Analisis regresi linear sederhana digunakan untuk menguji PENGARUH satu variabel bebas terhadap variabel terika
Jumlah MC Kecepatan
No.
(X) (Y)
1 121 38 SUMMARY OUTPUT
2 123 37
3 124 37 Regression Statistics
4 124 37 Multiple R 0.9314563543
5 124 37 R Square 0.86761094
6 124 37 Adjusted R Square 0.8628827592
7 125 36 Standard Error 0.8634611435
8 127 36 Observations 30
9 131 36
10 131 36 ANOVA
11 133 36 df SS
12 135 36 Regression 1 136.8095925707
13 137 36 Residual 28 20.875824095972
14 138 36 Total 29 157.68541666667
15 138 35
16 141 35 Coefficients Standard Error
17 142 35 Intercept 66.136284665 2.359789182945
18 142 34 X Variable 1 -0.232864089 0.0171904419592
19 142 34
20 143 33 Model Regresi Linier Sederhana
21 143 33 𝑦 ̂ ̅= 𝑏_0+ 𝑏_1 𝑋
22 144 33 b0 = 66.136
23 145 32 b1 = -0.233
24 145 31
25 146 31 Intercept:
26 146 31 1. Intercept bernilai 66,136 yang berarti nilai konsisten variabel kecepata
27 148 31 2. Koefisien regresi X variabel bernilai -0,233 menyatakan bahwa setiap p
28 148 31 3. koefisien tersebut bernilai negatif sehingga dapat dikatan bahwa arah
29 149 31 4. semakin tinggi volume sepeda motor maka semakin rendah kecepatan
30 150 30
Intercept R Square:
0.867610939950767 adalah keragaman/ variansi kecepatan yang diak
Cara:
Data analysis - Regression
Masukkan nilai Y ke kolom Y dan masukkan nilai X ke kolom X. Pilih Confidence level 95% yang artinya nilai ꭤ = 5%
2
3
4
Referensi:
https://www.youtube.com/watch?v=AspXZLYntyM
s terhadap variabel terikat
MS F Significance F
136.80959257 183.49783819 0.0000
0.7455651463
t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
28.026353008 4.97689E-22 61.302475649 70.97009368 61.302475649 70.97009368
-13.54613739 8.110872E-14 -0.268077113 -0.197651064 -0.268077113 -0.197651064
onsisten variabel kecepatan adalah 66,757
enyatakan bahwa setiap penambahan 1% nilai volume sepeda motor maka nilai kecepatan menurun sebesar -0,233.
dapat dikatan bahwa arah pengaruh variabel Volume sepeda motor (X) terhadap variabel Kecepatan kendaraan (Y) adalah negatif
emakin rendah kecepatan kendaraan pada suatu jalan
riansi kecepatan yang diakibatkan oleh jumlah sepeda motor sebesar 86%
Regression Statistics
Multiple R 0.931456354
R Square 0.86761094
Adjusted R Square 0.862882759
Standard Error 3.453844574
Observations 30
ANOVA
df SS MS F Significance F
Regression 1 2188.95348113112 2188.95348 183.497838 0.000
Residual 28 334.013185535547 11.9290423
Total 29 2522.96666666667
Jumlah MC Kecepatan
No.
(X) (Y)
1 121 38
2 123 37
3 124 37
4 124 37 Langkah 1 Langkah 2
5 124 37 Masukkan data Pilih Analyze-regression-linear
6 124 37
7 125 36
8 127 36
9 131 36
10 131 36
11 133 36
12 135 36
13 137 36
14 138 36
15 138 35
16 141 35
17 142 35
18 142 34
19 142 34
20 143 33
21 143 33
22 144 33
23 145 32
24 145 31
25 146 31
26 146 31
27 148 31
28 148 31
29 149 31
30 150 30
1. Tabel di atas menjelaskan tetang variabel tentang variabel dan metode yang digunakan
2. Jumlah kendaraan bermotor (MC) qt golongkan sebagai variable independent (variabel utama) dan Kecepatan se
3. Metode yang digunakan adalah METODE ENTER
2. Tabel Adjusted R Squere sama hal nya dengan R Squere tetapi lebih kepada variasi model. semakin banyak data d
Link:
https://agungbudisantoso.com/apa-perbedaaan-r-squared-r-squared-adjusted-dan-r-squared-predicted/
Dari tabel ANOVA diketahui F hitung = 141,729 dengan tingkat Signifikansi 0,000
0,000 < 0,05, maka model regresi linear sederhana ini terdapat pengaruh antara variabel Jumlah kendaraan sepeda
diketahui nilai Constant (a) sebesar 66,757, sedangkan nilai Jumlah kendaraan sepeda motor (b/ koefisien regresi) s
Y= a + bX
Y= 66,757 - 0,236
Referensi
https://www.youtube.com/watch?v=BacUGgAMIWE
bas terhadap variabel terikat
Langkah 3
yze-regression-linear Masukkan X ke kolom Independen dan Y di kolom dependent, lalu
h jumlah sepeda motor dengan kecepatan kendaraan?
kisar dari 0 - 1
bel terikat (Y) adalah sebesar 83,5%
ama mempengaruhi nilai variabel dependen.
odel. semakin banyak data dan saling mempengaruhi maka semakin besar nilai adjusted R Squere
quared-predicted/
el Jumlah kendaraan sepeda motor (X) terhadap variabel kecapatan kendaraan (Y)
motor (b/ koefisien regresi) sebesar -0,236, sehingga persamaan regresinya dapat ditulis: