Tugas Statistika Regresi Linier
Tugas Statistika Regresi Linier
Pada Histogram diatas terlihat menyerupai lonceng, Sehingga dapat diasumsikan bahwa
data tersebut berdistribusi normal.
Pada P-P Plot diatas terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti
arah garis diagonal, Sehingga dapat diasumsikan bahwa data tersebut berdistribusi
normal.
Menampilkan P-P Plot menggunakan Data Residual
Pada P-P Plot menggunakan data residual diatas terlihat titik-titik menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal, Sehingga dapat diasumsikan bahwa data tersebut
berdistribusi normal.
Menampilkan Q-Q Plot menggunakan Data Residual
Pada Q-Q Plot menggunakan Data Residual diatas terlihat titik-titik menyebar disekitar
garis diagonal dan mengikuti arah garis diagonal, Sehingga dapat diasumsikan bahwa
data tersebut berdistribusi normal.
Model Summaryb
Adjusted R Std. Error of
Square the Estimate
Model R R Square
b. Dependent Variable: Y
ANOVAa
Total 433649382,875 31
a. Dependent Variable: Y
Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
X1 2812,565 920,905 ,614 3,054 ,005 ,807 ,500 ,268 ,191 5,246
X2 77,417 121,984 ,126 ,635 ,531 ,738 ,119 ,056 ,195 5,141
X3 391,547 94,634 ,373 4,137 ,000 ,525 ,616 ,363 ,949 1,053
a. Dependent Variable: Y
Model X3 X2 X1
a. Dependent Variable: Y
Pada gambar diatas terlihat titik-titik menyebar secara acak (tidak membentuk pola
tertentu). Sehingga dapat diasumsikan tidak terjadi Heteroskedastisitas, Asumsinya
terpenuhi.
Coefficientsa
Standardized
Coefficients
Unstandardized Coefficients
Model Summaryb
Adjusted R Std. Error of the
Square Estimate
Model R R Square Durbin-Watson
b. Dependent Variable: Y
n = 32 dL = 1,243
d = 1,671 dU = 1,650
4 – dL = 4 – 1,243 = 2,757
4 – dU = 4 – 1,650 = 2,35
Pada P-P Plot menggunakan data residual diatas terlihat titik-titik menyebar disekitar
garis diagonal dan mengikuti arah garis diagonal, Sehingga dapat diasumsikan bahwa
data tersebut berdistribusi normal.
Menampilkan Q-Q Plot menggunakan Data Residual
Pada Q-Q Plot menggunakan Data Residual diatas terlihat titik-titik menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal, Sehingga dapat
diasumsikan bahwa data tersebut berdistribusi normal.
N 24
Normal Parametersa,b Mean ,0000000
Std. Deviation ,93250481
Most Extreme Differences Absolute ,148
Positive ,148
Negative -,065
Test Statistic ,148
Asymp. Sig. (2-tailed) ,185c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
P- value = 0,185α = 5% = 0,05
p – value > α
b. Dependent Variable: Y
ANOVAa
Sum of
Squares
Model df Mean Square F Sig.
Total 1282,958 23
a. Dependent Variable: Y
Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Correlations
Zero- Toleran
order ce
Model B Std. Error Beta t Sig. Partial Part VIF
)
X1 ,181 ,581 ,078 ,312 ,758 ,658 ,070 ,041 ,276 3,627
X2 2,023 ,571 ,751 3,544 ,002 ,808 ,621 ,465 ,383 2,608
X3 -,015 ,540 -,006 -,027 ,978 ,560 -,006 -,004 ,382 2,616
a. Dependent Variable: Y
Model Summaryb
Adjusted R Std. Error of the
Square Estimate
Model R R Square Durbin-Watson
b. Dependent Variable: Y
n = 24 dL = 1,101
d = 1,943 dU = 1,656
4 – dL = 4 – 1,101 = 2,899S
4 – dU = 4 – 1,656 = 2,344
Hasil = dU < d < 4 – dU
= 1,656 < 1,943 < 2,344
Kesimpuan : Tidak terjadi autokorelasi (Asumsi terpenuhi).
Mendeteksi terjadinya Autokorelasi secara grafik
ANOVAa
Total 433649382,875 31
a. Dependent Variable: Y
Dari output di atas diperoleh Fhitung > Ftabel atau p – value sebesar 0,000 < α yaitu 0,05,
Sehingga dapat disimpulkan bahwa menolak H0 yang dimana terdapat pengaruh antara
variabel X1, X2, dan X3 terhadap variabel Y.
Pengujian secara parsial
Coefficientsa
Standardized
Coefficients
a. Dependent Variable: Y
Model Summary
Adjusted R Std. Error of the
Square Estimate
Model R R Square
Dari tabel diatas diperoleh koefisien determinasi dengan nilai R Square (R 2) sebesar 0,784.
Artinya sebesar 78,4% variabel Y disebabkan oleh variabel X 1, X2, dan X3, Sedangkan
sisanya sebesar 21,6% disebabkan oleh variabel lain yang tidak dimasukkan dalam model.
Model Regresi
Y = b0 + b1X1 + b2X2
Y = 7026,584+2812,565X1+77,417X2+391,547X3
ANOVAa
Total 1282,958 23
a. Dependent Variable: Y
Dari output di atas diperoleh Fhitung > F tabel atau p – value sebesar 0,000 < α yaitu 0,05,
Sehingga dapat disimpulkan bahwa menolak H0 yang dimana terdapat pengaruh antara
variabel X1, X2, dan X3 terhadap variabel Y.
Coefficientsa
Standardized
Coefficients
Unstandardized Coefficients
a. Dependent Variable: Y
Koefisien Determinasi
Model Summary
Adjusted R Std. Error of the
Square Estimate
Model R R Square
Dari tabel diatas diperoleh koefisien determinasi dengan nilai R Square (R 2) sebesar 0,655.
Artinya sebesar 65,5% variabel Y disebabkan oleh variabel X 1, X2, dan X3, Sedangkan
sisanya sebesar 34,5% disebabkan oleh variabel lain yang tidak dimasukkan dalam model.
Model Regresi
Y = b0 + b1X1 + b2X2
Y = 14,311+0,181X1+2,023X2+0,15X3