1 58,8 20 8,40
2 70,7 21 7,82
3 28,1 21 11,88
4 46,8 23 10,94
5 59,3 22 10,09
6 74,5 23 8,88
7 61,4 21 9,27
8 33,4 20 10,36
9 59,3 19 9,57
10 72,1 20 7,68
11 74,4 11 6,36
12 70,7 21 7,82
13 30,8 23 12,51
14 71,3 22 8,73
15 39,1 19 9,57
16 53,4 17 7,81
17 61,6 13 9,74
18 43,5 16 8,99
19 85,7 22 6,89
20 62,9 19,5 7,21
21 53,9 18 10,3
22 64,7 18 8,27
23 65,4 18,7 8,21
24 55,5 17,7 10,10
Nilai Y – dapat dilihat pada tabel 3.2. Pada residual ini pengaruh linier dari X2 terhadap Y
sudah hilang atau dapat dikatakan pengaruh X2 dikontrol, dengan demikian tinggal pengaruh
(linier) dari X1 dan pengaruh residual (error).
Nilai X1 -dapat dilihat pada tabel 3.2. Pada residual ini pengaruh linier dari X2 terhadap X1
juga sudah hilang, dengan demikian dari kedua residual pada tabel 3.2 pengaruh (linier) dari X2
telah dikeluarkan.
Hasil yang sama juga akan diperoleh jika X1 yang dikontrol. Dalam hal
ini diregresikan terlebih dulu Y terhadap X1 dan kemudian hitung residual Y –
. Selanjutnya regresikan X2 terhadap X1, hitung kembali residual X2 – dan kemudian
ganti serta dengan persamaan yang diperoleh.
Dari persamaan (3.1.) terlihat bahwa jika hanya X2 yang berada dalam model maka koefisien
adalah 0,166, sedangkan bila X1 dan X2 keduanya berada dalam model maka koefisien menjadi
0,137 (lihat persamaan 3.4).
=13.8 – 0.0819 x1
Sehingga koefisiennya adalah -0,0819, sedangkan bila kedua variabel berada dalam model maka
koefisien X1 menjadi -0,0799 (persamaan 3.4). Besarnya koefisien regresi terlihat dipengaruhi
oleh variabel yang dalam model. Selain itu juga dipengaruhi oleh skala yang digunakan. Seorang
yang menggunakan skala Celcius dan orang yang lain menggunakan Fahrenheit, untuk masalah
yang sama akan mendapat koefisien regresi yang berlainan.
Berikut ini diberikan tabel anova jika salah satu variabel independen masuk terlebih dulu.
Sumber Df SS MS F
Regresi 2 38,315 19,157 26,19
– karena 1 34,434 34,434 47,041
– karena 1 3,881 3,881 5,302
Residual 21 15,363 0,732
Total 23 53,678
Pada tabel di atas dapat dihitung berapa kontribusi kedua variabel independen terhadap
model secara sekuensial dengan melihat nilai R2 sebagai berikut :
Dari nilai-nilai tersebut dapat dijelaskan bahwa jika X1 saja berada dalam model maka
akan memberikan kontribusi sebesar 64,15%, sedangkan jika X2 sudah masuk dalam model
maka kontribusi X1 turun menjadi 60,17%. Begitu juga jika hanya X2 saja berada dalam model
maka akan memberikan kontribusi sebesar 10,605%. Kontribusi ini akan turun menjadi 7,23%
jika X1 telah berada dalam model.