Nama : Annas Tasya Utami

Bp : 1910536044
Tugas : Statistik Multivariat tentang Regresi Linier Berganda

Data Ekspor Pakaian Jadi ke Amerika Serikat

Kurs Tengan BI Dolar Amerika Ekspor
Tahu Harga (Ribu
Berat Bersih
n US$)
(Dalam Rupiah) (Ton)
2001 10400 153782 1943387,7
2002 8940 131590,3 1787856,5
2003 8465 129050,4 1918348,6
2004 9290 138082,3 2218365,3
2005 9830 176157,4 2761689,2
2006 9020 213743,2 3419024,2
2007 9419 223923,3 3526943,8
2008 10950 229265,4 3576817,2
2009 9400 220391,9 3330977
2010 8991 261045,8 3935568,3
Sumber: Website Badan Pusat Statistik
Keterangan:
Y (dependen) = Ekspor
X1 (independen) = Harga
X2 (independen) = Kurs
= 0,05

Hasil SPSS Regresi Linier Barganda

Descriptive Statistics

Mean Std. Deviation N

Y 187703,2000 47726,16021 10
X1 2841897,7800 812696,18756 10
X2 9470,5000 741,44487 10

Pada tabel descriptive statistics ini menunjukkan informasi umum mengenai data yang
akan di olah seperti nilai rata-rata, standar deviasi dan jumlah dari data variabel Y, X1 dan
X2.
 Correlations

Y X1 X2

Y 1,000 ,980 ,227

Pearson Correlation X1 ,980 1,000 ,179

X2 ,227 ,179 1,000

Y . ,000 ,264
Sig. (1-tailed) X1 ,000 . ,311
X2 ,264 ,311 .
Y 10 10 10

N X1 10 10 10

X2 10 10 10

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 X2, X1b . Enter

a. Dependent Variable: Y
b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Std. Error of the Change Statistics

Square Estimate R Square F Change
Change
a
1 ,982 ,964 ,954 10264,24130 ,964 93,791

Model Summaryb

Model Change Statistics Durbin-Watson

df1 df2 Sig. F Change

a
1 2 7 ,000 ,646

a. Predictors: (Constant), X2, X1

b. Dependent Variable: Y

Interpertasi:
Koefisien Determinasi
96,4% dari variabilitas dalam Y dapat dijelaskan oleh hubungan linier antara ukuran jumlah
Y, X1 dan X2.
Koefisien Korelasi
Hubungan linear positif yang sangat kuat (0,982 atau 9,82) terjadi antara Y, X1 dan X2.
Peningkatan X1 dan X2 terkait dengan peningkatan Y (Lininer positif sangat kuat).
Durbin-Watson
Tabel Durbin-Watson menunjukkan bahwa nilai dL= 0,697 dan nilai dU=1,641.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

19762594766,4 9881297383,24 ,000b

Regression 2 93,791
99 9

1 Residual 737482546,941 7 105354649,563

20500077313,4
Total 9
40

a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1

Uji F
Diketahui = 0,05
Pendekatan nilai prob:
Tolak H0 jika nilai probabilitas ≤
Karena 0,000 < 0,05
Maka tolak Ho, dengan demikian terdapat hubungan yang signifikan antara Y, X1 dan X2.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -7181,340 44024,895 -,163 ,875

1 X1 ,057 ,004 ,971 13,323 ,000

X2 3,471 4,690 ,054 ,740 ,483

Persamaan regresi estimasi
b0 + b1x1 + b2x2

b0 + b1x1 + b2x2

= -7181,340 + 0,057x1 + 3,471x2

Statistik Uji t
Diketahui = 0,05
Untuk b1
Tolak H0 jika nilai probabilitas (p-value) ≤
Karena 0,000 < 0,05
Maka tolak H0
Dengan demikian terdapat hubungan yang signifikan antara Y dan X1
Untuk b2
Tolak H0 jika nilai probabilitas (p-value) ≤
Karena 0,483 > 0,05
Maka terima H0
Dengan demikian tidak terdapat hubungan yang signifikan antara Y dan X2

Coefficientsa

Model Correlations Collinearity Statistics

Zero-order Partial Part Tolerance VIF

1 (Constant)

X1 ,980 ,981 ,955 ,968 1,033

X2 ,227 ,269 ,053 ,968 1,033

a. Dependent Variable: Y

Nilai VIF untuk variabel X1 dan X2 sama-sama 1,033, sedangkan Tolerancenya

0,968. Karena nilai VIF dari kedua variabel tidak ada yang lebih besar dari 10 atau 5 maka
dapat dikatakan tidak terjadi multikolinieritas pada kedua variabel bebas tersebut.

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index Variance Proportions

(Constant) X1 X2

1 2,952 1,000 ,00 ,01 ,00

1 2 ,045 8,101 ,02 ,99 ,02

3 ,003 32,816 ,98 ,00 ,98

a. Dependent Variable: Y

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 125771,6875 248388,5156 187703,2000 46859,83208 10

Std. Predicted Value -1,322 1,295 ,000 1,000 10
Standard Error of Predicted
3701,759 7795,624 5452,241 1445,093 10
Value
Adjusted Predicted Value 123111,4453 242191,8594 186760,2204 48355,79465 10
Residual -13447,20313 14076,29883 ,00000 9052,20996 10
Std. Residual -1,310 1,371 ,000 ,882 10
Stud. Residual -1,435 1,897 ,040 1,097 10
Deleted Residual -16137,34473 26943,59180 942,97964 14326,57834 10
Stud. Deleted Residual -1,582 2,520 ,117 1,271 10
Mahal. Distance ,271 4,291 1,800 1,397 10
Cook's Distance ,006 1,097 ,226 ,350 10
Centered Leverage Value ,030 ,477 ,200 ,155 10

a. Dependent Variable: Y

Charts
 Sebaran titik-titik dari gambar Normal P-P Plot di atas relatif mendekati garis lurus,
sehingga dapat disimpulkan bahwa (data) residual terdistribusi normal.
 Dari scatterplot dapat dilihat bahwa adanya linear positif sangat kuat. Titik pada
bagian I dan III. Jika x meningkat maka y juga akan ikut meningkat.