fhitung=21,34 maka Fhitung>Ftabel maka tidak
cukup terima h1 maka tolak ho modelnya layak digunakan

Kita bisa juga melihat dari P-value,

Dilihat dari hasil analysis of variance terdapat nilai p-value nya 0.000 dengan
mengambil taraf alfanya 0.05 berarti p-value < alfa maka dapat disimpulkan tidak cukup
terima H1 maka tolak H0 maka modelnya layak kita gunakan.

Bentuk Model Penuh(fitthe full model)

The regression equation is

Y/Banyknya bensin yg dihabiskan = 31.0 - 0.0661 X1/jarak tempuh
+ 0.0414 X3/momen + 0.70 X7/transmisi no of
- 0.00096 X10/berat mobil
 Predictor SE T P
coef coef
Constant 6.877 4.51 0.000
Banyaknya bensin yang 31.017
dihabiskan per mil
X1(jarak tempuh) 0.04204 -1.57 0.128
-0.06615

X3(momen) 0.04142 0.05118 0.81 0.426

X(tranmisi no of) 0.699 1.464 0.48 0.637

X10(berat mobil) 0.001667 -0.57 0.571

-0.000956

1. Interpretasi R(KUDRAT);

S = 3.21288 R-Sq = 77.3% R-Sq(adj) = 73.7%

KET;
R-sq : koefisien korelasi darab

Dari nilai R-Sq yang didapatkan sebanyak 77.3%=0,77.artinya,sebesar 77,3% dari

seluruh variansi total y dihasilkan oleh minitab,atau x,masih ada sebesar 22,7% lagi
variansi y yang tidak dapat diterangkan oleh model yang kita gunakan.bagian sisanya
yang 22,7% ini mungkin disebabkan oleh faktor lain yang gagal diperhitungkan dalam
model.

Analisis Sisaan Untuk Menguji Asumsi Regresi

1. Linieritas
 Normal Probability Plot
(response is Y/Banyknya bensin yg dihabiskan)
99

95
90

80
70
Percent

60
50
40
30
20

10

1
-8 -6 -4 -2 0 2 4 6 8
Residual

Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis
regresi tetapi kemungkinan masih ada pencilan

2. Normality galat

Probability Plot of RESI1

Normal
99
Mean 3,315866E-15
StDev 2,983
95 N 30
AD 0,154
90
P-Value 0,952
80
70
Percent

60
50
40
30
20

10

1
-8 -6 -4 -2 0 2 4 6 8
RESI1

Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal
3. Homoskedasititas

Residual Plots for Y/Banyknya bensin yg dihabiskan

Normal Probability Plot Versus Fits
99 8

90 4

Residual
Percent

50 0

10 -4

1 -8
-8 -4 0 4 8 10 15 20 25 30
Residual Fitted Value

Histogram Versus Order

8 8

6 4
Frequency

4 Residual 0

2 -4

0 -8
-6 -4 -2 0 2 4 6 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Residual Observation Order

Unusual Observations

Y/Banyknya
X1/jarak bensin yg
Obs tempuh dihabiskan Fit SE Fit Residual St Resid
12 85 36.500 29.686 1.294 6.814 2.32R
15 140 20.300 26.485 1.044 -6.185 -2.04R

R denotes an observation with a large standardized residual.

Dilihat dari hasi residual plotnya kemungikan masih terlihat pencilanya pada variable
x1 pada data ke 12 dan 15 itu dapat lihat dari hasil masing-masing plot diatas,

4. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic = 1.85714
Maka tidak terjadi auto korelasi

Setelah dilakukan masing-masing asumsi,karena masih terdeteksi

pencilan maka dilakukan analisis asumsi kembali;

Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;

1. Linieritas
 Normal Probability Plot
(response is Y/Banyknya bensin yg dihabiskan)
99

95
90

80
70
Percent

60
50
40
30
20

10

1
-5.0 -2.5 0.0 2.5 5.0 7.5
Residual

Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis regresi
tetapi kemungkinan masih ada pencilan

2. Normality galat

Probability Plot of RESI1

Normal - 95% CI
99
Mean 0.1516
StDev 3.002
95 N 28
AD 0.174
90
P-Value 0.918
80
70
Percent

60
50
40
30
20

10

1
-10 -5 0 5 10
RESI1
 Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal

3. Homoskedasitisitas
Residual Plots for Y/Banyknya bensin yg dihabiskan
Normal Probability Plot Versus Fits
99
5.0
90
2.5

Residual
Percent

50
0.0

10 -2.5

1 -5.0
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value

Histogram Versus Order

6.0
5.0
4.5
Frequency

Residual 2.5

3.0 0.0

1.5 -2.5

0.0 -5.0
-4 -2 0 2 4 6 2 4 6 8 10 12 14 16 18 20 22 24 26 28
Residual Observation Order

Unusual Observations

Y/Banyknya
X1/jarak bensin yg
Obs tempuh dihabiskan Fit SE Fit Residual St Resid
9 90 34.700 28.870 1.181 5.830 2.39R

R denotes an observation with a large standardized residual.

Dilihat dari hasi residual plotnya kemungikan masih terlihat pencilanya pada variable
x1 pada data ke 9 itu dapat lihat dari hasil masing-masing plot diatas,

4. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic =1.49227

Maka tidak terjadi auto korelasi

Setelah dilakukan masing-masing asumsi,karena masih terdeteksi

pencilan maka dilakukan analisis asumsi kembali;

Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;

1.linieritas
 Normal Probability Plot
(response is Y/banyak bensn yg dihbiskan)
99

95
90

80
70
Percent

60
50
40
30
20

10

1
-5.0 -2.5 0.0 2.5 5.0
Residual

Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis regresi
tetapi kemungkinan masih ada pencilan

2. Normality galat
 Probability Plot of RESI1
Normal - 95% CI
99
Mean -0.2191
StDev 2.354
95 N 27
AD 0.149
90
P-Value 0.959
80
70
Percent

60
50
40
30
20

10

1
-8 -6 -4 -2 0 2 4 6 8
RESI1

Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal
3. Homoskedasititas
 Residual Plots for Y/banyak bensn yg dihbiskan
Normal Probability Plot Versus Fits
99
4
90
2

Residual
Percent

50
0

10 -2

1 -4
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value

Histogram Versus Order

4.8 4

3.6 2
Frequency

Residual
2.4 0

1.2 -2

0.0 -4
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order
Unusual Observations

Y/banyak
X1/jarak bensn yg
Obs tempuh dihbiskan Fit SE Fit Residual St Resid
19 360 21.470 16.838 0.938 4.632 2.09R

R denotes an observation with a large standardized residual.

Dilihat dari hasi residual plotnya kemungikan masih terlihat pencilanya pada variable
x1 pada data ke 19 itu dapat lihat dari hasil masing-masing plot diatas,

1. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic = 1.40147

Maka tidak terjadi auto korelasi

Setelah dilakukan masing-masing asumsi,karena masih terdeteksi

pencilan maka dilakukan analisis asumsi kembali;

Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;

1. Linieritas
 Normal Probability Plot
(response is Y/banyak bensn yg dihbiskan)
99

95
90

80
70
Percent

60
50
40
30
20

10

1
-5.0 -2.5 0.0 2.5 5.0
Residual

Data sudah berdistribusi normal

2. Normality galat

Probability Plot of RESI1

Normal - 95% CI
99
Mean -0.3899
StDev 2.224
95 N 26
AD 0.172
90
P-Value 0.920
80
70
Percent

60
50
40
30
20

10

1
-7.5 -5.0 -2.5 0.0 2.5 5.0
RESI1

Data sudah berdistribusi normal

 3. Homoskedasitisitas
Residual Plots for Y/banyak bensn yg dihbiskan
Normal Probability Plot Versus Fits
99 4

90 2

Residual
Percent

50 0

10 -2

1 -4
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value

Histogram Versus Order

4
4.8
2
3.6
Frequency

Residual
2.4 0

1.2 -2

0.0 -4
-3 -2 -1 0 1 2 3 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order

Data sudah berdistribusi normal setelah ditangani pencilannya

4.autokoreasi

Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2

Setelah dilakukan pengujian terdapat Durbin-Watson statistic = 1.67994

Maka tidak terjadi auto korelasi

Setelah semua data berdistribusi normal selanjutnya kita bisa

lakukan pemilihan model terbaik;

Pemilihan Model Terbaik

Regression Analysis: Y/banyak bensn yg dihbiskan versus X1/jarak tempuh

The regression equation is

Y/banyak bensn yg dihbiskan = 31.6 - 0.0423 X1/jarak tempuh

Predictor Coef SE Coef T P VIF

Constant 31.614 1.336 23.66 0.000
X1/jarak tempuh -0.042269 0.004166 -10.15 0.000 1.000

S = 2.19157 R-Sq = 81.1% R-Sq(adj) = 80.3%

Analysis of Variance

Source DF SS MS F P
Regression 1 494.34 494.34 102.92 0.000
Residual Error 24 115.27 4.80
Total 25 609.62

Regression Analysis: Y/banyak bensn yg dihbiskan versus X3/momen

The regression equation is

Y/banyak bensn yg dihbiskan = 32.1 - 0.0582 X3/momen

Predictor Coef SE Coef T P VIF

Constant 32.138 1.476 21.77 0.000
X3/momen -0.058155 0.006114 -9.51 0.000 1.000

S = 2.30778 R-Sq = 79.0% R-Sq(adj) = 78.2%

Analysis of Variance

Source DF SS MS F P
Regression 1 481.79 481.79 90.46 0.000
Residual Error 24 127.82 5.33
Total 25 609.62

Regression Analysis: Y/banyak bensn y versus X7/transmisi no

The regression equation is

Y/banyak bensn yg dihbiskan = 0.40 + 5.62 X7/transmisi no of

Predictor Coef SE Coef T P VIF

Constant 0.404 3.282 0.12 0.903
X7/transmisi no of 5.6199 0.9845 5.71 0.000 1.000

S = 3.28228 R-Sq = 57.6% R-Sq(adj) = 55.8%

Analysis of Variance

Source DF SS MS F P
Regression 1 351.06 351.06 32.59 0.000
Residual Error 24 258.56 10.77
Total 25 609.62

Regression Analysis: Y/banyak bensn yg dihbiskan versus X10/berat mobil

The regression equation is

Y/banyak bensn yg dihbiskan = 36.0 - 0.00462 X10/berat mobil
Predictor Coef SE Coef T P VIF
Constant 35.990 2.536 14.19 0.000
X10/berat mobil -0.0046184 0.0006632 -6.96 0.000 1.000

S = 2.89980 R-Sq = 66.9% R-Sq(adj) = 65.5%

Analysis of Variance

Source DF SS MS F P
Regression 1 407.80 407.80 48.50 0.000
Residual Error 24 201.81 8.41
Total 25 609.62

Regression Analysis: Y/banyak bensn y versus X1/jarak tempuh, X3/momen

The regression equation is

Y/banyak bensn yg dihbiskan = 31.6 - 0.0420 X1/jarak tempuh - 0.0004 X3/momen

Predictor Coef SE Coef T P VIF

Constant 31.619 1.469 21.52 0.000
X1/jarak tempuh -0.04201 0.02655 -1.58 0.127 38.909
X3/momen -0.00037 0.03700 -0.01 0.992 38.909

S = 2.23870 R-Sq = 81.1% R-Sq(adj) = 79.4%

Analysis of Variance

Source DF SS MS F P
Regression 2 494.34 247.17 49.32 0.000
Residual Error 23 115.27 5.01
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00

Regression Analysis: Y/banyak ben versus X1/jarak tem, X7/transmisi

The regression equation is

Y/banyak bensn yg dihbiskan = 24.6 - 0.0352 X1/jarak tempuh
+ 1.50 X7/transmisi no of

Predictor Coef SE Coef T P VIF

Constant 24.567 4.648 5.29 0.000
X1/jarak tempuh -0.035219 0.006024 -5.85 0.000 2.220
X7/transmisi no of 1.5003 0.9504 1.58 0.128 2.220

S = 2.12648 R-Sq = 82.9% R-Sq(adj) = 81.5%

Analysis of Variance

Source DF SS MS F P
Regression 2 505.61 252.81 55.91 0.000
Residual Error 23 104.00 4.52
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X7/transmisi no of 1 11.27

Regression Analysis: Y/banyak ben versus X1/jarak tem, X10/berat mo

The regression equation is

Y/banyak bensn yg dihbiskan = 32.0 - 0.0401 X1/jarak tempuh
- 0.00029 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 32.036 2.174 14.74 0.000
X1/jarak tempuh -0.040115 0.009623 -4.17 0.000 5.127
X10/berat mobil -0.000289 0.001158 -0.25 0.805 5.127

S = 2.23569 R-Sq = 81.1% R-Sq(adj) = 79.5%

Analysis of Variance

Source DF SS MS F P
Regression 2 494.65 247.33 49.48 0.000
Residual Error 23 114.96 5.00
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X10/berat mobil 1 0.31

Regression Analysis: Y/banyak bensn y versus X3/momen, X7/transmisi no

The regression equation is

Y/banyak bensn yg dihbiskan = 23.1 - 0.0461 X3/momen + 1.93 X7/transmisi no of

Predictor Coef SE Coef T P VIF

Constant 23.079 4.529 5.10 0.000
X3/momen -0.046121 0.008096 -5.70 0.000 2.003
X7/transmisi no of 1.9254 0.9166 2.10 0.047 2.003

S = 2.15937 R-Sq = 82.4% R-Sq(adj) = 80.9%

Analysis of Variance

Source DF SS MS F P
Regression 2 502.37 251.18 53.87 0.000
Residual Error 23 107.25 4.66
Total 25 609.62

Source DF Seq SS
X3/momen 1 481.79
X7/transmisi no of 1 20.57

Regression Analysis: Y/banyak bensn y versus X3/momen, X10/berat mobil

The regression equation is

Y/banyak bensn yg dihbiskan = 33.4 - 0.0489 X3/momen - 0.00090 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 33.393 2.146 15.56 0.000
X3/momen -0.04894 0.01292 -3.79 0.001 4.401
X10/berat mobil -0.000904 0.001115 -0.81 0.426 4.401

S = 2.32442 R-Sq = 79.6% R-Sq(adj) = 77.8%

Analysis of Variance

Source DF SS MS F P
Regression 2 485.35 242.67 44.92 0.000
Residual Error 23 124.27 5.40
Total 25 609.62

Source DF Seq SS
X3/momen 1 481.79
X10/berat mobil 1 3.55

Regression Analysis: Y/banyak ben versus X7/transmisi, X10/berat mo

The regression equation is

Y/banyak bensn yg dihbiskan = 20.9 + 2.99 X7/transmisi no of
- 0.00318 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 20.851 5.310 3.93 0.001
X7/transmisi no of 2.9931 0.9581 3.12 0.005 1.656
X10/berat mobil -0.0031819 0.0007305 -4.36 0.000 1.656

S = 2.48200 R-Sq = 76.8% R-Sq(adj) = 74.7%

Analysis of Variance
Source DF SS MS F P
Regression 2 467.93 233.96 37.98 0.000
Residual Error 23 141.69 6.16
Total 25 609.62

Source DF Seq SS
X7/transmisi no of 1 351.06
X10/berat mobil 1 116.87

Regression Analysis: Y/banyak ben versus X1/jarak tem, X3/momen, ...

The regression equation is

Y/banyak bensn yg dihbiskan = 24.4 - 0.0252 X1/jarak tempuh - 0.0135 X3/momen
+ 1.58 X7/transmisi no of

Predictor Coef SE Coef T P VIF

Constant 24.379 4.766 5.12 0.000
X1/jarak tempuh -0.02524 0.02778 -0.91 0.373 45.443
X3/momen -0.01354 0.03677 -0.37 0.716 40.986
X7/transmisi no of 1.5828 0.9943 1.59 0.126 2.339

S = 2.16760 R-Sq = 83.0% R-Sq(adj) = 80.7%

Analysis of Variance

Source DF SS MS F P
Regression 3 506.25 168.75 35.92 0.000
Residual Error 22 103.37 4.70
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X7/transmisi no of 1 11.90

Regression Analysis: Y/banyak ben versus X1/jarak tem, X3/momen, ...

The regression equation is

Y/banyak bensn yg dihbiskan = 32.1 - 0.0392 X1/jarak tempuh - 0.0012 X3/momen
- 0.00029 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 32.059 2.335 13.73 0.000
X1/jarak tempuh -0.03922 0.02938 -1.33 0.196 45.710
X3/momen -0.00122 0.03794 -0.03 0.975 39.240
X10/berat mobil -0.000292 0.001189 -0.25 0.808 5.170

S = 2.28588 R-Sq = 81.1% R-Sq(adj) = 78.6%

Analysis of Variance

Source DF SS MS F P
Regression 3 494.66 164.89 31.56 0.000
Residual Error 22 114.96 5.23
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X10/berat mobil 1 0.32

Regression Analysis: Y/banyak ben versus X1/jarak tem, X7/transmisi, ...

The regression equation is

Y/banyak bensn yg dihbiskan = 25.1 - 0.0312 X1/jarak tempuh
+ 1.55 X7/transmisi no of
- 0.00051 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 25.060 4.857 5.16 0.000
X1/jarak tempuh -0.03120 0.01087 -2.87 0.009 6.974
X7/transmisi no of 1.5529 0.9745 1.59 0.125 2.253
X10/berat mobil -0.000505 0.001129 -0.45 0.659 5.202

S = 2.16443 R-Sq = 83.1% R-Sq(adj) = 80.8%

Analysis of Variance

Source DF SS MS F P
Regression 3 506.55 168.85 36.04 0.000
Residual Error 22 103.06 4.68
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X7/transmisi no of 1 11.27
X10/berat mobil 1 0.94

Regression Analysis: Y/banyak ben versus X3/momen, X7/transmisi, ...

The regression equation is

Y/banyak bensn yg dihbiskan = 24.3 - 0.0375 X3/momen + 1.91 X7/transmisi no of
- 0.00086 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 24.346 4.815 5.06 0.000
X3/momen -0.03750 0.01330 -2.82 0.010 5.324
X7/transmisi no of 1.9086 0.9234 2.07 0.051 2.004
X10/berat mobil -0.000857 0.001044 -0.82 0.421 4.403

S = 2.17484 R-Sq = 82.9% R-Sq(adj) = 80.6%

Analysis of Variance

Source DF SS MS F P
Regression 3 505.56 168.52 35.63 0.000
Residual Error 22 104.06 4.73
Total 25 609.62

Source DF Seq SS
X3/momen 1 481.79
X7/transmisi no of 1 20.57
X10/berat mobil 1 3.19

Regression Analysis: Y/banyak ben versus X1/jarak tem, X3/momen, ...

The regression equation is

Y/banyak bensn yg dihbiskan = 24.9 - 0.0191 X1/jarak tempuh - 0.0158 X3/momen
+ 1.66 X7/transmisi no of
- 0.00057 X10/berat mobil

Predictor Coef SE Coef T P VIF

Constant 24.898 4.966 5.01 0.000
X1/jarak tempuh -0.01908 0.03097 -0.62 0.544 54.514
X3/momen -0.01580 0.03771 -0.42 0.679 41.615
X7/transmisi no of 1.655 1.023 1.62 0.121 2.390
X10/berat mobil -0.000565 0.001160 -0.49 0.631 5.282

S = 2.20616 R-Sq = 83.2% R-Sq(adj) = 80.0%

Analysis of Variance

Source DF SS MS F P
Regression 4 507.41 126.85 26.06 0.000
Residual Error 21 102.21 4.87
Total 25 609.62

Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X7/transmisi no of 1 11.90
X10/berat mobil 1 1.16

KELOMPOK NO KOMBINASI R(adj)2 S VIF

PEUBAH
A 1 X1 80,3% 2,19157 X1=1,000
2 X3 78,2% 2,30778 X3=1,000
3 X7 55,8% 3,28228 X7=1,000
4 X10 65,5% 2,89980 X10=1,000

B 1 X1,X3 79,4% 2,23870 X1=38,909

X3=38,909

2 X1,X7 81,5% 2,12648 X1=2,220

X7=2,220

X1=5,127
3 X1,X10 79,5% 2,23569 X10=5,127

X3=2,003
4 X3,X7 80,9% 2,15937 X7=2,003

X3=4,401
5 X3,X10 77,8% 2,32442 X10=4,401

X7=1,656
6 X7,X10 74,7% 2,48200 X10=1,656

C 1 X1,X3,X7 74,4% 3,17114 X1=45,443

X3=40,896
X7=2,339

2 X1,X3,X10 74,5% 3,16481 X1=45,710

X3=39,710
 X10=5,170

3 X1,X7,X10 74,1% 3,19150 X1=6,974

X7=2,253
X10=5,202

4 X3,X7,X10 72,2% 3,30278 X3=5,324

X7=2,004
X10=4,403

D 1 X1,X3,X7,X10 73,7% 3,21288 X1=54,514

X3=41,615
X7=2,390
X10=5,282

Setelah mengetahui masing-masing nilai dari R(adj)2 dan S seperti tabel

diatas,selanjutnya kita bisa menafsirkannya,

Cara menafsirkan;

1. Lihat pada tiap-tiap kelompok

2. Carilah nilai R(adj)2 terbesar pada tiap kelompok
3. Lakukan pemilihan calon

KELOMPOK NO CALON NILAI

R(adj)2
A1 1 X1 80,3%

B1 1 X1,X7 81,3%
C2 2 X1,X3,X10 74,5%
D4 1 X1,X3,X7,X10 73,7%