NPM : 195000264
Prodi : Ekonomi Manajemen
Soal No. 1
PERSAMAAN REGRESI
Y = a+bx
Dimana : Y = Pengeluaran
a = Konstanta
x = Pendapatan
a
Variables Entered/Removed
Model Variables Entered Variables Removed Method
b
1 PENDAPATAN . Enter
a. Dependent Variable: PENGELUARAN
b. All requested variables entered.
Model Summary
Model R R Square Adjusted R Square Std. Error of the
Estimate
1 .857a .734 .707 6.603
a. Predictors: (Constant), PENDAPATAN
Output Bagian Kedua (Model Summary) : Tabel di atas menjelaskan besarnya nilai
korelasi / hubungan (R) yaitu sebesar 0,857. Dari output tersebut diperoleh koefisien
determinasi (R Square) sebesar 0,734. Yang artinya variabel Pendapatan dapat
menjelaskan sebesar 73,4% variabel Pengeluaran, sisanya 26,6% dijelaskan oleh
variabel lain.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
b
1202.192 1 1202.192 27.570 .000
Regression
1
Residual 436.058 10 43.606
Total 1638.250 11
a. Dependent Variable: PENGELUARAN
b. Predictors: (Constant), PENDAPATAN
Output Bagian Ketiga (ANOVA) : Dari output tersebut dapat diketahui bahwa nilai F
hitung = 27,570 dengan tingkat signifikansi sebesar 0,000 < 0,05, maka model
regresi dapat dipakai untuk memprediksi variabel Pengeluaran atau dengan kata lain
ada pengaruh variabel Pendapatan atau dengan kata lain ada pengaruh Variabel
Pendapatan (X) terhadap variabel Pengeluaran (Y)
a
Coefficients
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 8.493 10.040 .846 .417
1
PENDAPATAN .744 .142 .857 5.251 .000
a. Dependent Variable: PENGELUARAN
Output Bagian Keempat (Coefficients) : Diketahui nilai Constant (a) sebesar 8,493,
sedang nilai Pendapatan (b/koefisien regresi) sebesar 0,744 sehingga persamaan
regresinya dapat ditulis :
Y = a + bX
Y = 8,493 + 0,744X
Berdasarkan nilai t : diketahui nilai thitung sebesar 5,521 > ttabel 2,22814,
sehingga dapat disimpulkan bahwa Variabel Pendapat (X) berpengaruh
terhadap Variabel Pengeluaran (Y).
Mencari ttabel
= (0,05/2 : 12-1-1)
= (0,025 ; 10)
= 2,22814
Soal No. 2
A. PERSAMAAN REGRESI
Y= a + b1X1 + b2X2 + e
Dimana :
Y = Pengeluaran
a = konstanta
b1 b2 = Koefisien Regresi Variabel Bebas
X1 = Pendapatan
X2 = Jumlah Anggota Keluarga
HISTOGRAM
Interpretasi :
Hasil dalam uji normalitas histogram menghasilkan bentuk kurva menggunung maka
dapat dikatakan bahwa pola tersebut normal.
P- PLOT
Interpretasi :
Hasil dalam uji normalitas P-Plot menghasilkan garis diagonal maka dapat dikatakan
bahwa terdistribusi normal.
Unstandardized
Residual
N 12
Positive .208
Negative -.159
Kolmogorov-Smirnov Z .719
Interpretasi:
Jika nilai Asymp. Sig. Lebih besar (>) dari 0.05, maka dapat disimpulkan bahwa
residual menyebar normal begitupun sebaliknya.dari hasil uji normalitas metode
Kolmogorov-Smirnov di dapatkan hasil 0.679, yang artinya terdistribusi normal.
2. Multikolinearitas
Bertujuan untuk menguji apakah model regresi di temukan adanya korelasi antar
variabel bebas (independen).
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
jumlah anggota
4.033 1.552 .419 2.598 .029 .650 1.537
keluarga
Syarat :
1. Jika nilai Tolerance > 0.10, artinya terjadi multikolinearitas
2. Jika nilai VIF < 10.00 artinya tidak terjadi multikolinearitas
Interpretasi :
Hasil dari uji Multikolinearitas untuk nilai Tolerance sebesar 0.650 dan nilai VIF
sebesar 1.537 yang artinya keduanya menunjukkan tidak terjadinya Multikolinearitas.
3. Uji Heteroskedastisitas
Bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari
residual satu pengamatan ke pengamatan yang lainnya.
Interpretasi :
Hasil dari uji heteroskdastisitas grafik scatterplot memperlihatkan bahwa titik-titik
menyebar secara acak serta tersebar baik diatas maupun dibawah pada angka 0
pada sumbu Y. Artinya tidak terjadi heteroskedastisitas pada model regresi sehingga
model terseut layak dipakai.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
4. Uji Autokolerasi
Bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya).
b
Model Summary
keterangan :
Simbol “k” pada tabel menunjukkan banyaknya variabel bebas (penjelas), tidak
termasuk variabel berikut.
Maka :
dU = 1.5794
4-dU = 4 – 1.5794
= 2.4206
d = 2.786
dL = 0.8122
Syarat :
1. Jika d lebih kecil dari dL atau lebih besar dari (4-dU), berarti terdapat
autokorelasi
3. Jika d terletak diantara dL dan d atau diantara (4-dU) dan (4-dL) maka tidak
menghasilkan kesimpulan pasti.
Interpretasi :
Berdasarkan tabel pembanding nilai dU = 1.5794 dan 4-dU = 2.4206, nilai d = 2.786
Terletak diantara (dL) 0.8122 < (d) 2.786 > (4-dU) 2.4206 yang artinya tidak terdapat
autokorelasi.
C. UJI HIPOTESIS
a. Uji t
- Apabila nilai sign < 0.05 atau nilai t hitung > t tabel, maka terdapat pengaruh
variabel X terhadap variabel Y (begitu sebaliknya).
= t (0.025 ; 12-2-1)
= t (0.025 ; 9)
= 2.262
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
jumlah anggota
4.033 1.552 .419 2.598 .029 .650 1.537
keluarga
Interpretasi :
- Pengaruh X1 terhadap Y
Diketahui nilai sign 0.004 < 0.05 dan nilai t hitung 3.779 > 2.262, sehingga
dapat ditarik kesimpulan bahwa H1 di terima yang artinya terdapat pengaruh
antara variabel X1 terhadap variabel Y
- Pengaruh X2 terhadap Y
Diketahui nilai sign 0.029 < 0.05 dan nilai t hitung 2.598 > 2.262, sehingga
dapat ditarik kesimpulan bahwa H2 di tera yang artinya terdapat pengaruh
antara variabel X1 terhadap variabel Y
b. Uji F
- Apabila nilai sign < 0.05 atau nilai F hitung > F tabel, maka terdapat pengaruh
variabel X terhadap variabel Y (begitu sebaliknya).
- F tabel = F (k ; n-k)
= F (2 ; 12-2)
= F (2 ; 10)
= 4.10
ANOVAb
ANOVAb
Total 1638.250 11
Interpretasi :
Diketahu nilai sign 0.000 < 0.05 dan nilai f hitung 25.085 > 4.10, sehingga dapat
disimpulkan bahwa H3 diterima, yang artinya terdapat pengaruh variabel X1 dan X2
terhadap Y
D. KOEFISIEN DETERMINASI
b
Model Summary
Interpretasi :
Diketahui nilai R Square 0.848 ataau 84.8% yang menunjukkan bahwa terdapat
pengaruh yang simultan antara variabel X1 dan X2 terhadap variabel Y sebesar
84.8% dan sisanya 15.2% dipengaruhi oleh variabel lain.