=
133580−132496
750
=
1084
= 0,6918
b0 =
∑ y i−b 1 . ∑ x i
n
330−251,815
=
10
78,1840
=
10
= 7,81848
Dengan demikian, persamaan garis regresi linear sederhana Y atas X untuk soal diatas
adalah:
Y^ =7,81848+ 0,6918 x
A. DEPENDENT VARIABLE: Y
Contoh Soal 3
Seorang ahli pengendali mutu barang (quality control) ingin mengetahui hubungan
fungsional antara temperatur di dalam pabriknya dengan banyaknya kerusakan hasil
produksi akibat temperatur tsb. Untuk itu dia ingin mengendalikan temperatur agar
dapat meminimalisir kerusakan hasil produksinya. Selama 30 hari dia mencatat rata-
rata temperatur perhari dan banyaknya kerusakan hasil produksinya. Datanya adalah
sebagai berikut:
Jawab:
b 1=
∑ X i ∑ Y i−n ∑ X i ∑ Y i
2
(∑ X i ) −n ∑ X i2
( 664 ) (230 )−(30)(5.358)
b 1= 2
(664) −( 30)(14.906)
15.720−160.740
b 1=
440.896−447.180
−8.020
b 1=
−6.284
b 1=1,27626 ≈1,273
y=
∑ Y i = 230 =7,66667
n 30
x=
∑ X i = 664 =22,13333
n 30
b 0= y−b1 x
b 0=7,66667−(1,27626)(22,13333)
b 0=7,66667−(28,24788)
b 0=−20,5812 ≈−20,581
Jadi :
^y =−20,581+1,276 X
Konfirmasi contoh soal nomor 1 menggunakan SPSS
Klik menu statistik dan klik menu-menu yang dibutuhkan untuk melengkapi output, lalu
klik continue
Klik option, untuk mengisi nilai probabilitas yang diinginkan, lalu klik continue.
Klik tombol plots untuk menampilkan diagram pencar (scatter plot) residual, histogram,
diagram outlier dan diagram probabilitas