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 18934.93477569 18934.934776 11.08476 0.010394
Residual 8 13665.56522431 1708.195653
Total 9 32600.5

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

Intercept 98.248329621 58.03347858471 1.6929595126 0.128919 -35.57711 232.0738 -35.57711
Square Feet 0.1097677378 0.032969443262 3.3293779624 0.010394 0.03374 0.185795 0.03374
Upper 95,0%
232.0738
0.185795
 REGRESI LINIER SEDERHANA (BIVARIAT - 2 VARIABEL) 450
Square Feet House Price in $1000s
400
1 1400 245
2 1600 312 UNTUK MENCARI a / bo 350
3 1700 279 98.2483296214 300
4 1875 308 UNTUK MENCARI b (SLOPE) / b1
250
5 1100 199 0.10976773783
6 1550 219 PERSAMAAN REGRESI YANG DIDAPAT 200
7 2350 405 HARGA = 98,24 + 0,109 LUAS
150
8 2450 324
9 1425 319 OLS 100
10 1700 255 50
PRF Y = βo + β1 + e
REGRESI --> KAUSALITAS --> JIKA LUAS … MAKA HARGA …. 0
1000 1200 1400 1600
MODEL REGRESI --> Y = a + b X --> Y = f (X)
0.7621137132 SIMPLE LINIER REG / REGRESI LINIER SEDERHANA :
0.7621137132 1. SIMPLE --> HANYA MENGGUNAKAN SATU VARIABEL INDEPENDENT
2. LINIER --> HUBUNGAN ANTARA X DAN Y LINIER --> FUNGSI LINIER

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

PERSAMAAN SLR --> Y = bo + b1 X --> SRF
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 --> PEARSO
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 0.76211371322 HUBUNGAN ANTARA LUAS DAN HARGA --> POSITIF DAN KUAT
COVARIANCE 19166.6666667 POSITIF ARTINYA JIKA LUAS NAIK MAKA HARGA NAIK

BAGAIMANA JIKA KORELASI -0,76 ? INTERPRETASI ? NEGATIF DAN KUAT

 KOEFISIEN DETERMINASI (R2)
KD = r2 = SSR/SST (RUMUS INI BISA DILIHAT DI CH 13/14)

KD 0.58081731187 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 262.899936367
262,899.94

KOEF REG : HARGA = 98,24 + 0,109 LUAS

1. BESAR 0.109
2. ARAH +
3. SIGN UJI KEBERARTIAN KOEF REG

Square Feet House Price in $1000s FPRICE

1 245
2 312
3 279
4 308
5 199
6 219
7 405
8 324
9 319
10 255
98.3580973592
98.467865097 0.1097677378301
98.5776328349 0.1097677378301
98.6874005727 0.1097677378301
98.7971683105 0.1097677378301
98.9069360484 0.1097677378301
99.0167037862 0.1097677378301
99.126471524 0.1097677378301
99.2362392619 0.1097677378301
99.3460069997 0.1097677378301
 200 1400 1600 KONSEP
1800 MATEMATIKA
2000 --> FUNGSI
2200 2400 2600
KONSEP STATISTIKA --> PENGUJIAN HIPOTESIS DLL
KONSEP "TEORI" --> KAUSALITAS

LABA PENJUALAN
BIAYA PROMOSI

HARGA PERMINTAAN PERMINTAAN SEPATU = f ( HARGA SEPATU , HARGA KAOS KAKI, PENDAPATAN, SEL
X Y
JIKA INDEPENDENT MAKA DEPENDENT

IK SEBESAR 0,109 $ (1000$)

109$

CARA RELATIF --> PEARSON

A --> POSITIF DAN KUAT

A HARGA NAIK
HARGANYA ?
KAOS KAKI, PENDAPATAN, SELERA…)
 Square Feet House Price in $1000s FPRICE ERROR MAD
1 1400 245 251.9232 -6.923163 6.923163
2 1600 312 273.8767 38.12329 38.12329
450
3 1700 279 284.8535 -5.853484 5.853484
4 1875 308 304.0628 3.937162 3.937162 450 400
5 1100 199 218.9928 -19.99284 19.99284 400 350
350 300
6 1550 219 268.3883 -49.38832 49.38832
300 250
7 2350 405 356.2025 48.79749 48.79749
250 200
8 2450 324 367.1793 -43.17929 43.17929
200 150
9 1425 319 254.6674 64.33264 64.33264 150
100
10 1700 255 284.8535 -29.85348 29.85348 100
50
31.03812 50
0
KORELASI 0.762113713216258 0 1000 1200 1400 1600
1000 1200 1400
KD 0.580817311872272
Co
Co

400
Square Feet House Price in $1000s FPRICE ERROR MAD
350
1 1400 245 251.9232 -6.923163 6.923163
2 1600 273 273.8767 -0.87671 0.87671 300
3 1700 279 284.8535 -5.853484 5.853484 250
4 1875 308 304.0628 3.937162 3.937162
200
5 1100 199 218.9928 -19.99284 19.99284
6 1550 260 268.3883 -8.388323 8.388323 150
7 2350 356 356.2025 -0.202514 0.202514 100
8 2450 324 367.1793 -43.17929 43.17929
50
9 1425 254 254.6674 -0.667356 0.667356
10 1700 255 284.8535 -29.85348 29.85348 0
1000 1200 1400 1600 1800
11.98743
KORELASI 0.944101359165994
KD 0.891327376379078

Intercept ( bo ) 98.2483296213808
Chart Title
Square Feet ( b 0.109767737830099 400
350
300
250
200
150
100
50
0
1000 1200 1400 1600 1800 2000 2200 240

Column C Linear (Column C)

Column D
 450 Chart Title
450 400
400 350
350 300
300 250
250 200
200 150
150
100
100
50
50
0
0 1000 1200 1400 1600 1800 2000 2200 2400 2600
1000 1200 1400 1600 1800 2000 2200 2400 2600

Column C Linear (Column C)

Column D

00

50

00

50

00

50

00

50

0
1000 1200 1400 1600 1800 2000 2200 2400 2600

art Title

1800 2000 2200 2400 2600

Linear (Column C)
SUMMARY OUTPUT

Regression Statistics besarnya korelasi antara variabel dependent

dengan variabel indepent
Multiple R 0.7621137132 0.580817311872
R Square 0.5808173119 0.580817311872
Adjusted R Square 0.5284194759 koefisien determinasi = r2
Standard Error 41.33032365
Observations 10 koefisien determinasi dengan faktor koreksi (lihat
Syx ch.14)
ANOVA UJI KOEF REG SECARA SIMULTAN
df SS MS F Significance F
Regression 1 18934.93477569 18934.93 11.08476 0.01039401638
Residual 8 13665.56522431 1708.196
Total 9 32600.5
UJI KOEF REG SECARA PARSIAL
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept ( bo ) 98.248329621 58.03347858471 1.69296 0.128919 -35.577111975 232.07377122
Square Feet ( b1 ) 0.1097677378 0.032969443262 3.329378 0.010394 0.03374006533 0.1857954103
Sb1 3.329378
UJI KEBERARTIAN KOEF REGRESI :
LANGKAH PERTAMA
Ho : β1 = 0 ; TIDAK TERDAPAT HUBUNGAN LINIER ANTARA X DAN Y
H1 : β1 ≠ 0 ; TERDAPAT HUBUNGAN LINIER ANTARA X DAN Y

PERSAMAAN REGRESI DI POPULASI : Y = βo + β1 X YANG DITAKSIR MENGGUNAKAN PERSAMAA REGRESI SAMPEL Y = bo + b1

JADI :
b0 DIGUNAKAN UNTUK ESTIMASI β0
b1 DIGUNAKAN UNTUK ESTIMASI β1

LANGKAH KEDUA
TINGKAT SIGN = 5%

LANGKAH KETIGA
UJI t UNTUK UJI KOEF REGRESI (UNTUK UJI PARSIAL) -2.3060041352
UJI F UNTUK UJI KOEF REGRESI (UNTUK UJI SIMULTAN) 2.3060041352

LANGKAH KEEMPAT
KALAU MENGGUNAKAN TABEL :
TABEL t ; df = n - k - 1 (n = UKURAN SAMPEL DAN k = JUMLAH VARIABEL BEBAS/INDEPENDENT)
t(8,0,025) = ±2,3060 TOLAK HO JIKA T STAT BERADA DI LUAR DAERAH -2,3060 DAN 2,3060
TERIMA HO JIKA T STAT BERADA DI DAERAH -2,3060 DAN 2,3060
TABEL F ; df1 = k DAN df2 = n - k - 1
F( 1,8, 0,05) = 5,32 F-tabel 5.317655
TOLAK HO JIKA NILAI Fstat > 5,31
CARA LAIN :
BANDINGKAN SIGN/P-VALUE DENGAN ALPHA : TOLAK Ho JIKA SIGN/P-VALUE < ALPHA
LANGKAH KELIMA
KALAU PAKAI UJI t : NILAI P-VALUE UNTUK SQUAREFEET = 0,01 DAN NILAI t =3,32

KALAU PAKAI UJI F : NILAI SIGN = 0,01 DAN NILAI F = 11,08 b  β1

t STAT  1
LANGKAH KEENAM
KESIMPULAN
Sb
1
KALAU MENGGUNAKAN UJI t : P-VALUE = 0.01 < ALPHA (0,05) TOLAK Ho
BEGITU JUGA JIKA MAU MENGGUNAKAN UJI F : SIGN = 0.01 < ALPHA (0,05) TOLAK Ho

TOLAK Ho : BERARTI TERDAPAT HUBUNGAN LINIER ANTARA HOUSE PRICE DAN SQUARE
FEET DENGAN ALPHA YANG DIGUNAKAN 0.05 -/ SQUARE FEET BERPENGARUH TERHADAP
HOUSE PRICE DENGAN TINGKAT SIGN 0,05

P-VALUE/ SIGN = PROB NILAI YANG TERHITUNG (MISAL : tstat/Fstat dst) BERADA DI DAERAH PENOLAKAN Ho

KEBERARTIAN KOEF KORELASI

r DIGUNAKAN UNTUK ESTIMASI ρ (RHO)
LANGKAH PERTAMA
Ho : ρ = 0 ; TIDAK TERDAPAT KORELASI ANTARA X DAN Y
H1 : ρ ≠ 0 ; TERDAPAT KORELASI ANTARA X DAN Y

LANGKAH KEDUA
TINGKAT SIGN 0,05

LANGKAH KETIGA
r -ρ
UJI t UNTUK UJI KOEF KORELASI
t STAT 
LANGKAH KEEMPAT
t ( df, α/2) df = n-2
1 r2
t (8, 0.025) = ±2.3060 n2
LANGKAH KELIMA
nilai korelasi antara price dan square ; r= 0,7621
nilai tstat = 3,3292

LANGKAH KEENAM
0.7621
KESIMPULAN TOLAK Ho BERARTI TERDAPAT KORELASI ANTARA
HOUSE PRICE DAN SQUARE FEET DENGAN ALPHA 5%
0.58079641
0.41920359
0.05240044875
0.22891144303
 3.32923505227
r = +0,76 BESAR 0.76 KUAT
ARAH +
SIGN KEBERARTIAN KOEF KORELASI

X Y
Square Feet House Price in $1000s
XY X^2 Y^2 KORELASI PEARSON
1400 245 343000 1960000 60025 MIN INTERVAL
1600 312 499200 2560000 97344
1700 279 474300 2890000 77841
1875 308 577500 3515625 94864
1100 199 218900 1210000 39601
1550 219 339450 2402500 47961
2350 405 951750 5522500 164025
2450 324 793800 6002500 104976
1425 319 454575 2030625 101761
1700 255 433500 2890000 65025
17150 2865 5085975 30983750 853423

n XY   X  Y
1725000

r
n X    X  . n Y    Y 
2 2 15715000 3964.2149286
2 2
326005 570.96847549

r 0.7621137132
0.7621137132
r =rCOV(X,Y)/
= Sx . Sy 19166.66666667 0.7621137132
417.8649436255
60.1853618231
ariabel dependent

asi = r2

faktor koreksi (lihat

KOEF REG SECARA SIMULTAN

11.08476
1708.196

KOEF REG SECARA PARSIAL

REGRESI SAMPEL Y = bo + b1 X

DAN 2,3060
 b  β1
 1
Sb
1

ENOLAKAN Ho
RELASI PEARSON

2263442
Week Pie Sales Price ($) Advertising ($100)
1 350 5.5 3.3
2 460 7.5 3.3
3 350 8 3
4 430 8 4.5
5 350 6.8 3
6 380 7.5 4
7 430 4.5 3
8 470 6.4 3.7
9 450 7 3.5
10 490 5 4
11 340 7.2 3.5
12 300 7.9 3.2
13 440 5.9 4
14 450 5 3.5
15 300 7 2.7

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.7221342922
R Square 0.521477936
Adjusted R Square 0.4417242587
Standard Error 47.463412635
Observations 15

ANOVA
df SS MS F
Regression 2 29460.0268660779 14730.013433 6.538607
Residual 12 27033.3064672554 2252.7755389
Total 14 56493.3333333333

Coefficients Standard Error t Stat P-value

Intercept 306.52619328 114.253893510491 2.6828511823 0.019932
Price ($) -24.975089518 10.8321251194116 -2.3056500218 0.039788
Advertising ($100) 74.130957489 25.9673179179391 2.854779139 0.014494

SALES = 306,5 - 24,9 PRICE + 74,1 ADV

LANGKAH PERTAMA --> UJI ASUMSI KLASIK (BLUE)

NORMALITAS (RESIDUAL NORMAL)
HETEROSKEDASTIS
MULTIKOLINIER
AUTOKORELASI
LANGKAH KEDUA --> UJI HIPOTESIS
UJI SIMULTAN (UJI F)

Ho :β1 = β2 = 0 (VARIABEL INDEPENDENT YANG DIGUNAKAN TIDAK BERPENGARUH /TIDAK MEMPUNYAI

HUBUNGAN LINIER SECARA BERSAMA-SAMA/SIMULTAN TERHADAP VARIABEL DEPENDENT NYA)

H1 :TIDAK SEMUA KOEF REG = 0 (VARIABEL INDEPENDENT YANG DIGUNAKAN BERPENGARUH

/MEMPUNYAI HUBUNGAN LINIER SECARA BERSAMA-SAMA/SIMULTAN TERHADAP VARIABEL DEPENDENT
NYA)

TINGKAT SIG = 5%

UJI F UNTUK UJI KOEF REG SECARA SIMULTAN

TOLAK Ho JIKA NILAI P-VALUE (F) < 0,05

P-VALUE 0.0120063722

KARENA NILAI 0,012 < 0,05 MAKA TOLAK Ho, BERARTI VARIABEL INDEPENDENT YANG DIGUNAKAN
BERPENGARUH /MEMPUNYAI HUBUNGAN LINIER SECARA BERSAMA-SAMA/SIMULTAN TERHADAP
VARIABEL DEPENDENT NYA

UJI PARSIAL (UJI t)

Ho : βi = 0 (VARIABEL INDEPENDENT SECARA PARSIAL TIDAK BERPENGARUH TERHADAP VARIABEL DEPENDENT)
H1 : βi ≠ 0 (VARIABEL INDEPENDENT SECARA PARSIAL BERPENGARUH TERHADAP VARIABEL DEPENDENT)

DI MANA ( i = 0,1,2)

TINGKAT SIGN 5%

UJI t UNTUK UJI KOEF REG SECARA PARSIAL

TOLAK Ho JIKA P-VALUE < 0,05

VARIABEL P-VALUE ALPHA KEPUTUSAN

Price ($) 0.0397884612 TOLAK Ho
0.05
Advertising ($100) 0.0144936268 TOLAK Ho

KESIMPULAN : BERARTI VARIABEL PRICE DAN ADV SECARA PARSIAL BERPENGARUH

TERHADAP SALES, DENGAN SIGN 5%

1. VARIABEL PRICE BERPENGARUH TERHADAP SALES DENGAN TINGKAT SIGN 5%

2. VARIABEL ADV BERPENGARUH TERHADAP SALES DENGAN TINGKAT SIGN 5%

INTERPRETASI
SALES = 306,5 - 24,9 PRICE + 74,1 ADV
JIKA PRICE =0 ADV =0 MAKA SALES = 306,5
JIKA PRICE NAIK 1$ MAKA SALES AKAN TURUN 24,9 UNIT, VARIABEL ADV KONSTAN
JIKA ADV NAIK 1$ MAKA SALES AKAN NAIK SEBESAR 74,1 * 100 UNIT , VARIABEL PRIVE KONSTAN

KOEF DETERMINASI
KD 0.521477936
BERARTI VARIASI VARIABEL SALES BISA DIJELASKAN/DITERANGKAN OLEH VARIASI
VARIABEL PRICE DAN ADV SEBESAR 52,14 % DAN SISA NYA DIJELASKAN OLEH VARIABEL
LAIN YANG TIDAK DIMASUKAN DALAM MODEL

MISAL : HARGA 20$ DAN ADV 400$ , BERAPA SALES ?

SALES = 306,5 - 24,9 PRICE + 74,1 ADV
SALES = 306,5 - (24,9 * 20) + (74,1*4)
105
 Significance F
0.01200637223

Lower 95% Upper 95%Lower 95,0%Upper 95,0%

57.5883442637 555.464 57.58834 555.464
-48.576262701 -1.373916 -48.57626 -1.373916
17.5530320571 130.7089 17.55303 130.7089
RUH /TIDAK MEMPUNYAI
DEPENDENT NYA)

ERPENGARUH
DAP VARIABEL DEPENDENT

YANG DIGUNAKAN
MULTAN TERHADAP

RHADAP VARIABEL DEPENDENT)

P VARIABEL DEPENDENT)
L PRIVE KONSTAN