BAB IV

ANALISIS DAN PEMBAHASAN

4.1 Karakteristik Data Jumlah Kematian Bayi di Setiap Kabupaten/Kota

Provinsi Jawa Timur Tahun 2011 Terhadap Faktor yang
Mempengaruhi
Analisis statistika deskriptif ini dijelaskan tentang hasil dari data jumlah
kematian bayi di setiap kabupaten/kota provinsi Jawa Timur tahun 2011 terhadap
persentase persalinan oleh tenaga kesehatan, tenaga kesehatan, ibu hamil beresiko
tinggi ditangani, ibu hamil melaksanakan program K4, dan ibu hamil mendapat
tablet Fe3 yang meliputi rata-rata (mean), standar deviasi (StDev), minimum,
median, dan maksimum yang diperoleh dari Software. Hasil dari pengujiannya
pengerjaan sebagai berikut.
Tabel 4.1 Karakteristik Data

Variabel Mean Varian Minimum Median Maksimum

Jumlah kematian bayi 160.50 11890.4 23.00 156.0 465.0

Persentase persalinan oleh 99.830

95.741 7.074 89.740 96.310
tenaga kesehatan
Persentase tenaga 0.74
0.1839 0.0253 0.0500 0.1250
kesehatan
Persentase ibu hamil 98.77
79.23 224.49 53.51 80.47
beresiko tinggi ditangani
Persentase ibu hamil
melaksanakan program 88.711 26.377 74.00 89.155 99.80
K4
Persentase ibu hamil 98.57
84.84 75.05 50.35 85.38
mendapat tablet Fe3
Tabel 4.1 menunjukkan bahwa jumlah kematian bayi di setiap kabupaten/kota
di Provinsi Jawa Timur tahun 2011 tergolong tinggi dengan mencapai rata-rata
tingkat kematian 161 jiwa. Data tersebut beragam sebesar 11890.40. Jumlah
kematian bayi di setiap kabupaten/kota di Jawa Timur tahun 2011 ada pada rentang
nilai prosentase 23 jiwa yang berada di kota Mojokerto hingga 465 jiwa yang berada
di kota Surabaya dengan nilai tengah pada rentang nilai adalah 156 jiwa.
Persentase persalinan oleh tenaga kesehatan yang paling minimum sebesar
89.74% berada pada kabupaten Trenggalek dan tertinggi sebesar 99.83% pada
kabupaten Mojokerto. Persentase tenaga kesehatan paling minimum berada pada
kabupaten pasuruan dengan persentase 0.05% dan tertinggi pada kota Madiun

1
dengan persentase 0.74%. Persentase ibu hamil beresiko tinggi dilayani paling
minimum berada pada kabupaten bangkalan dengan persentase 53.51% dan
tertinggi pada kota Mojokerto dengan persentase 98.77%. Persentase ibu hamil
melaksanakan program K4 terendah sebesar 74% pada kabupaten Trenggalek dan
tertinggi sebesar 99.8% pada kota Kediri. Sedangkan persentase ibu hamil
mendapat tablet Fe3 terendah sebesar 50.35% berada pada kota Pasuruan dan
tertinggi sebesar 98.57% berada pada kabupaten Pasuruan. Pengaruh terbesar yang
mempengaruhi jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
adalah persentase persalinan oleh tenaga kesehatan dengan rata-rata 95.74%,
semakin tinggi persentase persalinan oleh tenaga kesehatan di kabupaten/kota maka
akan semakin kecil resiko kematian bayi akibat persalinan di kabupaten/kota
tersebut.

4.2 Metode Best Subsets Regression Data Jumlah Kematian Bayi di Setiap
Kabupaten/Kota Provinsi Jawa Timur Tahun 2011 Terhadap Faktor
yang Mempengaruhi
Best Subsets Regression (Regresi terbaik) digunakan untuk meregresikan satu
peubah respon pada semua kemungkinan kombinasi subset peubah-peubah
prediktor dan kemudian memilih subset terbaik untuk setiap ukuran (size) informasi
model terbaik ini dipilih berdasarkan nilai Rsquare terbesar, nilai S terendah, dan
Statistik Cp Mallow yang mendekati banyak parameter. Berdasarkan data jumlah
kematian bayi di setiap kabupaten/kota di Jawa Timur tahun 2011 terhadap faktor
yang mempengaruhinya akan dipilih model regresi terbaik berdasarkan metode best
subsets regression yang hasilnya akan diuraikan sebagai berikut.
Tabel 4.2 Metode best subsets regression
X X X X X
Vars R-sq R-sq(adj) R-sq(pred) Cp Mallow S
1 2 3 4 5
1 46.4 44 40.5 5.7 101.10 X

1 36.6 34 30 10.3 106.84 X

2 55.9 51.7 47.6 3.2 96.50 X X

2 50.7 46.2 40.7 5.6 99.817 X X

3 59.2 52.9 46.7 3.6 95.73 X X X

3 57.8 51.4 44.1 4.3 96.67 X X X

2
 4 62.6 54.4 45.1 4 94.82 X X X X

4 59.9 51.4 43.4 5.3 96.70 X X X X

5 62.6 52 39.3 6 96.29 X X X X X

Tabel 4.2 menunjukkan bahwa regresi terpilih adalah regresi dengan

variabel prediktor X2, X3, X4, dan X5 karena memiliki Cp Mallow yang sama
dengan parameter sebesar 4, memiliki R-sq terbesar sebesar 62.6 dan nilai S
terkecil dengan nilai 94.82. Dari hasil tersebut model regresi terpilih adalah sebagai
berikut.
yˆ  133  311x2  1.68x3  4.77 x4  4.41x5

Persamaan regresi diatas menunjukkan bahwa jika persentase tenaga kerja

bertambah satu persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur tahun 2011 turun sebesar 311 jiwa dengan asumsi persentase ibu hamil
beresiko tinggi ditangani, ibu hamil melaksanakan program K4, dan ibu hamil
mendapat tablet Fe3 bernilai konstan. Jika persentase ibu hamil beresiko tinggi
dilayani bertambah satu persen maka jumlah kematian bayi di setiap
kabupaten/kota di Jawa Timur tahun 2011 naik sebesar 1.68 jiwa dengan asumsi
persentase tenaga kesehatan, ibu hamil melaksanakan program K4, dan ibu hamil
mendapat tablet Fe3 bernilai konstan. Jika persentase ibu hamil melaksanakan
program K4 di setiap kabupaten/kota di Jawa Timur tahun 2011 bertambah satu
persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur tahun
2011 turun sebesar 4.77 jiwa dengan asumsi persentase tenaga kesehatan, ibu hamil
beresiko tinggi dilayani, dan ibu hamil mendapat tablet Fe3 bernilai konstan.
Kemudian jika persentase ibu hamil mendapat tablet Fe3 di setiap kabupaten/kota
di Jawa Timur tahun 2011 bertambah satu persen maka jumlah kematian bayi di
setiap kabupaten/kota di Jawa Timur tahun 2011 naik sebesar 4.41 jiwa dengan
asumsi persentase tenaga kesehatan, ibu hamil beresiko tinggi dilayani, dan ibu
hamil melaksanakan program K4 bernilai konstan.

4.3 Metode Forward Selection Data Jumlah Kematian Bayi di Setiap

Kabupaten/Kota Provinsi Jawa Timur Tahun 2011 Terhadap Faktor
yang Mempengaruhi

3
 Metode forward adalah pemodelan dimulai dari nol peubah (empty model),
kemudian satu persatu peubah dimasukan sampai kriteria tertentu dipenuhi dengan
memasukkan prediktor secara bertahap berdasarkan korelasi parsial terbesar. Proses
tersebut dihentikan ketika prediktor-prediktor baru yang masuk ke dalam model
tidak berpengaruh signifikan terhadap variabel respon. Berdasarkan data jumlah
kematian bayi di setiap kabupaten/kota di Jawa Timur tahun 2011 terhadap faktor
yang mempengaruhinya akan dipilih model regresi terbaik berdasarkan metode
Forward Selection yang akan diuraikan sebagai berikut.
Tabel 4.3 Metode Forward selection
Term Coef SE Coef T-value P-value

Constant -124 160 -0.77 0.444

X2 -349 105 -3.32 0.002

X5 4.11 1.93 2.12 0.041

Tabel 4.3 menunjukkan bahwa ada dua variabel yang signifikan dengan
masing-masing P-value 0.002 dan 0.041 lebih kecil dari α=0.05 yaitu variabel X2
dan X5. Jadi persamaan model terbaik berdasarkan metode Forward adalah sebagai
berikut.
yˆ  124  349 x2  4.11x5

Persamaan regresi diatas menunjukkan bahwa jika persentase tenaga

kesehatan bertambah satu persen maka jumlah kematian bayi di setiap
kabupaten/kota di Jawa Timur tahun 2011 akan turun sebesar 349 jiwa dengan
asumsi persentase ibu hamil mendapat tablet Fe3 bernilai konstan. Jika persentase
ibu hamil mendapat tablet Fe3 di setiap kabupaten/kota di Jawa Timur tahun 2011
bertambah satu persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur tahun 2011 akan naik sebesar 4.11 jiwa dengan asumsi persentase tenaga
kesehatan bernilai konstan.

4.4 Metode Backward Elimination Data Jumlah Kematian Bayi di Setiap

Kabupaten/Kota Provinsi Jawa Timur Tahun 2014 Terhadap Faktor
yang Mempengaruhi
Metode backward elimination adalah memasukkan semua variabel prediktor
kemudian mengeliminasi satu persatu hingga tersisa variabel prediktor yang

4
signifikan saja. Metode backward juga disebut dengan prosedur eliminasi langkah
mundur. Berdasarkan data jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur tahun 2011 terhadap faktor yang mempengaruhinya akan dipilih model
regresi terbaik berdasarkan metode Bacward Elimination sehingga didapatkan
model yang terbaik sebagai berikut.
Tabel 4.4 Output Metode Backward
Step 1 2 3 4
Constant 151.2 132.8 -207.2 -123.7

X1 -0.2
T-value -0.03
P-value 0.972
X2 -313 -311 -372 -349
T-value -2.49 -2.70 -3.51 -3.32
P-value 0.018 0.011 0.001 0.002

X3 1.7 1.7 1.4

T-value 1.5 1.53 1.25
P-value 0.144 0.136 0.219
X4 -4.7 -4.8
T-value -1.13 -1.29
P-value 0.266 0.208
X5 4.4 4.4 3.9 4.1
T-value 2.18 2.26 2.01 2.12
P-value 0.037 0.031 0.052 0.041

Tabel 4.4 menunjukkan bahwa terdapat empat tahap dalam mengeliminasi

variabel yang paling tidak signifikan sampai akhirnya ditemukan variabel terbaik
yang paling signifikan. Pada tahap pertama, seluruh variabel prediktor diregresikan
dengan ariabel respon, sehingga diketahui nilai P-value variabel X1 yang tertinggi
sebesar 0.972 merupakan variabel yang tidak signifikan maka variabel X1
dihilangkan. Pada tahap kedua, variabel prediktor tersisa diregresikan kembali
dengan variabel respon dan diketahui nilai P-value tertinggi berada pada variabel
X4 sehingga variabel X4 harus dihilangkan. Pada tahap ketiga, P-value tertinggi
terdapat pada variabel X3 sehingga dihilangkan. Pada tahap keempat, sudah tidak
terdapat lagi variabel yang tidak signifikan sehingga variabel yang terpilih adalah
X2 dan X5. Persamaan model regresi terpilih adalah sebagai berikut.

5
 yˆ  124  349 x2  4.11x5

Persamaan regresi diatas menunjukkan bahwa jika persentase tenaga

kesehatan bertambah satu persen maka jumlah kematian bayi di setiap
kabupaten/kota di Jawa Timur tahun 2011 akan turun sebesar 349 jiwa dengan
asumsi persentase ibu hamil mendapat tablet Fe3 bernilai konstan. Jika persentase
ibu hamil mendapat tablet Fe3 di setiap kabupaten/kota di Jawa Timur bertambah
satu persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2011 akan naik sebesar 4.11 jiwa dengan asumsi persentase tenaga kesehatan
bernilai konstan. Ternyata dalam praktikum ini model terbaik untuk metode
backward elimination menghasilkan model yang sama dengan metode forward
selection.

4.5 Metode Stepwise Regression Data Jumlah Kematian Bayi di Setiap

Kabupaten/Kota Provinsi Jawa Timur Tahun 2011 Terhadap Faktor
Yang Mempengaruhi
Stepwise regression adalah gabungan antara metode forward selection dan
backward elimination. Variabel yang pertama kali masuk adalah variabel yang
korelasinya paling tinggi dan signifikan dengan variabel dependen. Variabel yang
masuk kedua adalah variabel yang korelasi parsialnya tertinggi dan masih
signifikan, setelah variabel tertentu masuk ke dalam model maka variabel lain yang
ada di dalam model dievaluasi, jika ada variabel yang tidak signifikan maka
variabel tersebut dikeluarkan. Proses memasukkan variabel prediktor
dikombinasikan dengan mengeliminasi prediktor yang tidak signifikan.
Berdasarkan data jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2011 terhadap faktor yang mempengaruhinya akan dipilih model regresi
terbaik berdasarkan metode Stepwise Elimination sebagai berikut.
Tabel 4.5 Nilai Korelasi Antara Variabel Respon dengan Variabel Prediktor
X1 X2 X3 X4 X5

Y Pearson Correlation 0.014 0.405 0.117 -0.257 0.162

P-value 0.934 0.012 0.484 0.120 0.331

Tabel 4.5 menunjukkan bahwa korelasi yang paling signifikan dengan nilai
korelasi tertinggi adalah antara jumlah kematian bayi di setiap kabupaten/kota di

6
Jawa Timur tahun 2011 (Y) dengan persentase tenaga kesehatan (X2) dengan nilai
Pearson Correlation sebesar 0.405 dan P-value sebesar 0.012. Oleh karena itu akan
dilanjutkan pada uji korelasi parsial untuk mengetahui apakah ada variabel
prediktor lain yang signifikan dengan menggunakan persentase tenaga kesehatan
(X2) sebagai variabel kontrol.

Tabel 4.6 Nilai Korelasi Parsial Antara Variabel Respon dengan Variabel Prediktor dengan X 2
Sebagai Variabel Kontrol
Y X1 X3 X4 X5

X2 Y Pearson Correlation 1.00 -0.061 0.228 -0.068 0.338

Significance (2-tailed) 0.721 0.174 0.690 0.041

0 35 35 35 35
df

Tabel 4.6 menunjukkan bahwa terdapat nilai korelasi yang paling signifikan
yaitu dari variabel prediktor X5 terhadap Y dengan X2 sebagai variabel kontrol.
Sehingga variabel X5 dijadikan sebagai variabel kontrol untuk dilakukan
pengecekan korelasi parsial selanjutnya.

Tabel 4.7 Nilai Korelasi Parsial Antara Variabel Respon dengan Variabel Prediktor dengan X 2 dan
X5 Sebagai Variabel Kontrol
Y X1 X3 X4

X2 X5 Y Pearson Correlation 1.00 -0.046 0.210 -0.158

Significance (2-tailed) 0.791 0.219 0.356

0 34 34 34
df

Tabel 4.7 menunjukkan bahwa tidak terdapat nilai korelasi yang signifikan
antara variabel Y dengan X2, dan X5 sebagai variabel kontrol sehingga pemeriksaan
nilai korelasi parsial dihentikan dan variabel yang masuk dalam model adalah
variabel X2 dan X5. Sehingga didapatkan model yang terbaik sebagai berikut.
yˆ  124  349 x 2  4.11x5

Persamaan regresi diatas menunjukkan bahwa jika persentase tenaga

kesehatan bertambah satu persen maka jumlah kematian bayi di setiap
kabupaten/kota di Jawa Timur tahun 2011 akan turun sebesar 349 jiwa dengan
asumsi persentase ibu hamil mendapat tablet Fe3 bernilai konstan. Jika persentase
ibu hamil mendapat tablet Fe3 di setiap kabupaten/kota di Jawa Timur bertambah

7
satu persen maka jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2014 akan naik sebesar 4.11 jiwa dengan asumsi persentase tenaga kesehatan
bernilai konstan. Ternyata dalam praktikum ini model terbaik untuk metode
stepwise juga menghasilkan model yang sama dengan metode forward selection
dan backward elimination.

8
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Hasil analisis data jumlah kematian bayi di setiap kabupaten/kota di Jawa
Timur (Y), persentase persalinan oleh tenaga kesehatan (X1), persentase tenaga
kesehatan (X2), persentase ibu hamil beresiko tinggi yang dilayani (X3), persentase
ibu hamil yang melaksanakan program K4 (X4), dan persentase ibu hamil yang
mendapat tablet Fe3 (X5), didapatkan kesimpulan sebagai berikut.
1. Hasil statistika deskriptif didapatkan bahwa persentase persalinan oleh tenaga
kesehatan memiliki rata-rata paling tinggi diantara faktor-faktor yang lain
maka diperkirakan faktor persentase persalinan oleh tenaga kesehatan di
setiap kabupaten/kota di Jawa Timur memiliki pengaruh yang paling besar
terhadap jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
sehingga diharapkan pemerintah mampu mendistribusikan tenaga kesehatan
secara merata ke seluruh wilayah agar tingkat jumlah persalinan dengan
tenaga kesehatan akan semakin meningkat dan mengurangi tingkat kematian
bayi saat proses melahirkan.
2. Model terpilih yang terbentuk dari metode best subsets regression adalah
sebagai berikut.
yˆ  133  311x2  1.68x3  4.77 x4  4.41x5
3. Model terpilih yang terbentuk dari metode forward selection adalah sebagai
berikut.
yˆ  124  349 x2  4.11x5
4. Model terpilih yang terbentuk dari metode backward selection adalah sebagai
berikut.
yˆ  124  349 x2  4.11x5
5. Model terpilih yang terbentuk dari metode stepwise selection adalah sebagai
berikut.
yˆ  124  349 x2  4.11x5

9
5.2 Saran
Saran yang dapat diberikan pada penelitian kali ini adalah proses analisis
dilakukan lebih teliti, dan akurat agar tidak terjadi kesalahan pemilihan regresi
terbaik pada saat proses pengerjaan laporan dan laporan yang dihasilkan dapat
menjadi laporan yang baik dari segi pengambilan data sampai isi dari laporan
tersebut sehingga informasi dapat dipahami secara lebih mudah oleh pembaca baik
mahasiswa atau masyarakat umum.

10
 DAFTAR PUSTAKA

Draper, Norman & Smith, Harry. 1992. Analisis Regresi Terapan ed.2. Jakarta : PT
Gramedia PustakaUtama
Walpole. 1989. Pengantar Metode Statistik. Jakarta: PT Gramedia Pustaka Utama.
Konsil Kedokteran Indonesia. 2006. Pengertian Tenaga Kesehatan.
https://sugengmedica.wordpress.com/2012/08/09/definisi-tenaga-
kesehatan/Diakses pada 30 November 2015 pukul 21.10 WIB
Muchtar. 2005. Program K4. http://7langkahvarney.blogspot.co.id/2012/06/fungsi-
pemeriksaan-k1-k4.htmlDiakses pada 30 November 2015 pukul 21.00 WIB
Norman N. 2008. Tablet Fe pada Ibu Hamil.
http://mantrinews.blogspot.co.id/2012/02/mengenal-tablet-
besi.htmlDiakses pada 30 November 2015 pukul 21.30 WIB

11
 LAMPIRAN

Lampiran 1 Data Penelitian Jumlah Kematian Bayi di Setiap Kabupaten/Kota di

Jawa Timur Tahun 2011 Terhadap Faktor Yang Mempengaruhi

Kab/Kota y x1 x2 x3 x4 x5
KAB. PACITAN 87 98.68 0.12 97.2 86.58 75.91
KAB.
PONOROGO 176 92.97 0.16 91.82 86.43 82.8
KAB.
TRENGGALEK 110 89.74 0.11 81.89 74 75.94
KAB.
TULUNGAGUNG 104 96.72 0.16 58.44 88.88 83.01
KAB. BLITAR 248 98.32 0.07 79.85 89.9 84.09
KAB. KEDIRI 202 96.71 0.08 75.55 90.92 74.92
KAB. MALANG 275 98.93 0.11 88.98 94.89 89.3
KAB.
LUMAJANG 149 99.15 0.1 95.13 90.34 93.78
KAB. JEMBER 439 95.16 0.11 57.67 81.27 91.8
KAB.
BANYUWANGI 172 96.43 0.09 58.36 82.73 83.19
KAB.
BONDOWOSO 190 91.65 0.14 93.42 90.74 91.4
KAB.
SITUBONDO 171 91.66 0.14 79.52 82.27 80.72
KAB.
PROBOLINGGO 218 97.37 0.07 80.61 88.35 88.05
KAB.
PASURUAN 159 95.2 0.05 85.89 92.06 98.57
KAB. SIDOARJO 252 93.73 0.23 73.79 90.11 85.71
KAB.
MOJOKERTO 201 99.83 0.06 75.81 85.9 78.43
KAB. JOMBANG 311 96.3 0.15 98.13 87.49 86.3
KAB. NGANJUK 356 94.97 0.1 90.36 85.47 83.73
KAB. MADIUN 81 95.17 0.14 78.71 88.69 84.87
KAB. MAGETAN 101 98.64 0.14 80.33 91.44 89.98
KAB. NGAWI 163 97.12 0.12 93.98 89.73 89.73
KAB.
BOJONEGORO 182 99.34 0.12 95.53 90.63 83.33
KAB. TUBAN 174 97.32 0.09 95.67 89.82 88.64
KAB.
LAMONGAN 54 96.6 0.12 64.78 95.2 74.31
KAB. GRESIK 144 98.45 0.11 68.16 87.58 90.09
 KAB.
BANGKALAN 82 95.89 0.13 53.51 88.63 85.04
KAB. SAMPANG 131 93.32 0.16 66.27 79.01 72.83
KAB.
PAMEKASAN 76 89.78 0.05 57.22 85.24 80.27
KAB. SUMENEP 153 94.08 0.09 56.62 82.31 81.88
KOTA KEDIRI 33 93.68 0.5 94.03 99.8 91.03
KOTA BLITAR 28 95.62 0.46 56.77 87.75 89.27
KOTA MALANG 249 96.47 0.29 92.66 87.12 87.34
KOTA
PROBOLINGGO 52 96.32 0.3 60.54 95.82 80.81
KOTA
PASURUAN 33 99.66 0.22 92.59 89.43 50.35
KOTA
MOJOKERTO 23 97.07 0.67 98.77 93.97 97.96
KOTA MADIUN 23 92.26 0.74 96.92 99.51 98.27
KOTA
SURABAYA 465 93.24 0.23 83.38 91.06 90.18
KOTA BATU 32 94.6 0.26 61.97 89.94 89.94

Keterangan :
Y : jumlah kematian bayi di setiap kabupaten/kota di Jawa Timur
tahun 2011
X1 : persentase persalinan dengan tenaga kesehatan
X2 : persentase tenaga kesehatan
X3 : persentase ibu hamil beresiko tinggi yang dilayani
X4 : persentase ibu hamil yang melaksanakan program K4
X5 : persentase ibu hamil yang mendapat tablet Fe3
Lampiran 2 Hasil Output Minitab Berdasarkan Statistika Deskriptif
Descriptive Statistics: y, x1, x2, x3, x4, x5

Variable Mean Variance Minimum Median Maximum

y 160.5 11890.4 23.0 156.0 465.0
x1 95.741 7.074 89.740 96.310 99.830
x2 0.1839 0.0253 0.0500 0.1250 0.7400
x3 79.23 224.49 53.51 80.47 98.77
x4 88.711 26.377 74.000 89.155 99.800
x5 84.84 75.05 50.35 85.38 98.57
Lampiran 2 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik
Berdasarkan Metode Best Subsets Regression.
Best Subsets Regression: y versus x1, x2, x3, x4, x5

Response is y

R-Sq R-Sq Mallows x x x x x

Vars R-Sq (adj) (pred) Cp S 1 2 3 4 5
1 46.4 44.0 40.5 5.7 101.10 X
1 36.6 34.0 30.0 10.3 106.84 X
2 55.9 51.7 47.6 3.2 96.504 X X
2 50.7 46.2 40.7 5.6 99.817 X X
3 59.2 52.9 46.7 3.6 95.733 X X X
3 57.8 51.4 44.1 4.3 96.676 X X X
4 62.6 54.4 45.1 4.0 94.827 X X X X
4 59.9 51.4 43.4 5.3 96.702 X X X X
5 62.6 52.0 39.3 6.0 96.295 X X X X X

Regression Analysis: y versus x2, x3, x4, x5

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 4 143206 35802 3.98 0.010
x2 1 65517 65517 7.29 0.011
x3 1 21034 21034 2.34 0.136
x4 1 14861 14861 1.65 0.208
x5 1 45892 45892 5.10 0.031
Error 33 296739 8992
Total 37 439945

Model Summary

S R-sq R-sq(adj) R-sq(pred)

94.8267 62.55% 54.38% 35.09%

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 133 315 0.42 0.676
x2 -311 115 -2.70 0.011 1.39
x3 1.68 1.10 1.53 0.136 1.12
x4 -4.77 3.71 -1.29 0.208 1.49
x5 4.41 1.95 2.26 0.031 1.18

Regression Equation

y = 133 - 311 x2 + 1.68 x3 - 4.77 x4 + 4.41 x5

Fits and Diagnostics for Unusual Observations

 Std
Obs y Fit Resid Resid
9 439.0 213.4 225.6 2.61 R
34 33.0 16.1 16.9 0.28 X
37 465.0 165.5 299.5 3.22 R

R Large residual
X Unusual X

Lampiran 3 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik

Berdasarkan Metode Forward Selection.
Regression Analysis: y versus x1, x2, x3, x4, x5

Forward Selection of Terms

α to enter = 0.05

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 2 113989 56995 6.12 0.005
x2 1 102416 102416 11.00 0.002
x5 1 41972 41972 4.51 0.041
Error 35 325956 9313
Total 37 439946

Model Summary

S R-sq R-sq(adj) R-sq(pred)

96.5041 55.91% 51.68% 47.62%

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant -124 160 -0.77 0.444
x2 -349 105 -3.32 0.002 1.12
x5 4.11 1.93 2.12 0.041 1.12

Regression Equation

y = -124 - 349 x2 + 4.11 x5

Fits and Diagnostics for Unusual Observations

Obs y Fit Resid Std Resid

9 439.0 214.9 224.1 2.39 R
34 33.0 6.3 26.7 0.40 X
35 23.0 44.7 -21.7 -0.27 X
36 23.0 21.6 1.4 0.02 X
37 465.0 166.4 298.6 3.15 R

R Large residual
X Unusual X
Lampiran 4 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik
Berdasarkan Metode Backward Elimination.

Stepwise Regression: y versus x1, x2, x3, x4, x5

Backward elimination. Alpha-to-Remove: 0.05

Response is y on 5 predictors, with N = 38

Step 1 2 3 4
Constant 151.2 132.8 -207.2 -123.7

x1 -0.2
T-Value -0.03
P-Value 0.972

x2 -313 -311 -372 -349

T-Value -2.49 -2.70 -3.51 -3.32
P-Value 0.018 0.011 0.001 0.002

x3 1.7 1.7 1.4

T-Value 1.50 1.53 1.25
P-Value 0.144 0.136 0.219

x4 -4.7 -4.8
T-Value -1.13 -1.29
P-Value 0.266 0.208

x5 4.4 4.4 3.9 4.1

T-Value 2.18 2.26 2.01 2.12
P-Value 0.037 0.031 0.052 0.041

S 96.3 94.8 95.7 96.5

R-Sq 32.55 32.55 29.17 25.91
R-Sq(adj) 22.01 24.38 22.92 21.68
Mallows Cp 6.0 4.0 3.6 3.2
Regression Analysis: y versus x1, x2, x3, x4, x5

Backward Elimination of Terms

α to remove = 0.05

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 2 113989 56995 6.12 0.005
x2 1 102416 102416 11.00 0.002
x5 1 41972 41972 4.51 0.041
Error 35 325956 9313
Total 37 439946

Model Summary

S R-sq R-sq(adj) R-sq(pred)

96.5041 55.91% 51.68% 47.62%

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant -124 160 -0.77 0.444
x2 -349 105 -3.32 0.002 1.12
x5 4.11 1.93 2.12 0.041 1.12

Regression Equation

y = -124 - 349 x2 + 4.11 x5

Fits and Diagnostics for Unusual Observations

Obs y Fit Resid Std Resid

9 439.0 214.9 224.1 2.39 R
34 33.0 6.3 26.7 0.40 X
35 23.0 44.7 -21.7 -0.27 X
36 23.0 21.6 1.4 0.02 X
37 465.0 166.4 298.6 3.15 R

R Large residual
X Unusual X
Lampiran 5 Hasil Output Minitab Untuk Pemilihan Model Regresi Terbaik
Berdasarkan Metode Stepwise Regression.
Correlations

Correlations

y x1 x2 x3 x4 x5

y Pearson Correlation 1 .014 -.405* .117 -.257 .162

Sig. (2-tailed) .934 .012 .484 .120 .331

N 38 38 38 38 38 38
x1 Pearson Correlation .014 1 -.170 .177 .282 -.104
Sig. (2-tailed) .934 .309 .288 .086 .536
N 38 38 38 38 38 38
x2 Pearson Correlation .405* -.170 1 .215 .502** .322*
Sig. (2-tailed) .012 .309 .195 .001 .049
N 38 38 38 38 38 38
x3 Pearson Correlation .117 .177 .215 1 .318 .156
Sig. (2-tailed) .484 .288 .195 .052 .349
N 38 38 38 38 38 38
x4 Pearson Correlation -.257 .282 .502** .318 1 .349*
Sig. (2-tailed) .120 .086 .001 .052 .032
N 38 38 38 38 38 38
x5 Pearson Correlation .162 -.104 .322* .156 .349* 1

Sig. (2-tailed) .331 .536 .049 .349 .032

N 38 38 38 38 38 38

*. Correlation is significant at the 0.05 level (2-tailed).

**. Correlation is significant at the 0.01 level (2-tailed).

[DataSet0]
Partial Corr

Correlations

Control Variables y x1 x3 x4 x5

x2 y Correlation 1.000 -.061 .228 -.068 .338

Significance (2-tailed) . .721 .174 .690 .041

Df 0 35 35 35 35
 x1 Correlation -.061 1.000 .222 .431 -.053

Significance (2-tailed) .721 . .187 .008 .757

Df 35 0 35 35 35

x3 Correlation .228 .222 1.000 .248 .094

Significance (2-tailed) .174 .187 . .138 .579

Df 35 35 0 35 35

x4 Correlation -.068 .431 .248 1.000 .229

Significance (2-tailed) .690 .008 .138 . .173

Df 35 35 35 0 35

x5 Correlation .338 -.053 .094 .229 1.000

Significance (2-tailed) .041 .757 .579 .173 .

Df 35 35 35 35 0

Partial Corr

Correlations

Control Variables y x1 x3 x4

x2 & x5 y Correlation 1.000 -.046 .210 -.158

Significance (2-tailed) . .791 .219 .356

df 0 34 34 34

x1 Correlation -.046 1.000 .228 .456

Significance (2-tailed) .791 . .181 .005

df 34 0 34 34
x3 Correlation .210 .228 1.000 .234

Significance (2-tailed) .219 .181 . .169

df 34 34 0 34

x4 Correlation -.158 .456 .234 1.000

Significance (2-tailed) .356 .005 .169 .

df 34 34 34 0