BAB I
PENDAHULUAN
BAB II
TINJAUAN PUSTAKA
Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa
sebagai contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa
di kelas, maka nilai yang diperolehnya cenderung semakin rendah. Hubungan ini
disebut korelasi negatif karena kedua variabel mengalami perubahan ke arah yang
berlawanan, yakni dengan meningkatnya tingkat ketidak hadiran, maka nilai siswa
justru menurun.
Variable data−x́
Rumus Zi =
S
Rumus Ft(Xi) = cari nilai Zi ditabel Z
data variable
Rumus Fs(Xi) =
n
Rumus Fs (Xi) - Ft (Xi) = Fs (Xi) - Ft (Xi)
Y = a + b 1 X 1 + b2 X 2
Dimana :
Y = Variabel terikat
X1 dan X2 = Variabel bebas
a, b1 dan b2 = Konstanta
Rumus :
a=
∑ Y −( b 1 ×∑ X 1 )−(b 2 ×∑ X 2)
n
Maka, dari proses diatas akan diperoleh hasil persamaan regresi linier bergana
adalah Y = a + b1X1 + b2X2.
5. Selanjutnya klik pada statistics, lalu centang pada Durbin-watson lalu klik
continue seperti gambar berikut.
7. Lalu klik Ok, akan mendapatkan hasil perhitungan softwere seperti gambar
brikut.
Regression
Notes
Output Created 30-DEC-2019 21:08:33
Comments
Input Data D:\MRA\LAPORAN
STATISTIK\laporan regresi
Fadil.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
20
Data File
Missing Value Definition of Missing User-defined missing values are
Handling treated as missing.
Cases Used Statistics are based on cases with
no missing values for any
variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS
R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_pesanan_y
/METHOD=ENTER
Biaya_Distribusi_x1
Nilai_penjualan_x2
/RESIDUALS DURBIN
/SAVE PRED RESID
SDRESID.
Resources Processor Time 00:00:00,02
Elapsed Time 00:00:00,06
Memory Required 2912 bytes
Additional Memory
Required for Residual 0 bytes
Plots
Variables Created or PRE_1 Unstandardized Predicted Value
Modified RES_1 Unstandardized Residual
SDR_1 Studentized Deleted Residual
[DataSet1] D:\MRA\LAPORAN STATISTIK\laporan regresi riko.sav
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 X2 nilai
penjualan
(jutaan
rupiah), X1
. Enter
biaya
distribusi
(jutaan
rupiah)b
Model Summaryb
Model Summaryb
ANOVAa
Total 9536627.750 19
Coefficientsa
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Residuals Statisticsa
n (∑ XY )−( ∑ X )(∑Y )
rxy = 2
√( n ∑ X −( ∑ X ) )(n ∑ Y (∑ ❑) )
2 2 2
keterangan:
rxy = Koefisien korelasi antara x dengan y
n = Jumlah sampel
∑XY = Jumlah total data XY
∑X = Jumlah total data variabel X
∑Y = Jumlah total data variabel Y
2. Klik Data View, kemudian input seluruh data variabel “X” dan “Y” pada studi
kasus di bawah.
5. Selanjutnya abaikan tombol – tombol yang lain dengan mengklik Ok, maka
akan diperoleh output berikut ini.
Correlations
Correlations
Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n
Biaya_Distribusi Pearson Correlation 1 .731** .687**
N 20 20 20
**
Nilai_Penjualan Pearson Correlation .731 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
** **
Jumlah_pesanan Pearson Correlation .687 .711 1
N 20 20 20
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS
R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_pesanan_y
/METHOD=ENTER
Biaya_Distribusi_x1
Nilai_penjualan_x2
/RESIDUALS DURBIN
/SAVE PRED RESID
SDRESID.
Resources Processor Time 00:00:00,02
Elapsed Time 00:00:00,06
Memory Required 2912 bytes
Additional Memory
Required for Residual 0 bytes
Plots
Variables Created or PRE_1 Unstandardized Predicted Value
Modified RES_1 Unstandardized Residual
SDR_1 Studentized Deleted Residual
[DataSet1] D:\MRA\LAPORAN STATISTIK\laporan regresi riko.sav
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 X2 nilai
penjualan
(jutaan
rupiah), X1
. Enter
biaya
distribusi
(jutaan
rupiah)b
Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 ,776a ,602 ,556 423,696 1,881
a. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
b. Dependent Variable: Y jumlah pesanan (unit)
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4622030,416 2 2311015,208 12,873 ,000b
Residual 3051807,334 17 179518,078
Total 7673837,750 19
a. Dependent Variable: Y jumlah pesanan (unit)
b. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t
Model Sig.
1 (Constant) ,151
X1 biaya distribusi (jutaan rupiah) ,057
X2 nilai penjualan (jutaan rupiah) ,154
a. Dependent Variable: Y jumlah pesanan (unit)
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3494,27 5391,14 4435,25 493,219 20
Std. Predicted Value -1,908 1,938 ,000 1,000 20
Standard Error of
97,233 290,872 154,755 55,994 20
Predicted Value
Adjusted Predicted
3254,77 5418,21 4403,44 546,145 20
Value
Residual -701,603 774,142 ,000 400,776 20
Std. Residual -1,656 1,827 ,000 ,946 20
Stud. Residual -1,885 2,513 ,031 1,102 20
Deleted Residual -909,331 1464,231 31,808 555,276 20
Stud. Deleted
-2,056 3,075 ,053 1,206 20
Residual
Mahal. Distance ,051 8,005 1,900 2,115 20
Cook's Distance ,000 1,876 ,161 ,421 20
Centered Leverage
,003 ,421 ,100 ,111 20
Value
a. Dependent Variable: Y jumlah pesanan (unit)
Correlations
Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n
N 20 20 20
**
Nilai_Penjualan Pearson Correlation .731 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
Jumlah_pesanan Pearson Correlation .687** .711** 1
N 20 20 20
BAB IV
ANALISIS
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4622030,416 2 2311015,208 12,873 ,000b
Residual 3051807,334 17 179518,078
Total 7673837,750 19
a. Dependent Variable: Y jumlah pesanan (unit)
b. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t
1 (Constant) 1024,110 680,452 1,505
X1 biaya distribusi (jutaan
28,127 13,800 ,477 2,038
rupiah)
X2 nilai penjualan (jutaan
3,174 2,128 ,349 1,491
rupiah)
Coefficientsa
Model Sig.
1 (Constant) ,151
X1 biaya distribusi (jutaan rupiah) ,057
X2 nilai penjualan (jutaan rupiah) ,154
a. Dependent Variable: Y jumlah pesanan (unit)
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3494,27 5391,14 4435,25 493,219 20
Std. Predicted Value -1,908 1,938 ,000 1,000 20
Standard Error of
97,233 290,872 154,755 55,994 20
Predicted Value
Adjusted Predicted
3254,77 5418,21 4403,44 546,145 20
Value
Residual -701,603 774,142 ,000 400,776 20
Std. Residual -1,656 1,827 ,000 ,946 20
Stud. Residual -1,885 2,513 ,031 1,102 20
Deleted Residual -909,331 1464,231 31,808 555,276 20
Stud. Deleted
-2,056 3,075 ,053 1,206 20
Residual
Mahal. Distance ,051 8,005 1,900 2,115 20
Cook's Distance ,000 1,876 ,161 ,421 20
Centered Leverage
,003 ,421 ,100 ,111 20
Value
a. Dependent Variable: Y jumlah pesanan (unit)
Correlations
Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n
N 20 20 20
Nilai_Penjualan Pearson Correlation .731** 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
Jumlah_pesanan Pearson Correlation .687** .711** 1
N 20 20 20
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil perhitungan dapat ditarik kesimpulan sebagai berikut.
1. Variabel X1 yaitu Tampak bawah D = 0,1131 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
2. Variabel X2 yaitu Tampak bawah D = 0,0922 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
3. Variabel Y yaitu Tampak bawah D = 0,0871 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
4. Karena t hitung sebesar 4,67 berada di daerah penolakan hipptensis Ho di
sebelah kanan, maka t hitung Ho terima H1. Dengan demikian dapat
disimpulkan bahwa terhadap hubungan positif antara variabel bebas (X1)
dengan variabel terikat (Y).
5. Karena t hitung sebesar 4,28 berada di daerah penolakan hipptensis Ho di
sebelah kanan, maka t hitung Ho terima H1. Dengan demikian dapat
5.2 Saran
Adapun beberapa saran yang dapat diberikan dari hasil praktikum statistik
antara lain:
1. Hasil perhitungan ini diharapkan dapat menjadi pembelajaran bagi pembaca
dan terutama bagi penulis.
2. Hendaknya dalam penginputan data harus lebih teliti agar hasil perhitungan
benar.