ANALISIS STATISTIK
OLEH:
MOH. SURIYAIDULMAN RIANSE
NPM 212180013
a. Pendahuluan
Regresi Linear Berganda adalah model regresi linear dengan melibatkan lebih
dari satu variable bebas atau predictor. Dalam bahasa inggris, istilah ini disebut
dengan multiple linear regression. Pada dasarnya regresi linear berganda adalah
model prediksi atau peramalan dengan menggunakan data berskala interval atau
rasio serta terdapat lebih dari satu predictor. Skala data yang dimaksud diatas adalah
pada semua variabel terutama variable terikat. Pada regresi linear, tidak menutup
kemungkinan digunakannya data dummy pada variable bebas. Yaitu pada regresi
linear dengan dummy.
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
untuk menghitung b0, b1, b2 … bk dan seterusnya kita menggunakan Metode
Kuadrat Terkecil (Least Square Method) yang menghasilkan persamaan model
sebagai berikut
b. Analisis
a. Data
Data yang dianalisis merupakan hasil pengujian cepat rambat gelombang pada
batuan atau Uji Ultrasonic. Pengujian dilakukan pada jenis litologi berupa napal.
Nilai yang dicari adalah kecepatan rambat gelombang primer Vp (meter/detik)
dengan variabel yang berpengaruh berupa kecepatan rambat gelombang sekunder
Vs (meter/detik), Modulus Elastisitas E (kg/cm) dan koefisien geser batuan µ.
Vs Vp
Kode E (kg/cm) µ
No (m/det) (m/det)
Percontoh
X1 X2 X3 Y
1 UCG-NS1 4689.97 1107627.93 0.23 7920.16
2 UCG-NS2 402.57 8384.37 0.39 948
3 UCG-NS3 1480.23 157611.45 0.43 4196.7
4 UCG-NS4 1147.5 79592.81 0.34 2324.05
5 UCG-NS5 1037.07 64837.11 0.33 2062.29
6 UCG-NS6 1801.69 171611.02 0.4 4546.55
7 UCG-NS7 2506.25 421576.65 0.44 7518.75
8 UCG-NS8 1393.2 134696.57 0.39 3285.85
9 UCG-NS9 2855.02 550494.05 0.44 8722.22
10 UCG-NS0 3563.82 730288.49 0.32 6926.83
11 GT - 8C 525.11 15840.77 0.36 1123.15
12 GT - 8D-1 351.85 6766.28 0.4 861.85
13 GT - 8AG 459.95 11723.01 0.4 1135.09
14 GT - 8H 674.4 26426.16 0.42 1827.42
15 GT - 8O 770.27 34458.82 0.36 1628.57
16 GT - 8Q 389.67 8819.17 0.42 1062.73
17 GT - 8T 376.67 8505.95 0.42 1014.97
18 GT - 9C 709.8 27096.24 0.37 1548.39
19 GT - 9H 754.14 31879.83 0.28 1366.15
20 GT - 9K 458.92 11955.1 0.43 1327.87
21 GT - 9U 652.17 29242.23 0.45 2119.78
22 GT - 9W-1 510.2 14314.5 0.37 1123.15
23 GT - 9Y 720 29555.85 0.32 1389.71
24 GT - 9L 411.66 10025.63 0.39 977.36
25 GT - 9AB 670.77 27206.32 0.43 1948.85
b. Analisis Regresi Linier Berganda
Analisis dilakukan menggunakan 2 metode, yaitu analisis menggunakan
software (Microsoft Excel) dan analisis dengan perhitungan manual.
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.9842
R Square 0.96865
Adjusted R Square 0.96417
Standard Error 461.958
Observations 25
ANOVA
Significance
df SS MS F F
Regression 3 138456928.7 46152309.6 216.266 6.06274E-16
Residual 21 4481510.404 213405.257
Total 24 142938439.1
Standard
Coefficients t Stat P-value
Error
Intercept -5593.8 783.9638566 -7.1352844 4.89811E-07
X Variable 1 3.45935 0.451094104 7.66878854 1.61112E-07
X Variable 2 -0.0048 0.00186849 -2.569231 0.01787879
X Variable 3 13138.4 1927.94117 6.8147259 9.73021E-07
2 2 ∑(𝑋1 )2
∑𝑋1 = ∑𝑋1 −
𝑛
(29312.9)2
∑𝑋1 2 = 64121090.9 −
25
∑𝑋1 2 = 29751246.6
(𝑋2 )2
∑𝑋2 2 = 𝑋2 2 −
𝑛
(3720536.31)2
∑𝑋2 2 = 2331113257231.02 −
12
∑𝑋2 2 =1777417639869.89
(𝑋3 )2
∑𝑋3 2 = 𝑋3 2 −
𝑛
(9.530)2
∑𝑋3 2 =3.704−
25
∑𝑋3 2 =0.071
(𝑌)2
∑𝑌 2 = 𝑌 2 −
𝑛
(68906.44)2
∑𝑌 2 = 332862338.034 −
25
∑𝑌 2 = 142938439.095
(𝑋1 )(𝑌)
∑𝑋1 𝑌 = 𝑋1 𝑌 −
𝑛
(29312.9)(68906.44)
∑𝑋1 𝑌 = 141848620.117 −
25
∑𝑋1 𝑌 = 61054716.714
(𝑋2 )(𝑌)
∑𝑋2 𝑌 = 𝑋2 𝑌 −
𝑛
(3720536.31)(68906.44)
∑𝑋2 𝑌 = 24456038945.653 −
25
∑𝑋2 𝑌 = 14201282465.140
(𝑋3 )(𝑌)
∑𝑋3 𝑌 = 𝑋3 𝑌 −
𝑛
(9.530)(68906.44)
∑𝑋3 𝑌 = 25918.69 −
25
∑𝑋3 𝑌 = -348.445
(𝑋1 )(𝑋2 )
∑𝑋1 𝑋2 = 𝑋1 𝑋2 −
𝑛
(29312.9)(3720536.31)
∑𝑋1 𝑋2 = 11503593144.882 −
25
∑𝑋1 𝑋2 =7141204792.826
(𝑋1 )(𝑋3 )
∑𝑋1 𝑋3 = 𝑋1 𝑋3 −
𝑛
(29312.9)(9.530)
∑𝑋1 𝑋3 = 10596.9 −
25
∑𝑋1 𝑋3 =-577.177
(𝑋2 )(𝑋3 )
∑𝑋2 𝑋3 = 𝑋2 𝑋3 −
𝑛
(3720536.31)(9.530)
∑𝑋2 𝑋3 = 1268328.263 −
25
∑𝑋2 𝑋3 =-149940.179
Jika persamaan (1) dibagi dengan (-577.17748); persamaan (2) dibagi dengan
(−149940.1789); dan persamaan (3) dibagi dengan 0.070664, maka diperoleh:
Jika persamaan (4) dikurangi persamaan (5); dan persamaan (5) dikurangi persamaan
(6), maka di peroleh:
Jika persamaan (7) dibagi dengan (-518453.9376); dan persamaan (8) dibagi dengan
(−9732303.413), maka diperoleh:
c. Hasil
Perhitungan melalui software Microsoft Excel maupun melalui perhitungan manual
menghasilkan nilai R yang sama, yaitu sebesar 0.96865.