Nama : Aprillia Bunga Timur Wahydyar

NIM : B11.2020.06459
Kelas/kelompok : B11.4.1

PENYELESAIAN
ANALISIS REGRESI LINIER BERGANDA

Tahap 1 : Menetapkan Model Regresi dan Interpretasi Model

1. Model dalam bentuk bagan:

Luas Tanah
Harga Rumah
Usia Bangunan
2. Model umum dan penjelasannya:

Y = β0 + β 1 X 1 + β 2 X 2 +…+ β n X n+ ε
Keterangan :
Y : Harga rumah
X 1 : Luas tanah (meter persegi)
X 2 : Usia bangunan (bulan)
β 0 : Intersep/konstanta regresi
β 1 : Slope X1
β 2: Slope X2
ε : Error atau residual model

3. Model hasil estimasi dan interpretasinya:

Y^ =b0 +b1 X 1 +b 2 X 2 +…+ bn X n

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 827.815 139.151 5.949 .000
luas tanah (meter persegi) .659 .212 .456 3.103 .004
 usia bangunan (bulan) -4.081 1.943 -.309 -2.100 .044
a. Dependent Variable: harga rumah (juta rupiah)

Y^ =b0 +b1 X 1 +b 2 X 2 +…+ bn X n

Y^ =827,815+0,659 X −4,081 X
1 2

Y^ : Prediksi harga rumah (juta rupiah)

Interpretasi model :
 Jika Luas Tanah (X1) naik sebesar 1 satuan (m2), sedangkan Usia Bangunan (X2)
sama/tetap/konstan, maka Harga Rumah diprediksi akan naik sebesar 0,659
satuan (Rp 659.000). Pengaruh tersebut memiliki nilai yang positif
 Jika Usia Bangunan (X2) naik sebesar 1 satuan (1 bulan), sedangkan Luas
Tanah (X1) sama/tetap/konstan, maka Harga Rumah diprediksi akan turun
sebesar 4,081 satuan (Rp 4.081.000). Pengaruh tersebut memiliki nilai yang
negatif

4. Penjelasan variabel independen mana yang mempunyai pengaruh terbesar terhadap

variabel dependen.
Luas Tanah, karena koefisien terstandarisir (Beta) Luas Tanah dalam harga absolut
(0,456) lebih besar daripada koefisien terstandarisir Usia Bangunan dalam harga
absolut (0,309)
Catatan:
Jika variabel-variabel independen diukur dalam satuan yang sama > lihat koefisien B
(unstandardized). Jika variabel; variabel independen diukur dalam satuan yang
berbeda (unit, bulan, kg, %, rupiah, dan lain-lain) -> lihat koefisien Beta
(standardized).
5. Nilai prediksi Y bilamana nilai-nilai untuk masingmasing variabel independen X
diketahui. Jika sebuah rumah luas tanahnya 200 m 2 dan telah berusia 10 tahun,
berapa kira-kira harganya?

Penyelesaian : X1 = 200
X2 = 120 (10 tahun = 120 bulan [12*10] usia bangunan dalam satuan
bulan)
Y^ =827,815+0,659 X 1−4,081 X 2
Y^ =827,815+0,659(200)−4,081(120)
= 469,895 ( juta rupiah )
= Rp469.895.000,00
Tahap 2 : Memeriksa Pemenuhan Asumsi Klasik (Uji Asumsi Klasik)
1. Uji Linieritas
Uji linieritas : gunakan Uji MWD (McKinnon White Davidson)
Hasil uji MWD :

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 815.445 154.487 5.278 .000
luas tanah (meter .654 .217 .453 3.019 .005
persegi)
usia bangunan (bulan) -3.964 2.060 -.300 -1.924 .064
Z1 130.272 656.300 .031 .198 .844
a. Dependent Variable: harga rumah (juta rupiah)
Kesimpulannya :
P-value dari Z1 sebesar 0,844 (.0,05), sehingga Z1 tidak signifikan terhadap Y. Dengan
demikian asumsi linieritas terpenuhi

2. UJI Normalitas
banwa residual harus berdistribusi normal.
a Pengulan normalitas residual menggunakan uji nonparametrik
Kolmogorov Smirnov 1 sampel:
H0 : Data residual berdistribüsi normal
H1 : Data residual tidak berdistribusi normal

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 34
Normal Parameters a,b
Mean .0000
Std. Deviation 322.95885
Most Extreme Differences Absolute .123
Positive .123
Negative -.100
Test Statistic .123
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.

H0 ditolak jika p-value- hasil pengujian < 0,05

P-value uji satu sampel K-S = 0,200 > 0,05)
Kesimpulan: H0 diterima. Dengan demikian data residual dinyatakan berdistribusi normal
b) Pengujian normalitas residual menggunakan Skewness dan Kurtosis

Statistics
Unstandardized Residual
N Valid 34
Missing 0
Skewness .388
Std. Error of Skewness .403
Kurtosis -.572
Std. Error of Kurtosis .788

H01 : tidak ada skewness Dada data residual

H02 : tidak ada kurtosis Dada data residual
Statistik Skewness dan Kurtosis beserta standar error-nva, Disa dinasilkan
melalui prosedur Descriptive dan prosedur Frequencies.
Output SPSS (prosedur Frequencies):

0,388
Z skewness= =0,963
0,403

−0,572
Z kurtosis= =−0,726
0,788
Kesimpulan:

 Z skewness Sebesar 0,963 jatuh di antara -1,96 dan +1,96 daerah penerimaan H 0), jadi H0
yang mengatakan tidak ada skewness diterima.
 Z kurtosisSebesar -0,726 jatuh di antara -1,96 dan +1,96 daerah penerimaan H 0), jadi H0
yang mengatakan tidak ada kurtosis diterima.
Dengan demikian disimpulkan bahwa data residual berdistribusi normal.
3. UJI Homoskedastisitas (Bebas heteroskedastisitas)
Banwa residual harus homoskedastik.
>) Gunakan uji Glejser
Hasil uji Glejser:

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 274.329 82.360 3.331 .002
luas tanah (meter persegi) .045 .126 .065 .361 .721
usia bangunan (bulan) -.830 1.150 -.130 -.722 .476
a. Dependent Variable: abs_res

Kesimpulan :
-value banyak kamar sebesar 0,721 >0,05 > tidak signifikan
-value usia bangunan sebesar 0,476 >0,05 > tidak signifikan

Kesimpulan:
Residual bersitat homoskedastik (bebas heteroskedastisitas)
4. Uji Bebas Autokorelasi >> hanya untuk data Time Series
Uji Durbin Watson

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .590 a
.348 .306 333.214 2.606
a. Predictors: (Constant), usia bangunan (bulan), luas tanah (meter persegi)
b. Dependent Variable: harga rumah (juta rupiah)

Statistik DW = 2,606
n=2
k = 5%
Dari tabel statistik DW, diperoleh d1 = 1,33 dan du = 1,58
Sehingga 4 - du = 2,42 dan 4 - d1 = 2,67

Dengan demikian DW= 2,606 terletak antara 4 – du dan 4 - d1. Artinva berada di area abu-
abu (grey area). Pada intinva tidak bisa diambil kesimpulan apakah ada atau tidak ada
autokorelasi.
Catatan:
Uji Autokorelasi seharusnya hanya untuk data yang disajikan menurut urutan tertentu saia.
misalnva data time-series. Untuk data cross-sectional seperti dalam contoh kasus ini
semestinva tidak cocok
5. Uji Bebas Multikolinieritas
Gunakan koefisien toleransi (Tol) atau Variance Inflating Factor (VIF) Tidak terjadi
multikolinieritas jika Tol > 0,1 atau VIF < 10

Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Toleranc
Model B Std. Error Beta t Sig. e VIF
1 (Constant) 827.815 139.151 5.949 .000
luas tanah (meter .659 .212 .456 3.103 .004 .974 1.027
persegi)
usia bangunan (bulan) -4.081 1.943 -.309 -2.100 .044 .974 1.027
a. Dependent Variable: harga rumah (juta rupiah)
Diperoleh hasil bahwa Tol = 0,974 (>0,1) untuk kedua variabel independen. Demikian juga
VIF = 1,027 (<10) untuk kedua variabel independen. Dengan demikian asumsi tidak terjadi
multikolinieritas terpenuhi.
Tahap 3 : Evaluasi Goodness of Fit Model Regresi
1. Koefisien Determinasi (Adusted R-Square)

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
a
1 .590 .348 .306 333.214 2.606
a. Predictors: (Constant), usia bangunan (bulan), luas tanah (meter persegi)
b. Dependent Variable: harga rumah (juta rupiah)

Nilai Adjusted R2 yang dihasilkan sebesar 0,306. Artinya, 30,6% variabilitas Harga Rumah
dapat dijelaskan oleh variabel Luas tanah dan Usia Bangunan secara bersama-sama,
sedangkan sisanya sebesar 69,4% dijelaskan oleh variabel lain di luar keduanya.
Catatan:

Adjusted- R2 adalah R2 yang sudah disesuaikan dengan derajat bebasnya. Karena untuk
model yang mempunyai variabel independen yang lebih banyak (yang berarti derajat bebas
model lebih bear) cenderung akan menghasilkan R2 yang semakin besar pula.
2. Uji Hipotesis Goodness of Fit Model
> Gunakan Uji F (Uji Fisher)
Hipotesis uji F:

H0 : β 1 = β 2 = 0, artinya Luas Tanah dan Usia Bangunan secara serentak/simultan/bersama-

sama tidak berpengaruh terhadap Harga Rumah (fit model buruk)
H1 : tidak semua β=¿ 0 (setidaknya ada satu β ≠ 0), artinya Luas Tana dan Usia Bangunan
secara serentak/simultan/bersama-sama berpengaruh signifikan
terhadap Harga Rumah (fit model baik)
Hasil uji F:

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1840526.143 2 920263.072 8.288 .001b
Residual 3441979.739 31 111031.605
Total 5282505.882 33
a. Dependent Variable: harga rumah (juta rupiah)
b. Predictors: (Constant), usia bangunan (bulan), luas tanah (meter persegi)

P-value daru Uji F yang dihasilkan sebesar 0,001 (<0,05). Dengan demikian H 0 ditolak dan H1
diterima. Kesimpulan : fit model baik
Tahap 4 : Uji Hipotesis Parameter Model Individual
> Gunakan uji t ( Uji Student’s t)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 827.815 139.151 5.949 .000
luas tanah (meter persegi) .659 .212 .456 3.103 .004
usia bangunan (bulan) -4.081 1.943 -.309 -2.100 .044
a. Dependent Variable: harga rumah (juta rupiah)

Hipotesis uji t:

H01 : β 0= 0, artinya Luas Tanah tidak berpengaruh terhadap Harga Rumah

H11 : β 1> 0, artinya Luas Tanah berpengaruh positif terhadap Harga Rumah

H02 : β 2= 0, artinya Usia Bangunan tidak berpengaruh terhadap Harga Rumah

H12 : β 2< 0, artinya Usia Bangunan berpengaruh negatif terhadap Harga Rumah

Hasil uji t :
P-value dari uji t untuk variabel Luas Tanah sebesar 0,004 (<0,05) sehingga H 01 ditolak dan
H11 diterima. Kesimpulan: Luas Tanah berpengaruh positif signifikan terhadap Harga Rumah.
P-value dari uji t untuk variabel usia bangunan sebesar 0,044 (<0,05) sehingga H 02 ditolak
dan H12 diterima. Kesimpulan: Usia Bangunan berpengaruh negatif signifikan terhadap Harga
Rumah.