LAPORAN PRAKTIKUM

ANALISIS REGRESI
PERTEMUAN IV

OLEH :
NAMA : NABILA SYUKRI
NIM : 60600119030
KELAS :D
ASISTEN : SATRIANI

LABORATORIUM MATEMATIKA
JURUSAN MATEMATIKA
UIN ALAUDDIN MAKASSAR
2021
 MATERI MODUL IV
ANALISIS REGRESI POLINOMIAL
I. PROGRAM/CODING
1. PROGRAM I
a. Definisikan variabel penelitian pada sheet Variable View

b. Masukkan nilai-nilai pengamatan pada masing-masing variable yang telah

didefinisikan pada Variable View dan Data View

c. Analisis dengan regresi polynomial derajat-2 dengan mengklik Analyze lalu

Regression lalu Curve Estimation.
 d. Selanjutnya variabel kecepatan dimasukkan ke kotak dependent sebagai
variabel terikat dan variabel jarak sampai berhenti (jarak) dipindahkan ke
kotak Independent sebagai variabel bebas. Pada Models, centang Quadratic,
centang Display ANOVA lalu klik OK.

2. PROGRAM II
a. Definisikan variabel penelitian pada sheet Variable View

b. Masukkan nilai-nilai pengamatan pada masing-masing variable yang telah

didefinisikan pada Variable View dan Data View
 c. Analisis dengan regresi polynomial derajat-2 dengan mengklik Analyze lalu
Regression lalu Curve Estimation

d. Selanjutnya variabel kecepatan dimasukkan ke kotak dependent sebagai

variabel terikat dan variabel jarak sampai berhenti (jarak) dipindahkan ke
kotak Independent sebagai variabel bebas. Pada Models, centang Quadratic,
centang Display ANOVA lalu klik OK

II. OUTPUT
 1. PROGRAM 1

2. PROGRAM II

III. PEMBAHASAN
1. PROGRAM I
Program ini berfungsi untuk menguji regresi polynomial dari model yang
terbentuk dari sebuah data percobaan pada model baru mobil merek tertentu
untuk menentukan jarak yangdibutuhkan untuk berhenti bila mobil tersebut
direm dengan berbagai kecepatan. Pertama membuka lembar kerja baru pada
SPSS lalu klik sheet Variabel View untuk memasukkan variabel-variabel yang
akan digunakan yaitu Kecepatan (km/jam) diberi nama variabel Kecepatan, dan
Jarak sampai berhenti (meter) diberi nama variabel Jarak. pada kolom Decimals
mengganti untuk semua variabel dengan 0 hal ini dilakukan sesuai dengan data
yang diminta. Selanjutnya pada kolom measure yang merupaka tipe variabel
data digunakan tipe scale untuk ketiga variabel. Variabel scale merupakan tipe
variabel yang digunakan untuk perhitungan data terhadap variabel angka seperti
menghitung statistika deskriptif. Selanjutnya membuka sheet Data View, lalu
memasukkan data sesuai dengan kolom Kecepatan dan Jarak hal ini dimasukkan
sesuai dengan data yang dibutuhkan. Kemudian mengklik Analyze lalu
Regression lalu curve estimation. Kemudian akan muncul kotak dialog “curve
estimation”. Pindahkan variabel Kecepatan ke kotak dependent sebagai variabel
terikat, dan untuk varibael Jarak pindahkan ke kotak independent sebagai
variabek bebas. Kemudian klik OK untuk mengeksekusi program. Maka akan
muncul beberapa tabel output seperti berikut :
a. Persamaan Regresi

Berdasarkan tabel Coefficients, diketahui model regresi polynomial

diperoleh dari kolom Unstandardized coefficients (B) yang terbentuk adalah;
^y =18.067+ 1.269 x−0,004 x 2
b. Model Summary

Berdasrkan tabel Model Summary, diperoleh nilai R-square sebesar pada

tabel Model Summary sebesar 0.996 atau sebesar 99.6%. Nilai tersebut
menunjukkan bahwa variabel Jarak mampu menjelaskan variabel Kecepatan
secara kuadratik sebesar nilai R-sq uare yaitu 99.6% sedangkan
selebihnya dijelaskan oleh variabel lain yang tidak didefinisikan dalam model.

c. Uji Serentak

Hipotesis :
H 0= β0 =β 1=β 2=0

H 1 : minimal terdapat 1 β 1 ≠ 0 , i=0,1 ,2

Berdasarkan output pada tabel ANOVA, menampilkan uji F yang

digunakan untuk menguji kelayakan model dan menguji parameter regresi
secara keseluruhan. diperoleh nilai F hitung sebesar 338.721 dan signifikansi
sebesar 0.000, jika digunakan α =0.05 , maka nilai sig < 0.05 disimpulkan
untuk menolak H 0, yang berarti bahwa model quadratik yang diestimasi dapat
digunakan untuk menjelaskan pengaruh kecepatan terhadap jarak sampai
berhenti.

d. Uji Parsial
 Hipotesis:
H 0= βi =0 ,i=0,1 ,2
H 1=β i ≠0
Pada tabel coefficients diperoleh nilai signifikansi untuk dugaan
β 0 , β 1 dan β2 masing-masing sebesar 0.014, 0.002 dan 0.020 Jika digunakan
α =0.05 maka disimpulkan untuk menolak H 0 untuk dugaan parameter
β 0 , β 1 dan β2 berhasil. Hal ini berarti bahwa dalam model, dugaan parameter
semuanya signifikan artinya variabel kecepatan memiliki pengaruh secara
signifikan terhadap variabel jarak sampai berhenti.

2. PROGRAM II
Program ini berfungsi untuk menguji regresi polynomial dari model yang
terbentuk dari sebuah data. Pertama membuka lembar kerja baru pada SPSS lalu
klik sheet Variabel View untuk memasukkan variabel-variabel yang akan
digunakan yaitu x dan y. Pada kolom Decimals mengganti untuk variabel x
dengan 0 dan variable y dengan 1 hal ini dilakukan sesuai dengan data yang
diminta. Selanjutnya pada kolom measure yang merupaka tipe variabel data
digunakan tipe scale untuk ketiga variabel. Variabel scale merupakan tipe
variabel yang digunakan untuk perhitungan data terhadap variabel angka seperti
menghitung statistika deskriptif. Selanjutnya membuka sheet Data View, lalu
memasukkan data sesuai dengan kolom sesuai dengan data yang dibutuhkan.
Kemudian mengklik Analyze lalu Regression lalu curve estimation. Kemudian
akan muncul kotak dialog “curve estimation”. Pindahkan variabel y ke kotak
dependent sebagai variabel terikat, dan untuk varibael x pindahkan ke kotak
independent sebagai variabek bebas. Kemudian klik OK untuk mengeksekusi
program. Maka akan muncul beberapa tabel output seperti berikut :
a. Persamaan Regresi

Berdasarkan tabel Coefficients, diketahui model regresi polynomial yang

terbentuk dari kolom Unstandardized coefficients (B) adalah:
^y =8.698−2.341 x+ 0.288 x 2
b. Model Summary

Berdasrkan tabel Model Summary, diperoleh nilai R-square sebesar pada

tabel Model Summary sebesar 0.850 atau sebesar 85%. Nilai tersebut
menunjukkan bahwa variabel Jarak mampu menjelaskan variabel Kecepatan
secara kuadratik sebesar nilai R-square yaitu 85% sedangkan selebihnya
dijelaskan oleh variabel lain yang tidak didefinisikan dalam model.

c. Uji Serentak
 Hipotesis :
H 0= β0 =β 1=β 2=0

H 1 : minimal terdapat 1 β 1 ≠ 0 , i=0,1 ,2

Berdasarkan output pada tabel ANOVA, menampilkan uji F yang

digunakan untuk menguji kelayakan model dan menguji parameter regresi
secara keseluruhan. diperoleh nilai F hitung sebesar 19,832 dan signifikansi
sebesar 0.001, jika digunakan α =0.05 , maka nilai sig < 0.05 disimpulkan
untuk menolak H 0, yang berarti bahwa model quadratik yang diestimasi dapat
digunakan untuk menjelaskan pengaruh y terhadap x.

d. Uji Parsial

Hipotesis:
H 0= βi =0 ,i=0,1 ,2
H 1=β i ≠0
Pada tabel coefficients diperoleh nilai signifikansi untuk dugaan
β 0 , β 1 dan β2 masing-masing sebesar 0.000, 0.001 dan 0.001 Jika digunakan
α =0.05 maka disimpulkan untuk menolak H 0 untuk dugaan parameter
β 0 , β 1 dan β2 . Hal ini berarti bahwa dalam model, dugaan parameter semuanya
signifikan artinya variabel y memiliki pengaruh signifikan terhadap variabel
x.