Dalam contoh ini, kita akan melakukan regresi linier sederhana di Excel.

Yang kami miliki adalah daftar curah hujan bulanan rata-rata selama 24 bulan terakhir di kolom
B, yang merupakan variabel independen kami (prediktor), dan jumlah payung yang dijual

di kolom C, yang merupakan variabel dependen. Tentu saja ada banyak lainnya
faktor yang dapat mempengaruhi penjualan, tetapi untuk saat ini kami hanya fokus pada dua variabel ini

Month Rainfall Umbrellas SUMMARY OUTPUT

1 82 15
2 92.5 25 Regression Statistics
3 83.2 17 Multiple R 0.957666798478596
4 97.7 28 R Square 0.917125696908244
5 131.9 41 Adjusted R Square 0.913358683131346
6 141.3 47 Standard Error 3.58141382018755
7 165.4 50 Observations 24
8 140 46
9 126.7 37 ANOVA
10 97.8 22 df
11 86.2 20 Regression 1
12 99.6 30 Residual 22
13 87 14 Total 23
14 97.5 27
15 88.2 14 Coefficients
16 102.7 30 Intercept -19.0741089941443
17 123 43 Rainfall 0.450001319897595
18 146.3 49
19 160 49 Y = -19,1 + 0,45X + e
20 145 44
21 131.7 39 RESIDUAL OUTPUT
22 118 36
23 91.2 20 Observation Predicted Umbrellas
24 104.6 32 1 17.8259992374586
2 22.5510130963833
Y = b + bX + e 3 18.3660008213357
4 24.8910199598508
Y = -19,07 + 0,45X + e 5 40.2810651003486
6 44.511077507386
Jika curah hujan meningkat 1% maka penjualan 7 55.356109316918
payung akan meningkat sebesar 0,45 (45%) 8 43.9260757915191
9 37.9410582368811
summary output : 10 24.9360200918406
11 19.7160047810285
12 25.7460224676562
13 20.0760058369465
14 24.8010196958713
15 20.6160074208236
16 27.1410265593388
17 36.27605335326
18 46.7610841068739
19 52.926102189471
20 46.1760823910071
21 40.191064836369
22 34.026046753772
23 21.9660113805164
24 27.9960290671442
 0≤ X≤ 1
Multiple R untuk melihat variabel bebas dan variabel terikat memiliki hubungan yang linier
R-square untuk melihat bahwa variabel bebas mampu menjelaskan variabel terikat

0,96, varaibel bebas (rainfall) memiliki hubungan yang linier terhadap variabel terikat (umbrella).
0,92 artinya variabel curah hujan mampu menjelaskan variabel penjualan payung,
dan 0,08 adalah variabel lain yang mampu menjelaskan variabel penjualan payung tapi tidak masuk dalam
0,91 artinya jika variabel curah hujan tidak mampu menjelaskan penjualan patyung tetapi curah hujan ad
SE 3,6 (4%) artinya sangat kecil kemungkinan variabel curah hujan kurang baik menjelaskan variabel penj

SS MS F Significance F
3122.774784402 3122.775 243.4623 2.216043014E-13
282.1835489315 12.82652
3404.958333333

Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
3.372182167954 -5.65631 1.093E-05 -26.06758677233 -12.080631216 -26.067586772 -12.080631216
0.028840179615 15.60328 2.216E-13 0.39019044812 0.50981219168 0.39019044812 0.50981219168

Residuals Anova: Single Factor

-2.82599923746
2.448986903617 SUMMARY
-1.36600082134 Groups Count Sum Average
3.108980040149 Rainfall 24 2739.5 114.145833333
0.718934899651 Umbrellas 24 775 32.2916666667
2.488922492614
-5.35610931692
2.073924208481 ANOVA
-0.94105823688 Source of Variation SS df MS
-2.93602009184 Between Groups 80401.2552083 1 80401.2552083
0.283995218972 Within Groups 18825.9779167 46 409.260389493
4.253977532344
-6.07600583695 Total 99227.233125 47
2.198980304129
-6.61600742082
2.858973440661
 6.72394664674
2.238915893126
-3.92610218947
-2.17608239101
-1.19106483637
1.973953246228
-1.96601138052
4.003970932856
n yang linier

terikat (umbrella).

yung tapi tidak masuk dalam model

yung tetapi curah hujan adalah variabel yang baik untuk menjelaskan variabel penjualan payung
menjelaskan variabel penjualan payung

Variance
670.4791
148.0417

F P-value F crit
196.455 3.226E-18 4.051749
 1 menganalisis harga minyak (US$/ ton) terhadap jumlah produksi minyak (juta ton)
Tahun Produksi Harga
1997 4.54 271
1998 4.53 319
1999 5.03 411
2000 6.05 348
2001 6.09 287
2002 6.14 330
2003 6.37 383
2004 7.4 384
2005 7.22 472
2006 7.81 610
2007 8.49 640

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.980121384774201
R Square 0.960637928891697
Adjusted R Square 0.950797411114621
Standard Error 0.7356823212088
Observations 11

ANOVA
df SS MS F
Regression 2 105.6701721781 52.8350860890433 97.620669019
Residual 8 4.329827821913 0.541228477739168
Total 10 110

Coefficients Standard Error t Stat P-value

Intercept 1986.50170801827 1.172287434401 1694.55173682177 1.647309E-23
X Variable 1 2.2623814753521 0.299755753165 7.54741635969353 6.62432E-05
X Variable 2 0.0028868898790626 0.003191546944 0.904542508508254 0.3921327474

RESIDUAL OUTPUT

Observation Predicted Y Residuals Standard Residuals

1 1997.5552670736 -0.5552670736 -0.843852629345212
2 1997.67121397304 0.328786026962 0.499663975294825
3 1999.06799857959 -0.06799857959 -0.103339064939301
4 2001.19375362207 -1.19375362207 -1.81417588160926
5 2001.10814859846 -0.10814859846 -0.164356007240366
 6 2001.34540393702 0.654596062975 0.994805266090611
7 2002.01875683995 0.981243160054 1.49121865857244
8 2004.35189664944 -0.35189664944 -0.534785740062636
9 2004.19871429323 0.801285706768 1.21773302013598
10 2005.931910167 0.068089833 0.103477744927851
11 2007.55693626661 -0.55693626661 -0.846389341823898

Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
Rainfall 11 69.67 6.33363636363636 1.7100654545
Umbrellas 11 4455 405 15085

ANOVA
Source of Variation SS df MS F
Between Groups 874141.782222727 1 874141.782222727 115.88235983
Within Groups 150867.100654545 20 7543.35503272727

Total 1025008.88287727 21

2 Seorang peneliti ingin mengetahui apakah ada hubungan pengeluaran rumah tangga
dipengaruhi oleh pendapatan dan banyaknya anggota keluarga. Diambil data dari
tujuh RT sebagai berikut :
Pengeluaran Pendapatan Jlm. Keluarga
4 3 5
3 5 8
2 6 9
3 7 10
2 4 7
4 6 7
5 9 11

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.807060192207591
R Square 0.651346153846154
Adjusted R Square 0.47701923076923
Standard Error 0.804673846971554
Observations 7

ANOVA
df SS MS F
Regression 2 4.838571428571 2.41928571428571 3.7363485935
Residual 4 2.59 0.647500000000001
Total 6 7.428571428571

Coefficients Standard Error t Stat P-value

Intercept 4.58 1.513984808378 3.02512942973723 0.038966392
X Variable 1 1.17 0.433330128193 2.70001997063577 0.0540932034
X Variable 2 -0.98 0.420693871281 -2.32948485086341 0.0802973943

RESIDUAL OUTPUT

Observation Predicted Y Residuals Standard Residuals

1 3.19
2 2.59
3 2.78
4 2.97
5 2.4
6 4.74
7 4.33
0.81 1.23285148331937
0.41 0.624035936001165
-0.78 -1.18719031727051
0.03 0.0456611660488701
-0.4 -0.608815547318208
-0.74 -1.12630876253869
0.67 1.019766041758

Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
Rainfall 7 40 5.71428571428571 3.9047619048
Umbrellas 7 57 8.14285714285714 4.1428571429

ANOVA
Source of Variation SS df MS F
Between Groups 20.6428571428571 1 20.6428571428571 5.1301775148
Within Groups 48.2857142857143 12 4.02380952380952

Total 68.9285714285714 13

3 Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh makanan ikan (tiap hari dalam
 dan panjang ikan (mm) terhadap berat ikan (kg) di Desa Tani Tambak Raya Sejahtera. Data sebagai
Berat Ikan (kg) Makanan Ikan Panjang ikan (mm)
37 8 37
41 10 41
34 7 34
39 12 39
40 9 40
42 10 42
38 7 38
42 8 42
40 11 40
36 8 36
41 10 41
38 8 38

SUMMARY OUTPUT

Regression Statistics
Multiple R 1
R Square 1
Adjusted R Square 1
Standard Error 5.6169076751869E-16
Observations 12

ANOVA
df SS MS F
Regression 2 68 34 1.077666E+32
Residual 9 2.83946866E-30 3.154965183157E-31
Total 11 68

Coefficients Standard Error t Stat P-value

Intercept -7.105427357601E-15 2.72946194E-15 -2.60323372235115 0.0285862153
X Variable 1 5.4086318665874E-17 1.27102094E-16 0.425534443413892 0.680441711
X Variable 2 1 8.15600087E-17 1.226091089885E+16 8.13142E-142

RESIDUAL OUTPUT

Observation Predicted Y Residuals Standard Residuals

1 37 0 65535
2 41 0 65535
3 34 0 65535
 4 39 0 65535
5 40 0 65535
6 42 0 65535
7 38 0 65535
8 42 0 65535
9 40 0 65535
10 36 0 65535
11 41 0 65535
12 38 0 65535

Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
Rainfall 12 108 9 2.5454545455
Umbrellas 12 468 39 6.1818181818

ANOVA
Source of Variation SS df MS F
Between Groups 5400 1 5400 1237.5
Within Groups 96 22 4.36363636363636

Total 5496 23
nyak (juta ton)

Significance F
2.40055558357698E-06

Lower 95% Upper 95% Lower 95,0% Upper 95,0%

1983.7984083469 1989.205 1983.7984083469 1989.2050077
1.57114346900166 2.953619 1.57114346900166 2.9536194817
-0.00447283057230264 0.010247 -0.0044728305723026 0.0102466103

PROBABILITY OUTPUT

Percentile Y
4.54545454545455 1997
13.6363636363636 1998
22.7272727272727 1999
31.8181818181818 2000
40.9090909090909 2001
 50 2002
59.0909090909091 2003
68.1818181818182 2004
77.2727272727273 2005
86.3636363636364 2006
95.4545454545455 2007

P-value F crit
9.03424641235909E-10 4.351244

ran rumah tangga

mbil data dari
 Significance F
0.12155950443787

Lower 95% Upper 95% Lower 95,0% Upper 95,0%

0.376504289434503 8.783496 0.376504289434503 8.7834957106
-0.0331173133569509 2.373117 -0.0331173133569509 2.3731173134
-2.14803343970464 0.188033 -2.14803343970464 0.1880334397

PROBABILITY OUTPUT

Percentile Y
7.14285714285714 2
21.4285714285714 2
35.7142857142857 3
50 3
64.2857142857143 4
78.5714285714286 4
92.8571428571429 5

P-value F crit
0.0428235948085981 4.747225

uh makanan ikan (tiap hari dalam seminggu)

bak Raya Sejahtera. Data sebagai berikut:

Significance F
6.212648095067E-142

Lower 95% Upper 95% Lower 95,0% Upper 95,0%

-1.3279899228387E-14 -9.31E-16 -1.327989922839E-14 -9.309555E-16
-2.3343859282616E-16 3.416E-16 -2.334385928262E-16 3.4161123E-16
1 1 1 1

PROBABILITY OUTPUT

Percentile Y
4.16666666666667 34
#NUM! 36
20.8333333333333 37
 29.1666666666667 38
37.5 38
45.8333333333333 39
54.1666666666667 40
62.5 40
70.8333333333333 41
79.1666666666667 41
87.5 42
95.8333333333333 42

P-value F crit
7.83015163019564E-21 4.30095
 Normal Probability Plot
1.2
50
1 40
30
0.8 20
Y

10
0.6 0
0.4 0 20 40 60 80 100 120
Sample Percentile
0.2

0
0.8 1 1.2 1.4 1.6 1.8 2