Regression Statistics
Multiple R 0,995486074
R Square 0,9910
Adjusted R Square 0,9838
Standard Error 25,6528
Observations 10
ANOVA
df SS MS F Significance F
Regression 4 361999,6592 90499,9148 137,5236 0,00002678
Residual 5 3290,3408 658,0682
Total 9 365290,0000
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept -15305,1583 2237,3613 -6,8407 0,0010 -21056,4785 -9553,8380 -21056,4785 -9553,8380
Pb (Kg) 0,5999 0,1913 3,1364 0,0258 0,1082 1,0915 0,1082 1,0915
Pj (Kg) 0,5874 0,1508 3,8957 0,0115 0,1998 0,9750 0,1998 0,9750
I -0,0008 0,0003 -2,5192 0,0532 -0,0016 0,0000 -0,0016 0,0000
JP 0,0097 0,0005 17,8303 0,0000 0,0083 0,0111 0,0083 0,0111
Persamaan regresi:
Qb = -15305,15826+0,5999Pb+0,5874Pj-0,0008I+0,0097JP
Interpretasi:
Ketika Pb,Pj,I, dan JP = 0, maka Qb = -15305,1582
Ketika Pb naik 1 satuan, maka Qb akan meningkat sebesar 0,5999
Ketika Pj naik 1 satuan, maka Qb akan meningkat sebesar 0,5874
Ketika I naik 1 satuan, maka Qb akan menurun sebesar 0,0008
Ketika JP naik 1 satuan, maka Qb akan meningkat sebesar 0,0097
B. Pengujian Asumsi Klasik
Nilai Koefisien determinasi adalah 0,9910 atau 99,10%. Yang artinya bahwa variabel
Pb,Pj,I, dan JP menjelaskan variabel Qb sebesar 99,10% dan sisanya dipengaruhi oleh
variabel lain.
2. a.
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7510,000 97,468 77,051 ,000
Dummy 260,000 61,644 ,831 4,218 ,003
a. Dependent Variable: Qb
Data panel
Adalah data yang menggabungkan antara data runtun waktu (time series) dan data silang
(cross section). Karena itu data panel akan memiliki beberapa objek dan beberapa
periode waktu.
b. Apa yang dimaksud data yang STASIONER?
Data stasioner adalah data yang tidak mengalami kenaikan dan penurunan.
c. Apa akibatnya jika data yang di regres tidak stasioner, sementara dilihat dari Uji Klasik,
masing- masing lolos, karena tidak melanggar asumsi Klasik?
Tidak stasionernya data akan mengakibatkan kurang baiknya model yang diestimasi.
Selain itu apabila data yang digunakan dalam model ada yang tidak stasioner, maka data
tersebut dipertimbangkan kembali validitas dan kestabilannya.