REGRESSION

/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10) CIN(95)
/NOORIGIN
/DEPENDENT Waktu_Dalam_Jam
/METHOD=ENTER Jumlah_Baju Jumlah_Benang_Wol
/SCATTERPLOT=(Waktu_Dalam_Jam ,*ZPRED)
/RESIDUALS DURBIN NORMPROB(ZRESID)
/SAVE ZPRED MCIN ZRESID.

Regression

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .681a .464 .374 .30185 1.936

a. Predictors: (Constant), Jumlah_Benang_Wol, Jumlah_Baju

b. Dependent Variable: Waktu_Dalam_Jam

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression .946 2 .473 5.191 .024b

1 Residual 1.093 12 .091

Total 2.039 14

a. Dependent Variable: Waktu_Dalam_Jam

b. Predictors: (Constant), Jumlah_Benang_Wol, Jumlah_Baju

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 1.743 .224 7.784 .000

1 Jumlah_Baju .095 .052 .473 1.839 .091

Jumlah_Benang_Wol .029 .026 .289 1.123 .283

a. Dependent Variable: Waktu_Dalam_Jam

 Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 1.9905 2.9378 2.4187 .25992 15

Std. Predicted Value -1.647 1.997 .000 1.000 15
Standard Error of Predicted
.088 .283 .125 .053 15
Value
Adjusted Predicted Value 1.7681 3.0702 2.3768 .32016 15
Residual -.30724 .69228 .00000 .27945 15
Std. Residual -1.018 2.293 .000 .926 15
Stud. Residual -1.074 2.397 .027 1.019 15
Deleted Residual -.37023 .93192 .04184 .39948 15
Stud. Deleted Residual -1.082 3.180 .090 1.165 15
Mahal. Distance .253 11.398 1.867 2.897 15
Cook's Distance .000 2.799 .228 .714 15
Centered Leverage Value .018 .814 .133 .207 15

a. Dependent Variable: Waktu_Dalam_Jam

Charts
Kesimpulan

Dari output diatas dapat diketahui :

 R-square sebesar 46,4%

 Variabel yang digunakan adalah X1 (Jumlah rajutan baju) dengan F sebesar 5,191 dan P

sig = 0,024

 Dengan pengujian hipotesis maka :

H0 : model regresi tidak layak digunakan

H1 : model regresi layak digunakan

Daerah kritis

H0 ditolak jika p value < 0,05.

Statistik uji

Pvalue = 0,024
Kesimpulan

Karena pvalue < 0,05 maka H0 ditolak sehingga model regresi layak digunakan.

Model regresi yang diperoleh yaitu :

Y = 1,743 + 0,095 X1 + 0,029 X2