Yusi Afserinta - 92223029 - Tugas Analisa Output Regresi
Yusi Afserinta - 92223029 - Tugas Analisa Output Regresi
Descriptive Statistics
- Rata-rata permintaan minyak goreng (dengan jumlah data 10 buah) adalah 6,8 liter
dengan standar deviasi 2,4 liter
- Rata-rata harga minyak goreng (dengan jumlah data 10 buah) adalah Rp. 6.300,-
dengan standar deviasi Rp. 949,-
- Rata-rata pendapatan (dengan jumlah data 10 buah) adalah Rp. 4.600.000,- dengan
standar deviasi Rp.3.534.000,-
Correlations
Permintaan_Min Harga_Minyak_
yak_Goreng Goreng Pendapatan
Pearson Correlation Permintaan_Minyak_Goreng 1,000 -,931 -,951
Harga_Minyak_Goreng 10 10 10
Pendapatan 10 10 10
- Besar hubungan antara Variabel Permintaan Minyak Goreng dengan variable bebas :
Harga Minyak = 0,931 (tanda ‘-‘menunjukkan arah hubungan yang berlawanan)
Pendapatan = 0,951 (tanda ‘-‘menunjukkan arah hubungan yang berlawanan)
- Terjadi korelasi yang cukup kuat antara variable Harga Minyak dan Pendapatan
(korelasi antar variable tersebut di atas 0,5). Hal ini menandakan adanya
multikolinieritas atau korelasi di antara kedua variable tersebut.
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Pendapatan,
Harga_Minyak_ . Enter
b
Goreng
Tabel di atas menunjukkan variable yang dimasukkan adalah pendapatan dan harga minyak
goreng dan tidak ada variable yang dikeluarkan (removed). Hal ini disebabkan metode yang
dipakai adalah single step (enter) dan bukannya stepwise
Model Summaryb
Koefisien Determinasi :
- Untuk regresi yang hanya satu variable bebas, maka nilai koefisien determinasinya =
R Square
- Untuk regresi dengan lebih dari dua variable bebas, maka nilai koefisien
determinasinya = Adjusted R Square. Jadi dalam hal ini nilai koefisien determinasi =
0,914, yang berarti bahwa 91,4 % permintaan minyak goreng bisa dijelaskan oleh
variable biaya harga minyak goreng dan pendapatan, sedangkan sisanya ( 100 % -
91,4 % ) = 8,6 % dijelasikan oleh sebab sebab lain.
ANOVAa
Total 53,600 9
Dari table di atas (Uji Anova atau F test) didapat nilai F hitung adalah 48,906 dengan tingkat
signifikan 0,00 jauh lebih kecil dari 0,05 maka model regresi bisa dipakai untuk memprediksi
Permintaan minyak goreng.
- Ho: Tidak ada pengaruh yang signifikan secara Bersama-sama variable harga
minyak goreng dan pendapatan terhadap
- Ha: Ada pengaruh yang signifikan secara Bersama-sama variable harga minyak
goreng dan pendapatan terhadap
Dan df 2 (n-k-1) = 10-2-1 =7. Dimana n adalah jumlah kasus, dan k adalah jumlah
variable inde
1. Kriteria pengujian:
H0 diterima bila F hitung > dari F table
3. Kesimpulan
Karena nilai F hitung (48,906) > dari nilai F table (4,737), maka Ho ditolak, artinya
ada pengaruh yang signifikan variable independent (harga minyak goreng dan
pendapatan) terhadap variable dependen (permintaan minyak goreng)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
4. Penentuan t hitung
Berdasarkan table diperoleh t hitung untuk:
Harga minyak = 1,749
Pendapatan = 2,637
Tabel distribusi t dicari pada alpha 5 % : 2 = 2,5 % (uji dua sisi) dengan derajat
kebebasan (df) n-k-1 = 10-2-1= 7 Dimana n adalah jumlah kasus, dan k adalah
jumlah variable independen, hasil diperoleh untuk t table sebesar 2,365
5. Kriteria pengujian:
Ho diterima bila t hitung > dari t table
Ho ditolak bila t hitung ≤ t table
- Variabel pendapatan : t hitung (2,637) > t table (2,365), signifikan 0,034 < 0,05,
maka Ho ditolak, artinya variable pendapatan secara parsial berpengaruh signifikan
terhadap permintaan minyak goreng.
Gambar di atas adalah gambar dari normal probability plot. Terlihat bahwa sebaran
data pada chart di atas tersebar di sekeliling garis lurus, sehingga dapat dikatakan
bahwa persyaratan normalitas bisa dipenuhi
Gambar di atas menggambarkan hubungan antara nilai yang diprediksi dengan Studentized
Delete Residualnya (Persyaratan kelayakan model regresi/Model Fit). Dari gambar di atas
terlihat sebaran data ada di sekitar titik nol, serta tidak tampak adanya suatu pola tertentu
pada sebaran data tersebut, maka dapat dikatakn model regresi memenuhi syarat untuk
memprediksi sales.
Gambar di atas menggambarkan hubungan antara nilai variable permintaan minyak goreng
dengan nilai prediksinya (persyaratan model fit tiap data). Jika model memenuhi syarat,
maka sebaran data akan berada mulai dari kiri bawah lurus ke arah kanan atas. Terlihat
sebaran data di atas memang membentuk arah seperti disyaratkan, karena itu bisa
dikatakan model regresi sudah layak digunakan.