NPM : 208102001
̂ = 𝒂 + 𝒃𝑿 + 𝒄𝑿𝟐
Mencari Koefisien Persamaan Regresi 𝒀
∑ 𝑌 = 𝑛𝑎 + 𝑏 ∑ 𝑋 + 𝑐 ∑ 𝑋 2
∑ 𝑋𝑌 = 𝑎 ∑ 𝑋 + 𝑏 ∑ 𝑋 2 + 𝑐 ∑ 𝑋 3
∑ 𝑋2 𝑌 = 𝑎 ∑ 𝑋2 + 𝑏 ∑ 𝑋3 + 𝑐 ∑ 𝑋4
(∑ 𝑋 )2 (60)2
∑ 𝑥 2 = ∑ 𝑋2 − == 406 − = 46
𝑛 10
(∑ 𝑌)2 (167)2
∑ 𝑦 2 = ∑ 𝑌2 − = 3033 − = 244.1
𝑛 10
∑𝑋 ∙ ∑𝑌 60 ∙ 167
∑ 𝑥𝑦 = ∑ 𝑋𝑌 − = 1092 − = 90
𝑛 10
∑ 𝑥𝑦
𝑟=
√∑ 𝑥 2 ∙ ∑ 𝑦 2
90
𝑟= = 0.85
√46(244.1)
2
2
∑(𝑌 − 𝑌̅ )2 − ∑(𝑌 − 𝑌̂)
𝑅 =
∑(𝑌 − 𝑌̅ )2
244.10 − 44.61
𝑅2 = = 0.82
244.10
Koefisien determinasi (𝑅2 ) sebesar 0.82 artinya dengan model regresi kuadratik,
variable X bisa menjelaskan 82% dari variable Y.
Jumlah Rataan
Model Df F
Kuadrat Kuadrat
Regresi 199.40 2 99.7
15.65
Residual 44.61 7 6.37
Total 244.100 9
̂ = 𝒂 + 𝒃𝑿 + 𝒄𝑿𝟐
Mencari Koefisien Persamaan Regresi 𝒀
∑ 𝑌 = 𝑛𝑎 + 𝑏 ∑ 𝑋 + 𝑐 ∑ 𝑋 2
∑ 𝑋𝑌 = 𝑎 ∑ 𝑋 + 𝑏 ∑ 𝑋 2 + 𝑐 ∑ 𝑋 3
∑ 𝑋2 𝑌 = 𝑎 ∑ 𝑋2 + 𝑏 ∑ 𝑋3 + 𝑐 ∑ 𝑋4
(∑ 𝑋 )2 402
∑ 𝑥 2 = ∑ 𝑋2 − = 182 − = 22
𝑛 10
(∑ 𝑌)2 1702
∑ 𝑦 2 = ∑ 𝑌2 − = 3132 − = 242
𝑛 10
∑𝑋 ∙ ∑𝑌 40 ∙ 170
∑ 𝑥𝑦 = ∑ 𝑋𝑌 − = 732 − = 52
𝑛 10
∑ 𝑥𝑦
𝑟=
√∑ 𝑥 2 ∙ ∑ 𝑦 2
52
𝑟= = 0.71
√22 ∙ 242
2
2
∑(𝑌 − 𝑌̅ )2 − ∑(𝑌 − 𝑌̂)
𝑅 =
∑(𝑌 − 𝑌̅ )2
242.00 − 109.20
𝑅2 = = 0.55
242.00
Koefisien determinasi (𝑅2 ) sebesar 0.55 artinya dengan model regresi kuadratik,
variable X bisa menjelaskan 55% dari variable Y.
Jumlah Rataan
Model Df F
Kuadrat Kuadrat
Regresi 132.80 2 66.40
4.27
Residual 109.20 7 15.6
Total 242.00 9
Hitung koefisien korelasi rank spearman beserta signifikansinya, dari data yang ada nilai
kembarnya, sebagai berikut :
Uji Signifikansi
(1) Menggunakan Tabel P
Dengan 𝛼 = 5% dan 𝑁 = 12 dari table P diperoleh 𝑟𝑠 𝑡𝑎𝑏𝑒𝑙 = 0.506 .
Jika |𝑟𝑠 | ≥ 𝑟𝑠 𝑡𝑎𝑏𝑙𝑒 maka 𝐻0 ditolak, artinya ada korelasi antara X dan Y
Jika |𝑟𝑠 | < 𝑟𝑠 𝑡𝑎𝑏𝑙𝑒 maka 𝐻0 diterima, artinya tidak ada korelasi antara X dan Y
Karena |𝑟𝑠 | = 0.90 ≥ 𝑟𝑠 = 0.506 maka 𝐻0 ditolak, artinya ada korelasi antara X dan Y