Anda di halaman 1dari 10

TUGAS

STATISTIKA

(ANALISIS MULTIPLE REGRESSION)

Oleh :

YUSRA AULIA SARI

RIDO NOR PERMADI

MPKD’51

MAGISTER PERENCANAAN KOTA DAN DAERAH

JURUSAN TEKNIK ARSITEKTUR DAN PERENCANAAN

FAKULTAS TEKNIK

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2017
STATISTIKA
(ANALISIS MULTIPLE REGRESSION)

Telah dilakukan survey sederhana mengenai keterkaitan antara beberapa variabel


mengenai penghasilan individu. Tujuan Penelitian ini untuk menghitung besarnya
pengaruh variabel independen yakni jumlah pendapatan (X1), Jumlah Anggota
Keluarga (X2), Jumlah Kendaraan (X3), dan variabel Dependen nya Jumlah
Pendapata (Y). Survei singkat ini mengambil 60 responden. Adapun data yang telah
diperoleh sebagai berikut :

I. DATA
Jumlah Jumlah Jumlah Jumlah
Pendapatan Anggota Keluarga Kendaraan Pengeluaran
1500000 1 1 1500000
1500000 4 1 2000000
2000000 1 1 2000000
1500000 1 1 1500000
1500000 1 1 1000000
2000000 1 1 1700000
2000000 1 1 1800000
1500000 1 1 2000000
1500000 5 3 2000000
2000000 5 2 1500000
1500000 1 2 1000000
2000000 4 3 1800000
3000000 5 2 2800000
2000000 5 3 1900000
3000000 1 1 2800000
1500000 1 1 1400000
2000000 5 3 1800000
2000000 4 2 1800000
3000000 1 1 2500000
3000000 1 1 2500000
2000000 4 2 1800000
1500000 5 3 1400000
2000000 3 1 2000000
1500000 4 3 1500000
2000000 3 1 2000000
1500000 5 1 1400000
2000000 1 1 2000000
1500000 1 2 1400000
2000000 1 1 1800000
3000000 5 3 2600000
2000000 3 1 1900000
1000000 1 1 1500000
1500000 5 3 1400000
2000000 4 2 1800000
1500000 5 2 1400000
2500000 5 3 2000000
3000000 5 3 2500000
3000000 3 3 3000000
3500000 1 1 3000000
2500000 5 1 2500000
1000000 3 1 900000
2000000 5 3 1800000
3000000 1 1 2000000
3500000 5 3 3000000
2000000 5 1 1500000
3000000 4 1 2800000
3500000 2 1 3000000
2000000 5 1 1800000
3000000 2 2 2900000
1500000 5 2 1300000
2000000 5 2 1900000
1500000 1 1 1400000
2000000 5 3 1900000
2000000 3 3 1900000
1500000 4 1 1400000
2000000 4 3 1900000
3000000 5 1 2900000
2000000 5 3 1900000
3000000 1 3 2900000
2000000 1 3 1900000

II. ANALISIS
A. Uji Normalitas

Variabel pengganggu (e) berdistribusi normal yang ditunjukkan dengan plot


data yang mendekati garis diagonal.
B. Uji Homoskedastisitas

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 49,347 3 16,449 95,421 ,000b

Residual 9,653 56 ,172

Total 59,000 59

a. Dependent Variable: (jumlah_pengeluaran)


b. Predictors: (Constant), (jumlah_kendaraan), (jumlah_pendapatan), (jumlah_anggota_keluarga)

F hitung = 495,421> F tabel (3, {60-3-1}) 0,05 = 2,77

F-Signifikan atau F-hitung lebih besar daripada F-tabel, maka asumsi


homoskedastisitasnya terpenuhi.

C. Uji Multikolinearitas
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Std.
Model B Error Beta t Sig. Tolerance VIF

1 (Constant) 3,537E-
,054 ,000 1,000
16

(jumlah_penda ,914 ,054 ,914 16,858 ,000 ,994 1,006


patan)

(jumlah_anggo ,006 ,063 ,006 ,099 ,921 ,744 1,344


ta_keluarga)

(jumlah_kenda
,007 ,063 ,007 ,111 ,912 ,740 1,351
raan)

a. Dependent Variable: (jumlah_pengeluaran)

Seluruh variabel, VIF < 10. Artinya tidak terjadi multikolinieritas ; asumsi terpenuhi.

D. Uji Autokorelasi

Model Summaryb

Std. Error of the


Model R R Square Adjusted R Square Estimate Durbin-Watson

1 ,915a ,836 ,828 ,41518907 1,742

a. Predictors: (Constant), (jumlah_kendaraan), (jumlah_pendapatan), (jumlah_anggota_keluarga)

b. Dependent Variable: Zscore(jumlah_pengeluaran)

Hasil model dilihat dari Durbin-Watson menunjukkan = 1,742 yang berada diantara -2
sampai dengan +2.
Artinya tidak terjadi autokorelasi ; asumsi terpenuhi.
E. Uji Regresi
Variables Entered/Removeda

Variables
Model Variables Entered Removed Method

1 (jumlah_kendaraan),
(jumlah_pendapatan), . Enter
(jumlah_anggota_keluarga)b

a. Dependent Variable: (jumlah_pengeluaran)


b. All requested variables entered.

Model Summaryb

Adjusted R
Model R R Square Square Std. Error of the Estimate Durbin-Watson

1 ,915a ,836 ,828 ,41518907 1,742

a. Predictors: (Constant), (jumlah_kendaraan), (jumlah_pendapatan), (jumlah_anggota_keluarga)


b. Dependent Variable: (jumlah_pengeluaran)

R = 0,915 (positif dan relatif kuat)

R2 = 0,836 (pengaruh independen variabel terhadap dependen variabel relatif kuat)

Adjusted R Square = 0,828 (rata-rata koefisien determinasi ; semakin tinggi nilai adjusted R
Square berarti semakin baik model regresinya).

Standard Error of the Estimate = 4,1518907(Semakin kecil nilainya akan semakin tepat untuk
memprediksi variabel dependen. Dalam kasus ini, Standard Error of the Estimate masih lebih
besar dari 10% Predicted Value).

 F – test (menguji persamaan pada multiple regresi)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 49,347 3 16,449 95,421 ,000b

Residual 9,653 56 ,172

Total 59,000 59

a. Dependent Variable: (jumlah_pengeluaran)


b. Predictors: (Constant), (jumlah_kendaraan), (jumlah_pendapatan), (jumlah_anggota_keluarga)

F hitung = 95,421 > F tabel (3, {60-3-1}) 0,05 = 2,77


Artinya: Persamaan multiple regresinya signifikan. Dengan demikian persamaan
tersebut bisa menjadi alat prediksi dan estimasi.

 t – test (menguji persamaan regresi untuk tiap variabel)

Coefficientsa

Unstandardized Standardized Collinearity


Coefficients Coefficients Statistics

Std.
Model B Error Beta t Sig. Tolerance VIF

1 (Constant) 3,537E-16 ,054 ,000 1,000

(jumlah_pendapatan) 16,8
,914 ,054 ,914 ,000 ,994 1,006
58

(jumlah_anggota_keluarga)
,006 ,063 ,006 ,099 ,921 ,744 1,344

(jumlah_kendaraan)
,007 ,063 ,007 ,111 ,912 ,740 1,351

a. Dependent Variable: (jumlah_pengeluaran)

Koefisien dari JUMLAH PENDAPATAN : t hitung = 16,858 > t tabel (60-3-1; 0,05/2) = 2,00324

Koefisien dari JUMLAH A.KELUARGA : t hitung = 0,099 > t tabel (60-3-1; 0,05/2) = 2,00324

Koefisien dari JUMLAH KENDARAAN : t hitung = 0,l11 > t tabel (60-3-1; 0,05/2) = 2,00324

PERSAMAAN UNTUK PREDIKSI

Y = a + b 1 . x 1 + b 2 . x 2 + b3 . x 3

Y = 3,537 + (0,914 x Jumlahpendapatan) + (0,006x JumlahA.Keluarga) + (0.007 x


Jumlahkendaraan)
(t = 16,858) (t = 0,099) (t = 0,111) (F=95,421)
Untuk mengetahui variabel yang paling berpengaruh dilakukan metode stepwise

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 Stepwise (Criteria:
Probability-of-F-to-enter
(jumlah_pendapatan) .
<= ,050, Probability-of-F-
to-remove >= ,100).

a. Dependent Variable: Zscore(jumlah_pengeluaran)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 49,339 1 49,339 296,204 ,000b

Residual 9,661 58 ,167

Total 59,000 59

a. Dependent Variable: (jumlah_pengeluaran)


b. Predictors: (Constant), (jumlah_pendapatan)

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 3,585E-16 ,053 ,000 1,000

(jumlah_pendapatan) ,914 ,053 ,914 17,211 ,000

a. Dependent Variable: (jumlah_pengeluaran)

Excluded Variablesa

Collinearity

Partial Statistics

Model Beta In t Sig. Correlation Tolerance

1 (jumlah_anggota_keluarga) ,010b ,182 ,857 ,024 1,000

(jumlah_kendaraan) ,010b ,188 ,851 ,025 ,996

a. Dependent Variable: (jumlah_pengeluaran)


b. Predictors in the Model: (Constant), (jumlah_pendapatan)
Coefficient Correlationsa

Zscore(jumlah_
Model pendapatan)

1 Correlations (jumlah_pendapatan) 1,000

Covariances (jumlah_pendapatan) ,003

a. Dependent Variable: (jumlah_pengeluaran)

Collinearity Diagnosticsa

Variance Proportions

Zscore(jumlah_
Model Dimension Eigenvalue Condition Index (Constant) pendapatan)

1 1 1,000 1,000 ,50 ,50

2 1,000 1,000 ,50 ,50

a. Dependent Variable: (jumlah_pengeluaran)

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -1,5787611 1,9557787 ,0000000 ,91446855 60


Residual -1,16482329 ,95590061 ,00000000 ,40465698 60
Std. Predicted Value -1,726 2,139 ,000 1,000 60
Std. Residual -2,854 2,342 ,000 ,991 60

a. Dependent Variable: (jumlah_pengeluaran)