Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Low

Intercept 4.317073171 1.907860828 2.262782016 0.064301946 -0.3512941 8.985440442 -0

- - - -
2 1.268292683 0.276270555 4.590763148 0.003728045 1.944302378 0.592282988 1.94
3 1.780487805 0.303507637 5.86636904 0.001085175 1.037831371 2.523144239 1.03

Persamaan Regresi :

Y = 4.317073171 - 1.268292683 + 1.780487805

Uji F (ANOVA)

ANOVA
Significance
df SS MS F F
Regression 2 64.87804878 32.43902439 27.32876712 0.000967831
Residual 6 7.12195122 1.18699187
Total 8 72

Melihat kelayakan model (Y = 4.317073171 1.268292683X1 + 1.780487805X2)

Kriteria layak atau tidak layak :

Jika F computer lebih besar dari F table maka model tidak layak; F table dengan derajat bebas 2 dan 6

Jika Significance F lebih kecil dari 0,05 maka model layak

Karena Significance F = 0.000967831 < 0,05 maka model layak

Uji t

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Low
Intercept 4.317073171 1.907860828 2.262782016 0.064301946 -0.3512941 8.985440442 -0
- - - -
2 1.268292683 0.276270555 4.590763148 0.003728045 1.944302378 0.592282988 1.94
3 1.780487805 0.303507637 5.86636904 0.001085175 1.037831371 2.523144239 1.03

Menguji b1 = - 1.268292683

H0 : β1=0 ( X1 tidak berpengaruh terhadap Y)

H1 : β1≠0 ( X1 berpengaruh terhadap Y)

Kriteria penolakan H0 :

H0 ditolak jika t Stat > 0

H0 ditolak jika P-value < 0,05

Kesimpulan H0 ditolak,dengan kata lain H1 berlaku (X1 berpengaruh terhadap Y)

Menguji b2 = 1.780487805

H0 : β2=0 ( X2 tidak berpengaruh terhadap Y)

H1 : β2≠0 ( X2 berpengaruh terhadap Y)

Kriteria penolakan H0 :

H0 ditolak jika t Stat > 0

H0 ditolak jika P-value < 0,05

Kesimpulan H0 ditolak,dengan kata lain H1 berlaku (X2 berpengaruh terhadap Y)

Arti b1 = - 1.268292683

Artinya ketika X2 tetap (nilainya tertentu maka setiap kenaikan 1 unit X1 akan menurunkan Y sebesar -
1.268292683

Jika X1 meningkat 1 milyar maka Y akan turun sebesar 1.268292683

Arti b2 = 0.689311201

Artinya ketika X1 tetap (nilainya tertentu maka setiap kenaikan 1 unit X2 akan menaikan Y sebesar
0.689311201

Jika X2 meningkat 1 milyar maka Y akan turun sebesar 689311201

SUMMARY
OUTPUT

Regression Statistics
Multiple R 0.94925445
R Square 0.901084011
Adjusted R Square 0.868112014
Standard Error 1.089491565
Observations 9
Multiple R menunjukan koefisien korelasi bersama

R Square = R2 = koefisien determinasi 0.901084011= 90,1084011%

Artinya kontribusi X1 dan X2 terhadap Y sebesar 90,1084011%, sisanya (1-90,1084011%) dipengaruhi

oleh factor lain diluar X1 dan X2

Adjusted R Square = 90,1084011

Artinya = R2

Standard Error = 1.089491565

Standar Error digunakan untuk melihat sejauh mana data dekat dengan model regresi. Standar Error
yang kecil berarti data cukup dekat dengan persamaan regresinya.