02

UTS
ANALISIS REGRESI

NO. ABSEN 01
MISRA AYU NURHAENI
230112500002

UNIVERSITAS NEGERI MAKASSAR

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PROGRAM STUDI STATISTIKA
2023/2024
DATA
 Kehadiran (X) Nilai UAS (Y)
60 65
71 70
82 75
90 85
92 90

1. a. Tentukan Koefisien Korelasi r.

b. Ujilah pada taraf signifikan a=5 %. Hipotesis H 0 : p=0 melawan H 1: p ≠ 0.

Jawab :

x y x
2
y
2
X.Y
60 65 3.600 4.225 3.900
71 70 5.041 4.900 4.970
82 75 6.724 5.625 6.150
90 85 8.100 7.225 7.650
92 90 8.464 8.100 8.280
395 385 31.929 30.075 30.950

a. r = n ∑ Xi .Yi−¿ ¿ ¿
i=1

5 (30.950 )−( 395 ) ( 385 )

r=
√¿¿¿

154.750−152.075
r = [ 159.645−156.025 ][ 150.375−148.225 ]
√

2.675
r = [ 3.620 ] [2.150]
√

2.675
r = 7.783 .000
√

2.675
r = 2.789 ,80

r = 0 , 96

b. H 0 : ρ=0 (tidak ada korelasi antara dua variabel)

 H 1 : ρ≠ 0 (ada korelaasi antara dua variabel)

Statistik t dapat dihitung :

r √ n−2
t=
√ 1−r 2

0 , 96 √ 5−2
t=
√ 1−0 , 96 2

0 , 96 √ 3
t=
√1−0 , 972
0 , 96 .1 , 73
t=
√1−0 , 92

1, 67
t=
√ 0 ,08

1 ,67
t = 0 ,28 =¿ 5,96 ≈ 6

t hit > t tab =t 6 >t 3,182

Sehingga kita dapat menolak hipotesis nol H 0 : ρ=0 dan Menerima Hipotesis alternatif
H 1 : ρ≠ 0 . ini berarti ada bukti yang cukup untuk mengatakan bahwa korelasi antara dua
variabel tersebut signifikan secara statistik pada tingkat signifikansi α = 5%.

2. a. Tuliskan model Regresinya dan persamaan taksiran/ dugaan regresinya, serta sketsa
grafiknya.
b. Dengan menggunakan analisis regresi linier sederhana, dugalah koefisien parameter
β (β 0 dan β1 ) dengan metode matriks.
c. Buatlah tabel AN0VA-nya, dan interprestasikan model regresinya pada taraf
signifikansi.
d. Apakah ada pengaruh kehadiran (X) terhadap nilai UAS (Y)? Ujilah pada taraf
signifikansi.

Jawab :
a.
 Model Regresi Linier :
y=β 0+ β 1 x +ε
  Persamaan taksiran/ dugaan regresinya :
^y ¿ b 0+ b 1 x

 Sketsa grafiknya :

b. Menduga koefisien parameter β (β 0 dan β1 ) dengan metode matriks.

DATA
x y x
2
y
2
X.Y
60 65 3.600 4.225 3.900
71 70 5.041 4.900 4.970
82 75 6.724 5.625 6.150
90 85 8.100 7.225 7.650
92 90 8.464 8.100 8.280
395 385 31.929 30.075 30.950

Model Regresi Linear dalam notasi matriks :

[] [] []
65 60
70 71
Y = 75 X = β
82 β= 0
β1
85 90
90 92

Notasi Matriks pada Regresi Linear Sederhana :

x '=
[
1 1 1 1 1
60 71 82 90 92 ]
 '
x x=
[∑ n
xi
∑ xi = 5
∑ xi2 395] [ 395
31.929 ]

b=¿

b=
[−0,1091160220994475 0,0013812154696133 ] [30950 ]
8,820165745856354 −0,1091160220994475 385

b=
[3.395,763812154696+
−42,00966850828729+¿ 42,74861878453039 ]
¿−3.377,140883977901

b=
[180 ,,7462]
c. Tabel ANOVA
α =0.05

SK JK db KT F hit f tabel
R 1 KTR f 0 ,05 1 ,3=10,13
(∑ x)(∑ y) JKR KTG
b (∑ xy)−
n dbk −7.512
¿ =3
−2.504
395. 385 −7.512
¿ 0 , 74 ( 30.950 ) − =−7.512
5 1

152.075
¿ 22.903−
5

¿ 22.903−(30415)

¿−7.512

G JKT−JKR n−k
430−(−7.512 )=7.942 5−2=3
 T 2
∑ y −¿ ¿ n−1
¿ 30075−¿ ¿ 5−1=4 JKG
148225 dbG
¿ 30075−
5
−7.512
¿ 30075−296453 ¿
3
¿ 430
¿−2.504

d. H 0 : β=0 (tidak ada pengaruh kehadiran(X) terhadap nilai UAS (Y)

H 1 : β ≠ 0 (ada pengaruh kehadiran(X) terhadap nilai UAS (Y)

t hit =√ Fhit

t hit =√ 3=1,732

t tab >t hit =t 3,182>t 1,732

Sehingga kita dapat menerima Hipotesis H 0 : β=0 . ini berarti tidak ada bukti yang cukup
untuk mengatakan bahwa adanya pengaruh antara kehadiran(X) terhadap nilai UAS (Y)
pada tingkat signifikansi α = 5%.
Syntax R Studio
1.

2.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 18.623 10.095 1.845 0.162
X 0.739 0.126 0.959 5.850 0.010
a. Dependent Variable: Y
 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 395.338 1 395.338 34.217 0.010b
Residual 34.662 3 11.554
Total 430.000 4
a. Dependent Variable: Y
b. Predictors: (Constant), X