LAPORAN PRAKTIKUM

STATISTIKA PROBABILITAS
PERTEMUAN KE -12

Dosen Pengampu: Primadani Arsi,M.Kom.

Disusun oleh:
Dzikri riandri pratama
21SA1075
IF21B

PRODI INFORMATIKA
FAKULTAS ILMU KOMPUTER
UNIVERSITAS AMIKOM PURWOKERTO
2023
 REGRESION
A. PRAKTEK
Diketahui data mengenai variabel jumlah barang yang ditawarkan (Y), harga barang
(X ) dan budget (X ) sebagai berikut :
1 2

Y X1 X 2

4 8 0.7
4 7 0.5
8 9 1.5
1 2 0.3
9 11 1.3
2 1 0.4
3 4 0.6
8 8 1.6
6 4 1.2
5 6 1.5
a. Buatlah persamaan regresinya menjadi Y = a + b X + b X !
1 1 2 2

b. Jelaskan bagaimana nilai R !2

c. Jelaskan arti uji keseluruhan (uji F) dan uji parsial (uji t) !

Langkah langkah penyelesaiaan dengan SPSS:

melakukan uji Regresi dengan cara seperti berikut :

1. Klik Analyze - Regression - Linier
2. Masukkan variabel Y ke dalam kotak Dependent
3. Masukkan variabel X1 dan X2 ke dalam kotak Independent
4. Abaikan pilihan yang lain, klik OK

Maka Hasilnya adalah sebagai berikut:

a.output untuk model summary.
Keterangan:
Multiple R
Merupakan koefisien korelasi berganda, yaitu sebuah nilai untuk mengukur keeratan hubungan
antara variabel respon (Y) dengan semua variabel penjelas (X1 dan X2). Merupakan akar dari
koefisien Determinasi (R ).
2

R Square (R ) 2

Disebut koefisien determinasi, nilai ini digunakan untuk melihat sampai sejauh mana model
yang terbentuk dapat menerangkan dan kondisi yang sebenarnya. R diintrepetasikan besaran
2

proporsi dari keragaman Y yang diterangkan oleh model regresi atau untuk mengukur besarnya
sumbangan variabel X terhadap keragaman variabel Y.
R2=Sum of Squares RegressionSum of Squares Total
Adjusted R Square
Merupakan R yang disesuaikan yang mererjemahkan nilai statistik yang berusaha mengoreksi
2

R square untuk lebih mendekati ketepatan model dalam populasi.

AdjustedR2=R2-P(1-R2)N-P-1
P (jumlah variabel bebas); N (jumlah sampel)

B.Output ANOVA

Keterangan:
1.Model yang dikatakan dikatakan baik jika kemampuan menjelaskan keragaman yang
terjadi pada variabel Y yang berasal dari model > di luar model.
2.Mean Square
Mean Square=Sum of Squaresdf
3.Uji F
F=Mean Squares RegressionMean Squares Residual
4.Model dikatakan signifikan jika F hitung > F tabel atau nilai Sig. F < α.
c.Output Coefficients

Kesimpulan
Berdasarkan hasil output SPSS maka dapat disimpulkan :
-Persamaan regresi untuk data diatas adalah : Y = -0,345 + 0,390 X + 3,128 X
1 2

-Nilai R sebesar 0,901.

2

Artinya 90,1 persen variabel Y dapat dijelaskan oleh variasi variabel X dan X ,
1 2

sedangkan sisanya 9,9 persen dijelaskan oleh variabel lain yang tidak dimasukkan
dalam model.
-Nilai uji F sebesar 31,863 dengan Sig. F sebesar 0,000 sehingga uji F signifikan.
Artinya variabel X dan X secara bersama-sama berpengaruh terhadap variabel Y.
1 2

-Nilai uji t untuk X sebesar 2,990 dengan Sig. t sebesar 0,020 sehingga t signifikan.
1 1 1

Artinya variabel X berpengaruh secara parsial terhadap Y.

1

-Nilai uji t untuk X sebesar 3,810 dengan Sig. t sebesar 0,007 sehingga t signifikan.
2 2 2

Artinya variabel X berpengaruh secara parsial terhadap Y

2

B. LATIHAN

X Y
80 70
100 65
120 90
140 95
160 110
180 115
200 120
220 140
240 155
260 150
Hasil penyelesaian dengan SPSS: