KUIS

NAMA : FITRI AULIA

NIM : 4192411015
1. Tentukan nilai dari koefisien determinasi pada tabel di bawah ini dan jelaskan
maksudnya!

Jawab:
Koefisien determinasi adalah perbandingan total variasi dalam variabel terikat yang dapat
dijelaskan oleh variasi dalam variabel bebas. Dirumuskan dengan r² X 100%. Sedangkan
nilai r diperoleh dari pembagian jumlah x.y dengan akar dari jumlah x² dikali jumlah y².
Jadi nilai koefisien determinasi pada gambar diatas adalah 906. (R.Square)
Koefisien Determinasi (R2)
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑅=
√[𝑛(∑ 𝑥 2 ) − (∑ 𝑥)2 ][𝑛(∑ 𝑦 2 ) − (∑ 𝑦)2 ]

31(25072) − (1141)(1034)
=
√[31(42355) − (1141)2 ][31(35329) − (1034)2 ]
777232 − 1179794
=
17020,644

2. Pada tabel output SPSS di bawah ini terdapat (Unstandadized B). Jelasakan
kegunaannya!

Unstandarized Coefficients berisi dua jenis informasi, yaitu Unstandardized b (nilai

koefisien itu sendiri) dan standar errornya. Unstandardized coefficients biasa digunakan
 untuk model regresi dimana fungsinya adalah untuk meramalkan gambaran masa depan
dengan data masa lalu

3. Tentukan persamaan regresi linear berganda berdasarkan tabel output SPSS di bawah ini!

4. Buatlah satu contoh kasus dan penyelesaian regresi linear berganda dan selesaikan secara
manual dan dengan software SPSS!
Manual Regresi Linear Berganda
a. Hipotesis
H0 = Tidakadahubunganantaravariabel
Ha = Ada hubunganantaravariable
b. Tabel
No X1 X2 Y X1Y X2Y X1 X2 X1 2 X2 2 Y2
1 9 125 37 333 4625 1125 81 15625 1369
2 12 137 41 492 5617 1644 144 18769 1681
3 6 99 34 204 3366 594 36 9801 1156
4 10 122 39 390 4758 1220 100 14884 1521
5 9 129 39 351 5031 1161 81 16641 1521
6 10 128 40 400 5120 1280 100 16384 1600
7 7 96 37 269 3553 672 49 9216 1369
8 8 104 39 312 4056 832 64 10816 1521
9 11 132 42 462 5544 1452 121 17424 1764
10 6 95 35 210 3325 570 36 9025 1225
11 10 114 41 410 4674 1140 100 12996 1681
12 8 101 40 320 4040 808 64 10201 1600
13 12 146 43 516 6278 1752 144 21316 1849
14 10 132 38 380 5016 1320 100 17424 1444
Σ 128 1660 545 5039 65002 15570 1220 200522 21301
Perhitungan :

𝑛 .ΣX₁Y−(ΣX₁)(ΣY)
b1=
𝑛 .ΣX₁²− (ΣX₁)²

14 (5039)−(128)(545)
=
14(1220) − (128)²

70546−69760 786
= = = 1,129
17080 − 16384 686

𝑛 .ΣX₂Y−(ΣX₂)(ΣY)
b2 =
𝑛 .ΣX₂²− (ΣX₂)²

14 (65002)−(1660)(545)
=
14(200522) − (1660)²

910028−904700 5328
= = = 0,103
2807308 − 2755600 51708
 Σ y −(b₁ΣX₁)+ (b₂ΣX₂)
a =
𝑛

(545)−(1,129)(128) + (0,103) (1660)

=
14

545 −144,512 +170,98

=
14

571,468
= = 40,8191
14

SPSS Regresi Berganda

VARIABLE VIEW DATA VIEW