Latihan Praktikum Analisis Data

Ru’yatul Hilal

G1D018072

1. Diketahui variabel prediktor X dan variabel respon Y dengan nilai-nilai

sebagai berikut:
X 1 1 1 2 3 3 4 5 5

Y 9 7 8 10 15 12 19 24 21

Tentukan model persamaan liniernya dan lakukan uji ketepatan model yang
dihasilkan dengan tingkat signifikan 5%.
Penyelesaian:
Untuk menentukan model persamaan linier dan melakukan uji ketepatan
model, dapat dilakukan dengan analisis regresi. Pada praktikum ini untuk
melakukan analisis regresi, akan dilakukan dengan bantuan SPSS. Berikut
langkah-langkah melakukan analisis regresi dengan menggunakan SPSS.
1) Pemasukan Data
Masukkan data yang akan di uji ke SPSS pada view data, kemudian
definisikan data pada variabel view.
2) Klik Analyze Regression Linear
3) Maka akan muncul kotak dialog Linear Regression, kemudian massukkan
variabel Y ke kotak Dependent, dan variabel X ke kotak Independent.

 Klik statistics, pada Regression Coefficients centang Estimates

dan Model fit, dan pada menu Residual centang Durbin-Watson,
kemudian klik Continue.
 Klik Plots, pada kotak Y masukkan *ZRESID dan pada kotak X
masukkan *ZPRED, kemudian pada menu Standardized residual
plots centang Histogram dan Normal probability plot, dan klik
Continue.

 Klik Save, kemudian untuk keseragaman dapat dipilih Unstandardized

dan Standardized Predicted Values, Unstandardized dan Standardized
Residuals, Cook’s Distances dan Leverage values, DfBeta(s) dan DfFit.
Kemudian klik Continue.
  Klik Options, untuk keseragaman pilih Include Constant in
equation, kemudian klik Continue.

4) Klik Ok.
Maka akan muncul output-output berikut.

a
Variables Entered/Removed
Model Variables Variables Method
Entered Removed
b
1 X . Enter

Interpretasi:
 Dari output di atas dapat diketahui bahwa variabel yang dimasukkan adalah
variabel nilai X sebagai prediktor dan metode yang dgunakan adalah metode
Enter. Tidak ada variabel yang dibuang sehingga pada kolom Variables
Removed tidak ada angkanya.

b
Model Summary
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
a
1 .949 .900 .886 2.089 2.449
Interpretasi:
Dari output tabel model summary di atas, dapat diketahui bahwa nilai R atau
koefisien korelasinya sebesar 0.949 yang artinya variabel X dan variabel Y
memiliki hubungan yang sangat kuat dan searah. Dan dari nilai R square atau
koefisien determinasinya sebesar 0.900 yang artinya model regresi yang
dihasilkan mampu menjelaskan keragaman variabel sebesar 90%, selanjutnya
dari nilai Adjusted R Square sebesar 0.886 yang berarti bahwa variabel
independen X terhadap variabel dependen Y berpengaruh sebesar 88.6% dan
sisanya sebesar 11.4% dipengaruhi oleh variabel lain di luar penelitian.
Kemudian dari nilai standar error estimasi yang sebesar 2.089 menunjukkan
ketepatan model regresi. Dan yang terakhir adalah nilai pada kolom Durbin-
Waston sebesar 2.449, nilai ini jika dibandingkan dengan nilai dU = 1.3199
dan (4-dU) = 2.6801 berada di tengah ( 1.3199 < 2.449 < 2.6801), ini berarti
bahwa tidak ada autokorelasi, dengan demikian maka analisis regresi dapat
dilakukan.

a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
Regression 274.348 1 274.348 62.880 .000
1 Residual 30.541 7 4.363
Total 304.889 8
Interpretasi:
Dengan tabel ANOVA di atas dapat dilakukan uji ketepatan model secara
simultan dengan menggunakan uji F. Dari tabel di atas dapat diketahui nilai
jumlah kuadrat (sum of square) dari regression (JKR) sebesar 274.348, nilai
JKG (jumlah kuadrat error) sebesar 30.541, dan nilai JKT (jumlah kuadrat
total) sebesar 304.889, untuk nilai derajat bebasnya masing-masing yaitu
derajat bebas regresinya 1, derajat bebas galatnya 7, dan derajat totalnya 8,
serta nulai kuadrat tengah dari masing-masing yaitu KTR = 274.348 dan KTG
= 4.363. Kemudian selanjutnya akan dilakukan uji F (uji hasil ketepatan
model secara simultan).
 Uji F berdasarkan nilai sig
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya model yang dihasilkan tepat.
 Uji F berdasarkan nilai F tabel dan F hitung
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika F hitung > F tabel
Terima H0 jika F hitung < F tabel
Nilai F tabel (1,7) = 5.59
Nilai F hitung = 62.880
  Kesimpulan: karena nilai F hitung = 62.880 > nilai F tabl = 5.59
maka H0 ditolak, yang artinya model yang dihasilkan tepat.

a
Coefficients
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 4.661 1.356 3.437 .011
1
X 3.194 .403 .949 7.930 .000
Interpretasi:
Dari output di atas dapat dilakukan uji hasil ketepatan model secara parsial
berdasarkan nilai t atau nilai sig. Berikut akan dilakukan uji hasil ketepatan
model.
 Uji t berdasarkan nilai sig
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya model yang dihasilkan tepat.
 Uji t berdasarkan nilai t tabel dan t hitung
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung > t tabel
Terima H0 jika t hitung < t tabel
 Nilai t tabel = 2.36462
Nilai t hitung = 7.930
 Kesimpulan: karena nilai t hitung = 7.930 > nilai t tabel = 2.36462
maka H0 ditolak, yang artinya model yang dihasilkan tepat.
Dari tabel diatas dapat diketahui model yang terbentuk yaitu:

a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 7.86 23.83 13.89 5.856 9
Std. Predicted Value -1.030 1.697 .000 1.000 9
Standard Error of Predicted .698 1.434 .959 .236 9
Value
Adjusted Predicted Value 7.49 26.34 14.02 6.265 9
Residual -2.826 3.368 .000 1.954 9
Std. Residual -1.353 1.612 .000 .935 9
Stud. Residual -1.861 1.896 -.023 1.123 9
Deleted Residual -5.344 4.657 -.128 2.866 9
Stud. Deleted Residual -2.423 2.517 -.023 1.376 9
Mahal. Distance .004 2.880 .889 .902 9
Cook's Distance .001 1.542 .279 .521 9
Centered Leverage Value .000 .360 .111 .113 9

Interpretasi:
Dari output Residual Statistic di atas dapat diketahui beberapa informasi yaitu,
nilai minimum, maksimum, mean dan standar deviasi dari,Predicted value
(nilai yang diprediksi), standar predicted value, standar error dari predicted
value, adjust predicted value, residual (sisa) , standar residual, stud.residual,
residual yang terhapus, stud. Residual yang terhapus, mahal. Distance, Cook’s
distance, dan nilai leverage terpusat.
Interpretasi:
Dari output histogram di atas, dapat dilihat bahwa pola kurva yang terbentuk
simetris, artinya residual dari data yang diuji berdistribusi normal.
Berdasarkan hal tersebut maka asumsi kenormalan terpenuhi.
Interpretasi :
Berdasarkan output P-P Plot di atas dapat dilihat bahwa garis terbentuk adalah
garis lurus yang membentuk sudut 45 , maka residual berdistribusi normal.
Jadi asumsi kenormalan terpenuhi.
Interpretasi:
Dari scatter plot di atas dapat dilihat bahwa plot-plot pada scatter plot tersebut
tidak berpola, artinya residual identic. Jadi asumsi homoskedastisitas
terpenuhi.
Kemudian untuk mengetahui residual independent atau tidak melalui plot
ACF, berikut langkah-langkahnya.
1) Klik Analyze Forecasting Autocorrelations
2) Maka akan muncul kotak dialog Autocorrelations, untuk keseragaman
gunakan Standardized Residual (masukkan ke kotak variabels), kemudian
pilih autocorrelations, dan klik Ok.

Maka akan muncul plot ACF berikut.

Interpretasi:
Dari plot ACF di atas dapat dilihat bahwa tidak ada batang data yang keluar
dari batas atas dan batas bawah. Ini artinya tidak ada korelasi pada residual,
maka dapat disimpulkan bahwa residual independent, sehingga asumsi
independensi residual terpenuhi.
Kesimpulan akhir
 Dari analisis regresi yang telah dilakukan didapatkan model sebagai
berikut

Dari model di atas dapat diketahui bahwa jika tidak ada nilai X, maka
nilai Y sebesar 4.661. Dan setiap penambahan1 nilai X, maka nilai Y
bertambah sebesar 3.194.
 Uji signifikansi
Uji signifikans dilakukan untuk mengetahui apakah ada pengaruh
nyata (signifikan) variabel X terhadap variabel Y.
 Hipotesis
H0 : tidak ada pengaruh nyata (signifikan) variabel X terhadap
variabel Y
H1 : ada pengaruh yang nyata (signifikan) variabel X terhadap
variabel Y.
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya ada pengaruh nyata variabel X terhadap variabel Y.
 Berdasarkan hasil uji ketepatan model yang telah dilakukan, baik
secara simultan maupun residual, dapat disimpulkan bahwa model
yang dihasilkan tepat.
  Nilai koefisien korelasinya sebesar 0.949 yang artinya variabel X dan
variabel Y memiliki hubungan yang sangat kuat dan searah.
 Nilai koefisien determinasinya sebesar 0.900 yang artinya model
regresi yang dihasilkan mampu menjelaskan keragaman variabel
sebesar 90%.
 Dari histogram dan P-P Plot yang dihasilkan, dapat disimpulkan
bahwa residual berdistribusi normal
 Berdasarkan scatter plot yang dihasilkan, dapat disimpulkan bahwa
asumsi homoskedastisitas terpenuhi.
 Berdasarkan plot ACF yang dihasilkan, dapat disimpulkan bahwa
residual independent, sehingga asumsi independensi residual
terpenuhi.

2. Sebuah surat kabar menerbitkan harga jual mobil tertentu yang telah
digunakan (Y) menurut umur penggunaannya (X). Harga jual diukur dalam
seribu dolar, dan umur penggunaan diukur dalam tahun.
X 1 2 2 3 3 4 6 7 8 10

Y 9.45 8.40 8.60 6.80 6.50 5.60 4.75 3.89 2.70 1.47

Tentukan model regresi linier sederhana dari harga jual mobil dan umur
penggunaanya, dan ujilah dengan tingkat signifikan 5% untuk mengetahui
apakah model yang didapatkan merupakan model yang tepat.
Penyelesaian:
Untuk menentukan model regresi linier sederhana dari harga mobil dan umur
penggunaannya dapat dilakukan dengan cara yang sama pada latihan nomor 1.
Maka akan dihasilkan output-output berikut.
a
Variables Entered/Removed
Model Variables Entered Variables Removed Method
 Umur Penggunaan . Enter
1 b
Mobil

Interpretasi :
Dari output di atas dapat diketahui bahwa variabel yang dimasukkan adalah
variabel Umur Penggunaan Mobil (X) sebagai prediktor dan metode yang
dgunakan adalah metode Enter. Tidak ada variabel yang dibuang sehingga
pada kolom Variables Removed tidak ada angkanya.
b
Model Summary
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
a
1 .984 .967 .963 .50476 1.068
Interpretasi :
Dari output tabel model summary di atas, dapat diketahui bahwa nilai R atau
koefisien korelasinya sebesar 0.984 yang artinya variabel Umur Penggunaan
Mobil (X) dan variabel Harga Mobil (Y) memiliki hubungan yang sangat kuat
dan searah. Dan dari nilai R square atau koefisien determinasinya sebesar
0.967 yang artinya model regresi yang dihasilkan mampu menjelaskan
keragaman variabel sebesar 96.7%, selanjutnya dari nilai Adjusted R Square
sebesar 0.963 yang berarti bahwa variabel independen Umur Penggunaan
Mobil (X) terhadap variabel dependen Harga Mobil (Y) berpengaruh sebesar
96.3% dan sisanya sebesar 3.7% dipengaruhi oleh variabel lain di luar
penelitian. Kemudian dari nilai standar error estimasi yang sebesar 0.50476
menunjukkan ketepatan model regresi. Dan yang terakhir adalah nilai pada
kolom Durbin-Waston sebesar 1.068, nilai ini jika dibandingkan dengan nilai
dU = 1.3197 dan dL = 0.8791 berada di tengah ( 1.3197 < 1.068 < 1.3197), ini
berarti bahwa tidak ada kesimpulan yang pasti tentang autokorelasinya.

a
ANOVA
Model Sum of df Mean Square F Sig.
Squares
b
1 Regression 60.521 1 60.521 237.536 .000
 Residual 2.038 8 .255
Total 62.559 9
Interpretasi:
Dengan tabel ANOVA di atas dapat dilakukan uji ketepatan model secara
simultan dengan menggunakan uji F. Dari tabel di atas dapat diketahui nilai
jumlah kuadrat (sum of square) dari regression (JKR) sebesar 60.521, nilai
JKG (jumlah kuadrat error) sebesar 2.038, dan nilai JKT (jumlah kuadrat
total) sebesar 62.559, untuk nilai derajat bebasnya masing-masing yaitu
derajat bebas regresinya 1, derajat bebas galatnya 8, dan derajat totalnya 9,
serta nulai kuadrat tengah dari masing-masing yaitu KTR = 60.521 dan KTG
= 0.255. Kemudian selanjutnya akan dilakukan uji F(uji hasil ketepatan model
secara simultan).
 Uji F berdasarkan nilai sig
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya model yang dihasilkan tepat.
 Uji F berdasarkan nilai F tabel dan F hitung
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika F hitung > F tabel
Terima H0 jika F hitung < F tabel
 Nilai F tabel (1,8) = 5.32
Nilai F hitung = 237.536
 Kesimpulan: karena nilai F hitung = 237.536 > nilai F tabl = 5.32
maka H0 ditolak, yang artinya model yang dihasilkan tepat.
a
Coefficients
Model Unstandardized Standardize t Sig.
Coefficients d
Coefficients
B Std. Error Beta
(Constant) 9.807 .304 32.239 .000
1 Umur Penggunaan -.868 .056 -.984 -15.412 .000
Mobil
Interpretasi:
Dari output di atas dapat dilakukan uji hasil ketepatan model secara parsial
berdasarkan nilai t atau nilai sig. Berikut akan dilakukan uji hasil ketepatan
model.
 Uji t berdasarkan nilai sig
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya model yang dihasilkan tepat.
 Uji t berdasarkan nilai t tabel dan t hitung
 Hipotesis
H0 : (model tidak tepat)
H1 : (model tepat)
 Tingkat signifikansi
  Statistic uji
Tolak H0 jika t hitung > t tabel
Terima H0 jika t hitung < t tabel
Nilai t tabel = 2.30600
Nilai t hitung = -15.412
 Kesimpulan: karena nilai t hitung = - 15.412 < nilai t tabel =
2.30600 maka H0 diterima, yang artinya model yang dihasilkan
tidak tepat.
Dari tabel diatas dapat diketahui model yang terbentuk yaitu:

a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 1.1309 8.9394 5.8160 2.59318 10
Std. Predicted Value -1.807 1.204 .000 1.000 10
Standard Error of Predicted .163 .343 .220 .053 10
Value
Adjusted Predicted Value .8389 8.7589 5.7749 2.62112 10
Residual -.73657 .52821 .00000 .47590 10
Std. Residual -1.459 1.046 .000 .943 10
Stud. Residual -1.542 1.177 .035 1.043 10
Deleted Residual -.82250 .69111 .04114 .58725 10
Stud. Deleted Residual -1.721 1.211 .005 1.100 10
Mahal. Distance .040 3.264 .900 .949 10
Cook's Distance .007 .362 .122 .115 10
Centered Leverage Value .004 .363 .100 .105 10
Interpretasi:
Dari output Residual Statistic di atas dapat diketahui beberapa informasi yaitu,
nilai minimum, maksimum, mean dan standar deviasi dari,Predicted value
(nilai yang diprediksi), standar predicted value, standar error dari predicted
value, adjust predicted value, residual (sisa) , standar residual, stud.residual,
residual yang terhapus, stud. Residual yang terhapus, mahal. Distance, Cook’s
distance, dan nilai leverage terpusat.
Interpretasi:
Dari output histogram di atas, dapat dilihat bahwa pola kurva yang terbentuk
simetris, artinya residual dari data yang diuji berdistribusi normal.
Berdasarkan hal tersebut maka asumsi kenormalan terpenuhi.
Interpretasi :
Berdasarkan output P-P Plot di atas dapat dilihat bahwa garis terbentuk adalah
garis lurus yang membentuk sudut 45 , maka residual berdistribusi normal.
Jadi asumsi kenormalan terpenuhi.
Interpretasi:
Dari scatter plot di atas dapat dilihat bahwa plot-plot pada scatter plot tersebut
tidak berpola, artinya residual identic. Jadi asumsi homoskedastisitas
terpenuhi.
Interpretasi:
Dari plot ACF di atas dapat dilihat bahwa tidak ada batang data yang keluar
dari batas atas dan batas bawah. Ini artinya tidak ada korelasi pada residual,
maka dapat disimpulkan bahwa residual independent, sehingga asumsi
independensi residual terpenuhi.
Kesimpulan akhir
 Dari analisis regresi yang telah dilakukan didapatkan model sebagai
berikut

Dari model di atas dapat diketahui bahwa jika tidak ada nilai Umur
Penggunaan mobil (X) atau mobil tidak pernah digunakan atau belum
setahun digunakan, maka Harga Mobil (Y) sebesar 4.661 satuan ribu
dolar. Dan setiap penambahan 1 nilai Penggunaan Harga Mobil (X)
 atau setiap penambahan 1 tahun umur pemakaian mobil, maka harga
mobil (Y) berkurang sebesar 868 satuan ribu dolar.
 Uji signifikansi
Uji signifikans dilakukan untuk mengetahui apakah ada pengaruh
nyata (signifikan) variabel Umur Penggunaan Mobil (X) terhadap
variabel Harga Mobil (Y).
 Hipotesis
H0 : tidak ada pengaruh nyata (signifikan) variabel Umur
Penggunaan Mobil (X) terhadap variabel Harga Mobil (Y).
H1 : ada pengaruh yang nyata (signifikan) variabel Umur
Penggunaan Mobil (X) terhadap variabel Harga Mobil (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0 ditolak,
yang artinya ada pengaruh nyata variabel Umur Penggunaan Mobil
(X) terhadap variabel Harga mobil (Y).
 Berdasarkan hasil uji ketepatan model yang telah dilakukan, secara
simultan baik uji signifikansi maupun nilai F model yang dihasilkan
tepat, sedangkan secara parsial hanya dari uji signifikansi yang
mempunyai kesimpulan bahwa model yang dihasilkan tepat,
sedangkan hasil uji dengan nilai t menunjukkan model yang dihasilkan
tidak tepat..
 Nilai koefisien korelasinya sebesar 0.984 yang artinya variabel Umur
penggunaan Mobil (X) dan variabel Harga Mobil (Y) memiliki
hubungan yang sangat kuat dan searah.
 Nilai koefisien determinasinya sebesar 0.967 yang artinya model
regresi yang dihasilkan mampu menjelaskan keragaman variabel
sebesar 96.7%.
  Dari histogram dan P-P Plot yang dihasilkan, dapat disimpulkan
bahwa residual berdistribusi normal.
 Berdasarkan scatter plot yang dihasilkan, dapat disimpulkan bahwa
asumsi homoskedastisitas terpenuhi.
 Berdasarkan plot ACF yang dihasilkan, dapat disimpulkan bahwa
residual independent, sehingga asumsi independensi residual
terpenuhi.
3. Lakukan analisis regresi untuk mengetahui pola hubungan antara Berat Badan
dengan Tinggi Badan dan Umur jika diketahui data hasil pengamatan sebagai
berikut:
Observation Weight Y Age X1 Length X2
Number (pounds) (months) (inches)
1 9.3 1 20.5
2 9.7 2 20.8

3 9.2 3 22.2
4 9.5 4 21.6

5 11.8 5 23.0

6 10.6 6 24.1
7 12.8 7 25.0
8 12.9 8 26.0
9 13.5 9 27.0

10 14.6 10 27.5
11 14.5 11 28.2
12 15.1 12 29.1

Penyelesaian :

Untuk melakukan analisis regresi pada data di atas dengan bantuan SPSS,
langkahnya sama seperti soal latihan nomor 1, perbedaannya terletak pada
 jumlah variabel prediktornya, sehingga pada kotak dialog Linear Regression,
masukkan dua variabel yaitu variabel X1 dan X2 pada kotak Independent.

Sehingga dihasilkan output-output berikut

a
Variables Entered/Removed
Model Variables Variables Method
Entered Removed
Tinggi Badan, . Enter
1 b
Umur
a. Dependent Variable: Berat Badan
b. All requested variables entered.
Interpretasi :
Dari output “Variables Entered/Removed” di atasdapat diketahui bahwa
variabel independent yang dipakai dalam analisis ini adalah variabel Tinggi
Badan (X1) dan Umur (X2). Sementara variabel dependentnya adalah Berat
Badan (Y). Analisis regresi ini menggunakan metode Enter. Tidak ada variabel
yang dibuang sehingga pada kolom Variables Removed tidak ada angkanya.
b
Model Summary
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
 a
1 .963 .928 .912 .6644 2.849
Interpretasi:
Dari output tabel model summary di atas, dapat diketahui bahwa nilai R atau
koefisien korelasinya sebesar 0.963 yang artinya variabel Tinggi Bada (X1)
dan Variabel Umur (X2) memiliki hubungan yang sangat kuat dan searah
dengan variabel Berat Badan (Y). Dan dari nilai R square atau koefisien
determinasinya sebesar 0.928 yang artinya model regresi yang dihasilkan
mampu menjelaskan keragaman variabel sebesar 92.8%, selanjutnya dari
nilai Adjusted R Square sebesar 0.912 yang berarti bahwa variabel
independen X1 dan X2 terhadap variabel dependen Y berpengaruh secara
simultan sebesar 91.2% dan sisanya sebesar 8.8% dipengaruhi oleh variabel
lain di luar penelitian. Kemudian dari nilai standar error estimasi yang sebesar
0.6644 menunjukkan ketepatan model regresi. Dan yang terakhir adalah nilai
pada kolom Durbin-Waston sebesar 2.849, nilai ini jika dibandingkan dengan
nilai (4-dU) = 2.4206 dan (4-dL) = 3.1878 berada di tengah ( 2.4206 < 2.849
< 3.1878), ini berarti bahwa tidak ada kesimpulan yang tepat mengenai
autokorelasi.

a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
Regression 50.996 2 25.498 57.763 .000
1 Residual 3.973 9 .441
Total 54.969 11
a. Dependent Variable: Berat Badan
b. Predictors: (Constant), Tinggi Badan, Umur
Interpretasi:
Dari output tabel ANOVA di atas kita dapat mengetahui informasi tentang ada
tidaknya pengaruh variabel Tinngi Badan (X1) dan Umur (X2) secara simultan
(bersama-sama) terhadap variabel Berat Badan (Y). Cara mengetahuinya
adalah dengan melakukan uji F simultan, baik dengan nilai signifikan maupun
dengan nilai F.
 Uji F berdasarkan nilai sig
  Hipotesis
H0 : ada pengaruh Tinggi Badan (X1) dan Umur (X2) secara
simultan terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Tinggi Badan (X1) dan Umur (X2) secara
simultan terhadap Berat Badan (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0
diterima, yang artinya ada pengaruh Tinggi Badan (X1) dan Umur
(X2) secara simultan terhadap Berat Badan (Y).
 Uji F berdasarkan nilai F tabel dan F hitung
 Hipotesis
H0 : ada pengaruh Tinggi Badan (X1) dan Umur (X2) secara
simultan terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Tinggi Badan (X1) dan Umur (X2) secara
simultan terhadap Berat Badan (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika F hitung < F tabel
Terima H0 jika F hitung > F tabel
Nilai F tabel (2.9) = 4.26
Nilai F hitung = 57.763
 Kesimpulan: karena nilai F hitung = 57.763 > nilai F tabel = 4.26
maka H0 diterima, yang artinya ada pengaruh Tinggi Badan (X1)
dan Umur (X2) secara simultan terhadap Berat Badan (Y).
a
Coefficients
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
 B Std. Error Beta
(Constant) -.137 10.097 -.014 .989
1 Umur .244 .435 .393 .561 .589
Tinggi Badan .428 .524 .572 .815 .436
Interpretasi:
Dari output tabel “Coefficients” di atas kita dapat mengetahui informasi
tentang ada tidaknya pengaruh variabel Tinngi Badan (X1) dan Umur (X2)
secara parsial (sendiri-sendiri) terhadap variabel Berat Badan (Y). Cara
mengetahuinya adalah dengan melakukan uji t parsial, baik dengan nilai
signifikan maupun dengan nilai t.
 Uji t berdasarkan nilai sig
Tinggi Badan
 Hipotesis
H0 : ada pengaruh Tinggi Badan (X1) terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Tinggi Badan (X1) terhadap Berat Badan
(Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.436 > 0.05, maka H0
ditolak, yang artinya tidak ada pengaruh Tinggi Badan (X1)
terhadap Berat Badan (Y).
Umur
 Hipotesis
H0 : ada pengaruh Umur (X2) terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Umur (X2) terhadap Berat Badan (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
 Terima H0 jika
Kesimpulan: karena nilai sig sebesar 0.589 > 0.05, maka H0 ditolak,
yang artinya tidak ada pengaruh Umur (X2) terhadap Berat Badan (Y).
Uji t berdasarkan nilai t tabel dan t hitung
Tinggi Badan
 Hipotesis
H0 : ada pengaruh Tinggi Badan (X1) terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Tinggi Badan (X1) terhadap Berat Badan
(Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung < t tabel
Terima H0 jika t hitung > t tabel
Nilai t tabel = 2.262
Nilai t hitung = 0.815
 Kesimpulan: karena nilai t hitung < nilai t tabel , maka H0 ditolak,
yang artinya tidak ada pengaruh Tinggi Badan (X1) terhadap Berat
Badan (Y)
Umur
 Hipotesis
H0 : ada pengaruh Umur (X2) terhadap Berat Badan (Y).
H1 : tidak ada pengaruh Umur (X2) terhadap Berat Badan (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung < t tabel
Terima H0 jika t hitung > t tabel
Nilai t tabel = 2.262
Nilai t hitung = 0.561
  Kesimpulan: karena nilai t hitung < nilai t tabel , maka H0 ditolak,
yang artinya tidak ada pengaruh Umur (X2) terhadap Berat Badan
(Y)
Dari tabel diatas dapat diketahui model yang terbentuk yaitu:

a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 8.871 15.231 11.958 2.1531 12
Std. Predicted Value -1.434 1.520 .000 1.000 12
Standard Error of Predicted .194 .541 .318 .099 12
Value
Adjusted Predicted Value 8.567 15.285 12.039 2.1273 12
Residual -1.0298 .8844 .0000 .6010 12
Std. Residual -1.550 1.331 .000 .905 12
Stud. Residual -1.623 1.466 -.043 1.068 12
Deleted Residual -1.7003 1.0724 -.0811 .8881 12
Stud. Deleted Residual -1.820 1.584 -.078 1.148 12
Mahal. Distance .019 6.375 1.833 1.785 12
Cook's Distance .000 1.447 .202 .409 12
Centered Leverage Value .002 .580 .167 .162 12
Interpretasi:
Dari output Residual Statistic di atas dapat diketahui beberapa informasi yaitu,
nilai minimum, maksimum, mean dan standar deviasi dari,Predicted value
(nilai yang diprediksi), standar predicted value, standar error dari predicted
value, adjust predicted value, residual (sisa) , standar residual, stud.residual,
residual yang terhapus, stud. Residual yang terhapus, mahal. Distance, Cook’s
distance, dan nilai leverage terpusat.
Interpretasi:
Dari output histogram di atas, dapat dilihat bahwa pola kurva yang terbentuk
simetris, artinya residual dari data yang diuji berdistribusi normal.
Berdasarkan hal tersebut maka asumsi kenormalan terpenuhi.
Interpretasi :
Berdasarkan output P-P Plot di atas dapat dilihat bahwa garis terbentuk adalah
garis lurus yang membentuk sudut 45 , maka residual berdistribusi normal.
Jadi asumsi kenormalan terpenuhi.
Interpretasi:
Dari scatter plot di atas dapat dilihat bahwa plot-plot pada scatter plot tersebut
tidak berpola, artinya residual identic. Jadi asumsi homoskedastisitas
terpenuhi.
Interpretasi:
Dari plot ACF di atas dapat dilihat bahwa tidak ada batang data yang keluar
dari batas atas dan batas bawah. Ini artinya tidak ada korelasi pada residual,
maka dapat disimpulkan bahwa residual independent, sehingga asumsi
independensi residual terpenuhi.
Kesimpulan akhir
 Dari analisis regresi yang telah dilakukan didapatkan model sebagai
berikut

Dari model di atas dapat diketahui bahwa jika tidak ada nilai Tinggi
Badan (X1) dan Umur (X2) maka nilai Berat Badan (Y) adalah -0.137
pounds. Dan jika nilai Tinggi Badan (X1) meningkat 1 inci dan Umur
(X2) tetap maka Berat Badan (Y) akan meningkat sebesar 0.428. Jika
 nilai Umur (X2) meningat 1 bulan dan Tinggi Badan (X1) tetap, maka
Berat Badan (Y) akan meningkat sebesar 0.244.
 Berdasarkan hasil uji ada tidanya pengaruh X1 dan X2 secara simultan
terhadap Y, baik berdasarkan nilai signifikansi maupun nilai F,
keduanya menunjukkan bahwa ada pengaruh X1 dan X2 secara
simultan terhadap Y.
 Berdasarkan hasil uji ada tidanya pengaruh X1 dan X2 secara parsial
terhadap Y, baik berdasarkan nilai signifikansi maupun nilai t,
keduanya menunjukkan bahwa tidak ada pengaruh X1 dan X2 secara
parsial terhadap Y.
 Nilai koefisien korelasinya sebesar 0.963 yang artinya variabel Tinggi
Badan (X1) dan Umur (X2) memiliki hubungan yang sangat kuat dan
searah dengan Variabel Berat Badan (Y).
 Nilai koefisien determinasinya sebesar 0.928 yang artinya model
regresi yang dihasilkan mampu menjelaskan keragaman variabel
sebesar 92.8%.
 Dari histogram dan P-P Plot yang dihasilkan, dapat disimpulkan
bahwa residual berdistribusi normal.
 Berdasarkan scatter plot yang dihasilkan, dapat disimpulkan bahwa
asumsi homoskedastisitas terpenuhi.
 Berdasarkan plot ACF yang dihasilkan, dapat disimpulkan bahwa
residual independent, sehingga asumsi independensi residual
terpenuhi.
4. Lakukan analisis regresi untuk mengetahui pola hubungan terbaik dari tagihan
listrik (Y) dengan pendapatan bulanan (X1), jumlah anggota keluarga (X2),
dan area tempat tinggal (X3) jika diketahui hasil pengamatan sebagai berikut:
Massa Bill Y Income X1 Persons X2 Area X3

1 228 3220 2 1160

2 156 2750 1 1080
3 648 3620 2 1720
 4 528 3940 1 1840
5 552 4510 3 2240
6 636 3990 4 2150
7 444 2430 1 830
8 144 3070 1 1150
9 744 3750 2 1530
10 1104 4790 5 2660
11 204 2490 1 900
12 423 3630 3 1680
13 876 5370 1 2550
14 840 3180 7 1230
15 876 5910 2 2960
16 276 3020 2 1190
17 1236 5923 3 3130
18 372 3520 2 1560
19 376 3120 1 1510
20 540 4840 1 2190
21 1044 4300 6 2620
22 552 3270 2 1350
23 756 4420 2 1993
24 636 4483 2 2070
25 308 3820 4 1850
26 960 5740 2 2700
27 1080 5600 3 3030
28 480 3950 2 1700
29 96 2290 3 890
30 1232 5580 5 3270
31 1056 5820 2 2660
32 156 3160 2 1330
33 396 2880 4 1280
34 768 3780 3 1950

Penyelesaian:
Untuk melakukan analisis regresi pada data di atas dengan bantuan SPSS,
langkahnya sama seperti soal latihan nomor 1, perbedaannya terletak pada
jumlah variabel prediktornya, sehingga pada kotak dialog Linear Regression,
masukkan tiga variabel yaitu variabel X1, X2, dan X3 pada kotak Independent.

Sehingga dihasilkan output-output sebagai berikut.

a
Variables Entered/Removed
Model Variables Variables Method
Entered Removed
Area tempat . Enter
Tinggal, Jumlah
Anggota
1
Keluarga,
Pendapatan
b
Bulanan

Interpretasi:
Dari output “Variables Entered/Removed” di atasdapat diketahui bahwa
variabel independent yang dipakai dalam analisis ini adalah variabel
Pendapatan Bulanan (X1), Jumlah Anggota Keluarga (X2), dan Area Tempat
Tinggal (X3). Sementara variabel dependentnya adalah Tagihan Listrik (Y).
Analisis regresi ini menggunakan metode Enter. Tidak ada variabel yang
dibuang sehingga pada kolom Variables Removed tidak ada angkanya.
 b
Model Summary
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
a
1 .900 .811 .792 152.279 2.185
Interpretasi:
Dari output tabel model summary di atas, dapat diketahui bahwa nilai R atau
koefisien korelasinya sebesar 0.900 yang artinya variabel Pendapatan Bulanan
(X1), Jumlah Anggota Keluarga (X2), dan Area Tempat Tinggal (X3)
memiliki hubungan yang sangat kuat dan searah dengan variabel Tagihan
Listrik (Y). Dan dari nilai R square atau koefisien determinasinya sebesar
0.811 yang artinya model regresi yang dihasilkan mampu menjelaskan
keragaman variabel sebesar 81.1%, selanjutnya dari nilai Adjusted R Square
sebesar 0.792 yang berarti bahwa variabel independen Pendapatan Bulanan
(X1), Jumlah Anggota Keluarga (X2), dan Area Tempat Tinggal (X3) terhadap
variabel dependen Tagihan Listrik (Y) berpengaruh secara simultan sebesar
79.2% dan sisanya sebesar 20.8% dipengaruhi oleh variabel lain di luar
penelitian. Kemudian dari nilai standar error estimasi yang sebesar 152.279
menunjukkan error yang cukup besar untuk ketepatan model regresi. Dan
yang terakhir adalah nilai pada kolom Durbin-Waston sebesar 2.185, nilai ini
jika dibandingkan dengan nilai dU = 1.6519 dan (4-dU) = 2.3481 berada di
tengah ( 1.6519 < 2.185 < 2.3481), ini berarti bahwa tidak ada autokorelasi,
dengan demikian maka analisis regresi linear di atas dapat dilakukan atau
dilanjutkan.
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
Regression 2981311.781 3 993770.594 42.855 .000
1 Residual 695668.719 30 23188.957
Total 3676980.500 33

Interpretasi:
Dari output tabel ANOVA di atas kita dapat mengetahui informasi tentang ada
tidaknya pengaruh variabel Pendapatan Bulanan (X1), Jumlah Anggota
Keluarga (X2), dan Area Tempat Tinggal (X3) secara simultan (bersama-sama)
terhadap variabel Tagihan Listrik (Y). Cara mengetahuinya adalah dengan
melakukan uji F simultan, baik dengan nilai signifikan maupun dengan nilai
F.
 Uji F berdasarkan nilai sig
 Hipotesis
H0 : ada pengaruh Pendapatan Bulanan (X1), Jumlah Anggota
Keluarga (X2), dan Area Tempat Tinggal (X3) secara simultan
terhadap Tagihan Listrik (Y).
H1 : tidak ada pengaruh variabel Pendapatan Bulanan (X1), Jumlah
Anggota Keluarga (X2), dan Area Tempat Tinggal (X3) secara
simultan terhadap Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.00 < 0.05, maka H0
diterima, yang artinya ada pengaruh Pendapatan Bulanan (X1),
Jumlah Anggota Keluarga (X2), dan Area Tempat Tinggal (X3)
secara simultan terhadap Tagihan Listrik (Y).
 Uji F berdasarkan nilai F tabel dan F hitung
 Hipotesis
H0 : ada pengaruh Pendapatan Bulanan (X1), Jumlah Anggota
Keluarga (X2), dan Area Tempat Tinggal (X3) secara simultan
terhadap Tagihan Listrik (Y).
H1 : tidak ada pengaruh Pendapatan Bulanan (X1), Jumlah
Anggota Keluarga (X2), dan Area Tempat Tinggal (X3) secara
simultan terhadap Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
 Tolak H0 jika F hitung < F tabel
Terima H0 jika F hitung > F tabel
Nilai F tabel (3.30) = 2.92
Nilai F hitung = 42.855
 Kesimpulan: karena nilai F hitung > nilai F tabel maka H0
diterima, yang artinya ada pengaruh Pendapatan Bulanan (X1),
Jumlah Anggota Keluarga (X2), dan Area Tempat Tinggal (X3)
secara simultan terhadap Tagihan Listrik (Y).
a
Coefficients
Model Unstandardized Standardized T Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) -447.006 163.840 -2.728 .011
Pendapatan Bulanan .156 .105 .509 1.494 .146
1 Jumlah Anggota 64.777 22.017 .291 2.942 .006
Keluarga
Area tempat Tinggal .141 .168 .296 .839 .408
Interpretasi:
Dari output tabel “Coefficients” di atas kita dapat mengetahui informasi
tentang ada tidaknya pengaruh variabel Pendapatan Bulanan (X1), Jumlah
Anggota Keluarga (X2), dan Area Tempat Tinggal (X3) secara parsial terhadap
Tagihan Listrik (Y). Cara mengetahuinya adalah dengan melakukan uji t
parsial, baik dengan nilai signifikan maupun dengan nilai t.
 Uji t berdasarkan nilai sig
Pendapatan Bulanan
 Hipotesis
H0 : ada pengaruh Pendapatan Bulana (X1) terhadap Tagihan
Listrik (Y).
H1 : tidak ada pengaruh Pendapatan Bulana (X1) terhadap Tagihan
Listrik (Y).
 Tingkat signifikansi
 Statistic uji
 Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.146 > 0.05, maka H0
ditolak, yang artinya tidak ada pengaruh Pendapatan Bulana (X1)
terhadap Tagihan Listrik (Y).
Jumlah Anggota Keluarga
 Hipotesis
H0 : ada pengaruh Jumlah Anggota Keluarga (X2) terhadap
Tagihan Listrik (Y).
H1 : tidak ada pengaruh Jumlah Anggota Keluarga (X2) terhadap
Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
 Kesimpulan: karena nilai sig sebesar 0.006 < 0.05, maka H0
diterima, yang artinya ada pengaruh Jumlah Anggota Keluarga
(X2) terhadap Tagihan Listrik (Y).
Area Tempat Tinggal
 Hipotesis
H0 : ada pengaruh Area Tempat Tinggal (X3) terhadap Tagihan
Listrik (Y).
H1 : tidak ada pengaruh Area Tempat Tinggal (X3) terhadap
Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika
Terima H0 jika
  Kesimpulan: karena nilai sig sebesar 0.408 > 0.05, maka H0
ditolak, yang artinya tidak ada pengaruh Area Tempat Tinggal (X3)
terhadap Tagihan Listrik (Y).
 Uji t berdasarkan nilai t tabel dan t hitung
Pendapatan Bulanan
 Hipotesis
H0 : ada pengaruh Pendapatan Bulanan (X1) terhadap Tagihan
Listrik (Y).
H1 : tidak ada pengaruh Pendapatan Bulanan (X1) terhadap
Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung < t tabel
Terima H0 jika t hitung > t tabel
Nilai t tabel = 2.04227
Nilai t hitung = 1.494
 Kesimpulan: karena nilai t hitung < nilai t tabel , maka H0 ditolak,
yang artinya tidak ada pengaruh Pendapatan Bulanan (X1) terhadap
Tagihan Listrik (Y).
Jumlah Anggota Keluarga
 Hipotesis
H0 : ada pengaruh Jumlah Anggota Keluarga (X2) terhadap
Tagihan Listrik (Y).
H1 : tidak ada pengaruh Jumlah Anggota Keluarga (X2) terhadap
Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung < t tabel
Terima H0 jika t hitung > t tabel
Nilai t tabel = 2.04277
 Nilai t hitung = 2.942
 Kesimpulan: karena nilai t hitung > nilai t tabel , maka H0
diterima, yang artinya ada pengaruh Jumlah Anggota Keluarga
(X2) terhadap Tagihan Listrik (Y).
Area Tempat Tinggal
 Hipotesis
H0 : ada pengaruh Area Tempat Tinggal (X3) terhadap Tagihan
Listrik (Y).
H1 : tidak ada pengaruh Area Tempat Tinggal (X3) terhadap
Tagihan Listrik (Y).
 Tingkat signifikansi
 Statistic uji
Tolak H0 jika t hitung < t tabel
Terima H0 jika t hitung > t tabel
Nilai t tabel = 2.04277
Nilai t hitung = 0.839
 Kesimpulan: karena nilai t hitung < nilai t tabel , maka H0 ditolak,
yang artinya tidak ada pengaruh Area Tempat Tinggal (X3)
terhadap Tagihan Listrik (Y).
Dari tabel diatas dapat diketahui model yang terbentuk yaitu:

a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 114.41 1209.39 609.50 300.571 34
Std. Predicted Value -1.647 1.996 .000 1.000 34
Standard Error of Predicted 29.157 120.989 49.031 18.273 34
Value
Adjusted Predicted Value 71.28 1202.64 599.33 301.493 34
Residual -361.601 329.590 .000 145.193 34
Std. Residual -2.375 2.164 .000 .953 34
Stud. Residual -2.451 2.302 .026 1.023 34
Deleted Residual -385.167 443.108 10.168 173.065 34
Stud. Deleted Residual -2.694 2.494 .027 1.062 34
Mahal. Distance .239 19.861 2.912 3.579 34
Cook's Distance .000 1.336 .060 .228 34
Centered Leverage Value .007 .602 .088 .108 34
Interpretasi:
Dari output Residual Statistic di atas dapat diketahui beberapa informasi yaitu,
nilai minimum, maksimum, mean dan standar deviasi dari,Predicted value
(nilai yang diprediksi), standar predicted value, standar error dari predicted
value, adjust predicted value, residual (sisa) , standar residual, stud.residual,
residual yang terhapus, stud. Residual yang terhapus, mahal. Distance, Cook’s
distance, dan nilai leverage terpusat.

Interpretasi:
Dari output histogram di atas, dapat dilihat bahwa pola kurva yang terbentuk
simetris, artinya residual dari data yang diuji berdistribusi normal.
Berdasarkan hal tersebut maka asumsi kenormalan terpenuhi.

Interpretasi :
Berdasarkan output P-P Plot di atas dapat dilihat bahwa garis terbentuk adalah
garis lurus yang membentuk sudut 45 , maka residual berdistribusi normal.
Jadi asumsi kenormalan terpenuhi.
Interpretasi:
Dari scatter plot di atas dapat dilihat bahwa plot-plot pada scatter plot tersebut
tidak berpola, artinya residual identic. Jadi asumsi homoskedastisitas
terpenuhi.
Interpretasi:
Dari plot ACF di atas dapat dilihat bahwa tidak ada batang data yang keluar
dari batas atas dan batas bawah. Ini artinya tidak ada korelasi pada residual,
maka dapat disimpulkan bahwa residual independent, sehingga asumsi
independensi residual terpenuhi.
Kesimpulan akhir
 Dari analisis regresi yang telah dilakukan didapatkan model sebagai
berikut

Dari model di atas dapat diketahui bahwa jika tidak ada nilai
Pendapatan Bulanan (X1), Jumlah Anggota Keluarga (X2), dan Area
Tempat Tinggal (X3), maka nilai Tagihan Listrik (Y) adalah -447.006.
Jika nilai Pendapatan Bulanan (X1) bertambah 1 dan Jumlah Anggota
 Keluarga (X2) dan Area Tempat Tinggal (X3) tetap maka Tagihan
Listrik (Y) akan meningkat sebesar 0.156. Jika nilai Jumlah Anggota
Keluarga (X2) bertambah 1 dan Pendapatan Bulanan (X1) dan Area
Tempat Tinggal (X3) tetap, maka Tagihan Listrik (Y) akan meningkat
sebesar 64.777. Dan jika nilai Area Tempat Tinggal (X3) bertambah 1,
dan Pendapatan Bulanan (X1) dan Jumlah Anggota Keluarga (X2)
tetap, maka Tagihan Listrik (Y) akan meningkat sebesar 0.141.
 Berdasarkan hasil uji ada tidanya pengaruh X1, X2, dan X3 secara
simultan terhadap Y, baik berdasarkan nilai signifikansi maupun nilai
F, keduanya menunjukkan bahwa ada pengaruh X1, X2, dan X3 secara
simultan terhadap Y.
 Berdasarkan hasil uji ada tidanya pengaruh X1, X2, dan X3 secara
parsial terhadap Y, baik berdasarkan nilai signifikansi maupun nilai t,
menunjukkan bahwa hanya Jumlah Anggota Keluarga (X2) yang
berpengaruh secara parsial terhadap Y.
 Nilai koefisien korelasinya sebesar 0.900 yang artinya variabel
Pendapatan Bulanan (X1), Jumlah Anggota Keluarga (X2), dan Area
Tempat tinggal (X3) memiliki hubungan yang sangat kuat dan searah
dengan Variabel Tagihan Listrik (Y).
 Nilai koefisien determinasinya sebesar 0.811 yang artinya model
regresi yang dihasilkan mampu menjelaskan keragaman variabel
sebesar 81.1%.
 Dari histogram dan P-P Plot yang dihasilkan, dapat disimpulkan
bahwa residual berdistribusi normal.
 Berdasarkan scatter plot yang dihasilkan, dapat disimpulkan bahwa
asumsi homoskedastisitas terpenuhi.
 Berdasarkan plot ACF yang dihasilkan, dapat disimpulkan bahwa
residual independent, sehingga asumsi independensi residual
terpenuhi.