SUMMARY OUTPUT

Regression Statistics
Multiple R 0.7621137132
R Square 0.5808173119
Adjusted R Square 0.5284194759
Standard Error 41.33032365
Observations 10

ANOVA
df SS MS F Significance F
Regression 1 18934.93 18934.93 11.08476 0.010394
Residual 8 13665.57 1708.196
Total 9 32600.5

CoefficientsStandard Error t Stat P-value Lower 95%Upper 95%Lower 95,0%

Upper 95,0%
Intercept 98.248329621 58.03348 1.69296 0.128919 -35.57711 232.0738 -35.57711 232.0738
Square Feet 0.1097677378 0.032969 3.329378 0.010394 0.03374 0.185795 0.03374 0.185795
Upper 95,0%
 Square Feet House Price in $1000s
450
1 1400 245
400
2 1600 312 UNTUK MENCARI a
350
3 1700 279 98.24833
300
4 1875 308 UNTUK MENCARI b (SLOPE)
250
5 1100 199 0.109768
200
6 1550 219 PERSAMAAN REGRESI YANG DIDAPAT 150
7 2350 405 HARGA = 98,24 + 0,109 LUAS 100
8 2450 324 50
9 1425 319 0
10 1700 255 1000 1200 1400 1600 1800 2000

REGRESI --> KAUSALITAS --> JIKA LUAS … MAKA HARGA ….

MODEL REGRESI --> Y = a + b X
SIMPLE LINIER REG / REGRESI SEDERHANA :
1. SIMPLE --> HANYA MENGGUNAKAN SATU VARIABEL INDEPENDENT
2. LINIER --> HUBUNGAN ANTARA X DAN Y LINIER

RUMUS UNTUK MENCARI NILAI a DAN b ADA DI CH.13

HARGA = 98,24 + 0,109 LUAS

INTERPRETASI :
98,24 --> JIKA LUAS TANAH = 0 MAKA HARGA SEBESAR 98,24 (?)
0,109 --> JIKA LUAS BERTAMBAH 1 SQUARE FEET MAKA HARGA RUMAH AKAN NAIK SEBESAR 0,109 $ (1000

SLOPE :
POSITIF --> HUBUNGAN ANTARA X DAN Y SEARAH
NEGATIF --> HUBUNGAN ANTARA X DAN Y BERBANDING TERBALIK

KORELASI (SAMPLE = r ; POPULASI = ρ ) RHO

KORELASI HUBUNGAN ANTAR VARIABEL TIDAK KAUSALITAS
DEF --> MENGUKUR KEERATAN HUBUNGAN LINIER DUA "VARIABEL NUMERIK" SECARA RELATIF
BESARNYA KORELASI -1 ≤ r ≤ 1
JIKA MENDEKATI -1 ATAU 1 MAKA HUBUNGAN X DAN Y KUAT
JIKA MENDEKATI 0 MAKA HUBUNGAN X DAN Y LEMAH

RUMUS KORELASI ADA DI CH. 3 (BAGIAN AKHIR)

SELAIN KORELASI --> COV(x,y)

KORELASI 0.762114 HUBUNGAN ANTARA LUAS DAN HARGA --> POSITIF DAN KUAT
COVARIANCE 19166.67 POSITIF ARTINYA JIKA LUAS NAIK MAKA HARGA NAIK

KOEFISIEN DETERMINASI (R2)

KD = r2 = SSR/SST (RUMUS INI BISA DILIHAT DI CH 13/14)
 KD 0.580817 0.419183

ARTINYA : VARIASI VARIABEL LUAS BISA MENJELASKAN/MENERANGKAN

VARIASI VARIABEL HARGA RUMAH SEBESAR 58,08% SISANYA SEBESAR 41,91%
DITENTUKAN OLEH VARIABEL LAIN YANG TIDAK DIMASUKAN KE DALAM MODEL

REGRESI --> UNTUK FORECASTING/PERAMALAN

MISAL JIKA ADA RUMAH DENGAN LUAS = 1500 SQUARE FEET, KIRA-KIRA BERAPA HARGANYA ?
HARGA = 98,24 + 0,109 . 1500
HARGA 262.8999 $262,900

Y = 6 + 2X
X Y
1 8
2 10
3 12
0 1400 1600 1800 2000 2200 2400 2600

NAIK SEBESAR 0,109 $ (1000$)

SECARA RELATIF

POSITIF DAN KUAT

A HARGANYA ?
Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
A 3 96 32 28
B 5 104 20.8 21.7
C 4 105 26.25 12.25

ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 239.36666667 2 119.6833 5.999165 0.022093 4.256495
Within Groups 179.55 9 19.95

Total 418.91666667 11

418.91666667 119.6833 5.999165

19.95
 MESIN
OPERA
A B C
TOR
1 30 20 28 78
2 28 18 30 76
3 38 25 22 85
4 26 25 51
5 15 15
MEAN 32 20.8 26.25 305
n 3 5 4 25.41667 GRAND MEAN
12
c
SSA   n j ( X j  X ) 2
j 1

SSA = 3 (32 - 25,4)2 + 5 (20,8- 25,4)2 + 4 ( 26,25 - 25,4)2 =

c nj

SST   ( X ij  X ) 2
j 1 i 1

SST =(30 - 25,4)2 + …+(25 - 25,4)2 =

c nj
SSW    ( X ij  X j ) 2
j 1 i 1

SSW = (30 - 32)^2 + (28 - 32)^2 + (38 - 32) ^2 + (20 - 20,8)^2 + (18- 20,8)^ 2 + ….( 25 - 26,25)^2 =
 Square Feet House Price in $1000s
1 1400 245
2 1600 312
450
3 1700 279
4 1875 308 400
5 1100 199
350
6 1550 219
7 2350 405 300
8 2450 324
250
9 1425 319
10 1700 255 200

150

Y = bo + b 1 X 100

98.2483296213808 50
PRICE
0.109767737830099 0
250
1000 1200 1400 1600 1800 2000 2200
Y = 98,24 + 0,109 X
200

KORELASI 0.762113713216258 150

COV (X,Y) 19166.6666666667

100
SQUARE PRICE
300 131.17865097041 50
400 142.15542475342
600 200 0
100 200 300 400 500 600 700 800 900
200 100
300 131.17865097041
500 100
900 197.03929366847

0.770252680561294
CE
600 1800 2000 2200 2400 2600

600 700 800 900 1000