BAB 8
REGRESI GANDA
Soal Halaman : 215
3. Mungkinkah analisis regresi akan memberikan jawaban yang lengkap tentang kontribusi
masing - masing variabel bebas terhadap variabel terikatnya?Jelaskan?
Jawab :
➢ Mungkin. Pada analisis regresi linier sederhana dapat diketahui kontribusi variabel
bebas terhadap variabel terikatnya dengan cara menghitung koefisien korelasinya,
dimana koefisien korelasi merupakan kuadrat korelasi antara Y dan X. Sedangkan
untuk regresi ganda, koefisien korelasi merupakan kontribusi bersama dari seluruh
variabel bebas terhadap variabel terikatnya
1 90 70 115 85 8.100 4.900 13.225 7.650 5.950 9.775 6.300 10.350 8.050
2 75 80 110 85 5.625 6.400 12.100 6.375 6.800 9.350 6.000 8.250 8.800
3 80 90 115 90 6.400 8.100 13.225 7.200 8.100 10.350 7.200 9.200 10.350
4 85 80 110 85 7.225 6.400 12.100 7.225 6.800 9.350 6.800 9.350 8.800
5 95 75 95 70 9.025 5.625 9.025 6.650 5.250 6.650 7.125 9.025 7.125
6 90 90 110 80 8.100 8.100 12.100 7.200 7.200 8.800 8.100 9.900 9.900
7 75 90 120 95 5.625 8.100 14.400 7.125 8.550 11.400 6.750 9.000 10.800
8 85 80 100 80 7.225 6.400 10.000 6.800 6.400 8.000 6.800 8.500 8.000
9 60 75 95 75 3.600 5.625 9.025 4.500 5.625 7.125 4.500 5.700 7.125
10 75 95 120 95 5.625 9.025 14.400 7.125 9.025 11.400 7.125 9.000 11.400
11 60 60 90 70 3.600 3.600 8.100 4.200 4.200 6.300 3.600 5.400 5.400
12 75 65 90 70 5.625 4.225 8.100 5.250 4.550 6.300 4.875 6.750 5.850
13 60 75 105 80 3.600 5.625 11.025 4.800 6.000 8.400 4.500 6.300 7.875
14 80 85 115 90 6.400 7.225 13.225 7.200 7.650 10.350 6.800 9.200 9.775
∑ 1.085 1.110 1.490 1.150 85.775 89.350 160.050 89.300 92.100 123.550 86.475 115.925 119.250
Diketahui :
∑X1 = 1.085 ∑X22 = 89.350 ∑ X1.X2 = 86.475
∑X2 = 1.110 ∑X32 = 160.050 ∑X1.X3 = 115.925
∑X3 = 1.490 ∑ X1Y = 89.300 ∑X2.X3 = 119.250
∑Y = 1.150 ∑X2Y = 92.100
∑X12 = 85.770 ∑X3Y = 123.550
➢ Mengambil persamaan 6 dan 7, untuk menghilangkan b1, maka menyamakan faktor b1,
di dapat :
➢ Mengambil persamaan 8 dan 9, untuk menghilangkan b2, maka menyamakan faktor b2.
Persamaan 9 dikalikan dengan -20,06 dan persamaan 8 tetap, di dapat :
➢ Hasil SPSS :
Descriptive Statistics
Mean Std. Deviation N
Y 82,14 8,708 14
X1 77,50 11,393 14
X2 79,29 10,163 14
X3 106,43 10,639 14
Correlations
Y X1 X2 X3
Pearson Correlation Y 1,000 ,136 ,801 ,961
X1 ,136 1,000 ,299 ,286
X2 ,801 ,299 1,000 ,793
X3 ,961 ,286 ,793 1,000
Sig. (1-tailed) Y . ,322 ,000 ,000
X1 ,322 . ,150 ,161
X2 ,000 ,150 . ,000
X3 ,000 ,161 ,000 .
N Y 14 14 14 14
X1 14 14 14 14
X2 14 14 14 14
X3 14 14 14 14
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 ,975a ,951 ,936 2,198 2,185
a. Predictors: (Constant), X3, X1, X2
b. Dependent Variable: Y
Coefficientsa
Standardized
Unstandardized Coefficients Collinearity Statistics
Model Coefficients t Sig.
B Std. Error Beta Tolerance VIF
1 (Constant) 4,161 6,634 ,627 ,545
X1 -,124 ,056 -,162 -2,199 ,053 ,904 1,106
X2 ,118 ,099 ,137 1,186 ,263 ,366 2,733
X3 ,735 ,094 ,898 7,796 ,000 ,369 2,710
a. Dependent Variable: Y
Collinearity Diagnosticsa
Variance Proportions
Model Dimension Eigenvalue Condition Index (Constant) X1 X2 X3
1 1 3,976 1,000 ,00 ,00 ,00 ,00
2 ,014 16,623 ,00 ,86 ,07 ,03
3 ,007 23,469 ,73 ,14 ,21 ,00
4 ,002 42,400 ,27 ,00 ,72 ,97
a. Dependent Variable: Y