NOMOR 6

Output bagian pertama (Variabel Entered/Removed)

: Tabel diatas menjelaskan tentang variabel yang dimasukkan serta metode yang digunakan. Dalam
hal ini variabel yang dimasukkan adalah variabel Attend sebagai variabel Independen dan Travel,
Children, dan Income sebagai variabel Dependen, dan metode yang digunakan adalah metode Enter.

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .907a .824 .790 1.032

a. Predictors: (Constant), Income, Travel, Children

b. Dependent Variable: Attend

Output bagian kedua (Model Summary)

: Tabel diatas menjelaskan besarnya nilai korelasi atau hubungan (R) yaitu sebesar 0,907. Dari output
tersebut diperoleh koefisien determinasi (R Square) sebesar 0,824, yang mengandung pengertian
bahwa pengaruh variabel bebas (Attend) terhadap variabel terikat (Travel, Children, dan Income)
adalah sebesar 82,4%

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 79.510 3 26.503 24.885 .000b

Residual 17.040 16 1.065

Total 96.550 19

a. Dependent Variable: Attend

b. Predictors: (Constant), Income, Travel, Children

Output bagain ketiga (Anova)

: Dari output tersebut diketahui bahwa nilai F hitung sama dengan 24.885 dengan tingkat signifikansi
sebesar 0,000<0,05, maka model regresi dapat dipakai untuk memprediksi variabel Attend (Y) atau
dengan kata lain ada pengaruh variabel Travel, Children, dan Income (X) terhadap variabel Attend
(Y).

Output bagian keempat (Coefficients)

: Diketahui nilai constant (a) sebesar 5,221 sedang nilai koefisien regresi (b1) sebesar -0,607 (b2)
1,184 (b3) -0,043

Y=a+Bx

Y= 5,221-0.607x1 + 1,184x2 - 0,043x3

Konstanta sebesar 5,221 mengandung arti bahwa nilai konsisten variabel Attend sebesar 5,221

Koefisien regresi x1 sebesar -0,607 x2 sebesar 1,184 dan x3 sebesar -0,043 menyatakan bahwa
setiap penambahan satu persen nilai Travel, Children, Income maka nilai Attend bertambah sebesar
x1 sebesar -0,607 x2 sebesar 1,184 dan x3 sebesar -0,043. Koefisien regresi tersebut bernilai positif
dan negatif, sehingga dapat dikatakan bahwa arah pengaruh variabel X terhadap Y adalah negatif.

NOMOR 4

Sebuah perusahaan teknik kecil telah memantau total biayanya selama beberapa waktu terakhir

tahun setiap triwulan bersama dengan jumlah karyawan dan produksi tingkat. Untuk membantu
perusahaan mengevaluasi alternatif strategis dan operasional pilihan, data telah dimasukkan melalui
paket komputer untuk mengembangkan kelipatan model regresi bentuk

Biaya = a + b1Karyawan + b2Produksi

Hasil regresi ditunjukkan pada Tabel 10.18.

Anda diminta untuk memberikan laporan singkat kepada pimpinan perusahaan yang menjelaskan
prinsip regresi dalam konteks ini dan evaluasi hasilnya.
dalam hal potensi kegunaannya dalam pengambilan keputusan.

Berdasarkan nilai signifikansi:

Coefficient Std.eror t Value

CONSTANT 63,75 13,7861 4,6242
Employees 4,02926 0,8587 4,6923
Production 0,04714 0,0057 8,2702

Menghitung Signifikansi

n=24

df=n-2

=24-2

=22

Sehingga t table 22 di 0,05 adalah sebesar 2,074

Ketika dibandingkan t value vs t table

Coefficient Std.eror t Value vs t tabel Keterangan

CONSTANT 63,75 13,7861 4,6242 >2,074 Tidak signifikan
Employees 4,02926 0,8587 4,6923 >2,074 Tidak signifikan
Production 0,04714 0,0057 8,2702 >2,074 Tidak signifikan

Konstanta sebesar 63,75 mengandung arti bahwa nilai konsisten variabel Cost sebesar 63,75

Koefisien regresi x1 sebesar 4,02926, x2 sebesar 0,04714 menyatakan bahwa setiap penambahan
satu persen nilai Employees dan Production maka nilai Cost bertambah sebesar x1 sebesar 4,02926,
x2 sebesar 0,04714. Koefisien regresi tersebut bernilai positif, sehingga dapat dikatakan bahwa arah
pengaruh variabel X terhadap Y adalah positif.
Y=a+Bx

Y= 63,75+ 4,02926 x1 + 0,04714 x2