Kelas: A
Dosen: Widya Setiafindari,ST.,M.Sc
Dibuat oleh
Data mentah
Suatu data penelitian tentang berat badan 60 mahasiswa yang diprediksi dipengaruhi oleh
konsumsi jumlah kalori/hari. Apakah konsumsi jumlah kalori/hari mempengaruhi berat badan
mahasiswa?
Hasil:
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .414a .171 .157 68.047 2.261
a. Predictors: (Constant), Berat_badan
b. Dependent Variable: Kalori
Analisis:
Pada tabel di atas didapat nilai R Square, dimana R Square adalah nilai yang menunjukkan
persentase sumbangan variabel independen dalam mempengaruhi variabel dependen sed
angkan sisanya dipengaruhi variabel lain atau epsilon yang disimbolkan Ԑi. R Square didapat
nilai sebesar 0,157 artinya besarnya sumbangan variabel independen dalam mempengaruhi
variabel dependen adalah sebesar 15,7% sedangkan sisanya 84,3% dipengaruhi oleh variabel
lain.
Hasil Pengolahann dan Analisis Uji Regresi Linier Uji Signifikansi Simultan (Uji
Statistik F)
Hasil:
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 55440.811 1 55440.811 11.973 .001b
Residual 268565.772 58 4630.444
Total 324006.583 59
a. Dependent Variable: Kalori
b. Predictors: (Constant), Berat_badan
Analisis:
Berdasarkan tabel ANOVA atau F test, diperoleh nilai F hitung sebesar 11,973 dengan
probabilitas 0,001. Oleh karena probabilitas jauh lebih kecil dari 0,05, maka dapat
disimpulkan bahwa koefisien regresi Kalori/hari tidak sama dengan nol, atau variabel
independen secara simultan berpengaruh terhadap Berat badan. Hal ini juga berarti nilai
koefisien determinasi R Square tidak sama dengan nol, atau signifikan.
Hasil Pengolahan dan Analisis Uji Regresi Linier Uji Signifikansi Parameter Individual
(Uji Statistik t)
Hasil
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 274.395 41.738 6.574 .000
Berat_badan 2.128 .615 .414 3.460 .001
a. Dependent Variable: Kalori
Analisis:
Berdasarkan out put diatas nilai sig sebesar 0.001 lebih kecil dari alpa 0.05, sehingga dapat
disimpulkan bahwa H0: Tidak terdapat pengaruh nilai Kalori/hari (X) terhadap nilai Berat
Badan (Y).
Hasil Pengolahan dan Analisis Uji Regresi Linier Uji Signifikansi Parameter Individual
(Uji Statistik t).
Dari variabel independen yang dimasukkan dalam model ternyata tiddak yang signifikan
pada α=5%, hal ini terlihat dari probabilitas Signifikansi jauh dibawah 0,05. Jadi dapat
disimpulkan bahwa variabel Kalori/hari dipengaruhi oleh Berat Badan, dengan persamaan
matematis sebagai berikut:
Y = 274,395 – 2,128 X
Koefisien konstanta bernilai positif menyatakan angka ini merupakan angka knstan yang
mempunyai arti bahwa jika tidak ada nilai Kalori/hari maka nilai Berat badan adalah sebesar
274,395 Koefisien nilai Kalori/hari bernilai negatif menyatakan bahwa dengan
mengasumsikan ketiadaan variabel independen lainnya, maka apabila nilai Kalori/hari
mengalami peningkatan,maka nilai Berat badan mengalami penurunan.
Analisis:
Terlihat pada tampilan grafik scatterplots di atas bahwa titik-titik tidak menyebar s ecara
acak baik di atas maupun di baw ah angka 0 pada sumbu Y. Hal ini dap at disimpulkan
bahwa terjadi heteroskedastisitas pada model regresi. Analisis dengan grafik plots memiliki
kelem ahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil
plotting. Semakin sedikit jumlah pengama tan, maka semakin sulit menginterpretasi kan hasil
grafik plots. Oleh sebab itu diperlukan uji statistik yang lebih dapat men jamin keakuratan
hasil.
Tugas Kelas 26
Regresi Linier Berganda
Data mentah
Berikut data tentang IQ dan tingkat kehadiran sepuluh siswa di kelas yang diperkirakan
mempengaruhi nilai UAS.
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .584a .341 .318 8.764 1.897
a. Predictors: (Constant), Tingkat_kehadiran, IQ
b. Dependent Variable: Nilai_uas
Analisis:
Terlihat dari luaran SPSS nilai R2 cukup tinggi sebesar 34,1%, sedangkan ke banyakan
variabel independen memiliki nilai t statistik yang signifikan pada α=5%. Oleh karena R2
tinggi dan kebanyakan variabel independenn ya signifikan, maka tidak ada indikasi terjadi
multikolinieritas antar variabel independen.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -2.335 23.836 -.098 .922
IQ .356 .184 .209 1.937 .058
Tingkat_kehadiran .477 .092 .556 5.163 .000
a. Dependent Variable: Nilai_uas
Analisis:
Berdasarkan pada nilai Tolerance dan VIF terlihat bahwa tidak ada nilai To lerance di bawah
0,10 begitupula dengan nilai VIF tidak ada yang di atas 10. Dengan menggunakan parameter
ini, tidak terbukti adanya multikolinieritas yang serius.
Collinearity Diagnosticsa
Variance Proportions
Tingkat_kehadir
Model Dimension Eigenvalue Condition Index (Constant) IQ an
1 1 2.984 1.000 .00 .00 .00
2 .015 14.190 .02 .04 .94
3 .001 49.099 .98 .96 .06
a. Dependent Variable: Nilai_uas
Analisis:
Berdasarkan parameter tersebut, dari tiga dimensi, di antaranya memiliki nilai CI di bawah
10, yang berarti tidak terdapat multikolinieritas. Kemudian satu dimensi memiliki nilai antara
10 - 30 yang menunjukkan multikolinieritas moderat.
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .584a .341 .318 8.764 1.897
a. Predictors: (Constant), Tingkat_kehadiran, IQ
b. Dependent Variable: Nilai_uas
Analisis:
Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi adalah 1.897.
Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 60, seta k = 2 (k
adalah jumlah variabel independen) diperoleh nilai dL sebesar 1,514 dan dU sebesar 1,652
(lihat Tabel DW). Karena nilai DW (1.897) terletak antara dU = 1,7298 dan (4-1,64=2.36),
maka tidak ada autokorelasi positif dan negative dalam model. du < d < 4 - du 1.64 < 1.897 <
2.36.