Nama : Dzulkifli Sulaiman

Nim : 2261201158
Kelas : 4B3
Matkul : Teknik Pengolahan Data

A. DIAGRAM BATANG
Indeks prestasi Mahasiswa berdasarkan partisipasi kelas semester ganjil 2018
4

3.5

2.5

1.5

0.5

0
A B C D E F G H I J

B. DIAGRAM GARIS
Indeks prestasi Mahasiswa berdasarkan partisipasi kelas semester ganjil 2018

4
DIAGRAM GARIS
3.5
3
2.5
2
1.5
1
0.5
0
A B C D E F
C. DIAGRAM LINGKARAN

J; 3 A; 2.5

B; 2.8
I; 3.2

C; 2.9
H; 3.4

D; 3
G; 3.2
E; 3.1
F; 3.5

D. DIAGRAM GAMBAR

No Nama Ip Mahasiswa
1 A
,
2 B
,
3 C
,
4 D

5 E
,
6 F
,
7 G
,
8 H
,
9 I
,
10 J

Keterangan : = 1 Angka
Jawaban No 2.
a. Persamaan Regresi Linear Berganda

Tabel autput model coeffissient

Model B
( costant ) 1057,952
TR 1,446
TRADE -,122
AK -8,246
IVA 2,067

y = a + b1X1 + b2X2 + b3X3 + b4X4 y = 1057,957 + 1,446 x1 + ( -0,122

) x2 + ( - 8,246 ) x3 + 2,067 x4

Jadi, ketika Nilai x1 terjadi peningkatan 1 satuan, maka akan

mempengaruhi nilai y
sebesar 1,446 dan begitupun seterusnya.

b. Koefisien Korelasi

Tabel output model Summary

Model R R square Adj R square
1 0,999R 0,999 0,999

Besarnya Nilai Korelasi / hubungan ( R ) yaitu sebesar 0,463

c. Koefisien Determinasi
Tabel output model Summary
Model R R square Adj R square
1 0,999R 0,999 0,999
  Dari R square ( 0,999 ) tersebut dapat diperoleh koefisien
Determinasi Linear ( R2 ) sebesar 0,999

 Adj R square = 0,999 – 0,999 x 100 % = 99,9 %

= 100 = 0,1 %
99,9
 Besarnya Kontribusi X1 dan X2 terhadap y adalah 99,9 %
 Sedangkan 0,1 % adalah faktor – faktor lain yang tidak di teliti

d. Uji Hipotesis ( uji T dan uji F )

 T tabel = ( a/4 : n- k – 1 )
= ( 0,05 / 4 : 10 – 4 – 1 )
= 0,0125 : 5 )
= 4,773 diskulasi nilai T tabel

Output tabel model coefficcient

10, 196 > 4,773 0,000 < 0,05 ( diterima ) -2, 737
<
4,773 0,011 > 0,05 ( ditolak ) -1, 868 < 4,773
0,011 > 0,05
( diterima ) 18, 075 > 4,773 0,000 < 0,05 ( ditolak )

 F tabel = ( K : n – k )
= 4 : 10 – 4
=4:6
= 4,53 diskulasi nilai F tabel

Output tabel model Anova  5,773E3 > 4,53 0,000 <

0,05

Interpretasi Nilai F
 Berdasarkan tbael output model Anova diketahui Nilai F hitung
5, 773E3
> 4,53 F tabel, maka hipotesis di terima
  Karena Nilai sig 0,000 < 0,05, maka dapat disimpulkan hipotesis
diterima

e.Interpretasikan dalam bentuk uraian  Interpretasi nilai T

• Berdasarkan tabel output coefficient diketahui nilai
t hitung variabel TR ( X1 ) adalah sebesar 13, 19.
Karena nilai t hitung 13,196 > t tabel 4,773
Maka dapat di simpulkan H1 di terima
• Berdasarkan tabel output coefficcient di ketahui
nilai t hitung variabel TRADE ( X2 )adalah sebesar -
2,737. Karena nilai t hitung -2,737 < t tabel 4,773
Maka dapat di simpulkan H2 di tolak.
• Karena nilai t hitung AK ( X3 ) -1,868 < t tabel
4,773 Maka dapat di simpulkan H3 di tolak
• Karena nilai t hitung IVA ( X4 ) 18,075 > t tabel
4,773 Maka dapat disimpulkan H4 di terima

 Interpretasi Nilai sig

Karena nilai Sig TR ( X1 ) 0,000 < profabilitas
0,05 Maka dapat disimpulkan H1 diterima

1. Uraikan fungsi dari uji asumsi klasik (uji prasyarat) dalam analisis data
sebuah penelitian: Uji normalitas
• Uji heterokedastisitas
• Uji autokorelasi
• Uji multikolinieritas

Jawaban No 3.
Dalam analisis data penelitian, uji asumsi klasik (uji prasyarat)
digunakan untuk memastikan bahwa data memenuhi asumsi-asumsi
tertentu agar hasil analisis regresi menjadi valid dan reliabel.

a. Uji Normalitas
Fungsi : Memeriksa apakah data residual (error) dari model regresi
terdistribusi secara normal. Normalitas residual penting untuk validitas
inferensial statistik, terutama dalam uji hipotesis dan pembuatan interval
kepercayaan.
b. Uji Heteroskedastisitas
Fungsi : Menguji apakah varians residual konstan pada berbagai tingkat
variabel independen. Heteroskedastisitas dapat menyebabkan estimasi
parameter yang tidak efisien dan kesalahan standar yang tidak akurat,
sehingga uji ini membantu memastikan homogenitas varians.
c. Uji Autokorelasi
Fungsi : Menguji apakah ada korelasi antar residual dalam model
regresi, terutama dalam data time series. Autokorelasi positif atau negatif
dapat mengindikasikan pelanggaran asumsi independensi residual yang
dapat mempengaruhi estimasi dan prediksi model. d. Uji Multikolinieritas
Fungsi : Menguji apakah terdapat korelasi tinggi antar variabel
independen dalam model. Multikolinieritas dapat menyebabkan kesulitan
dalam mengestimasi koefisien regresi dengan tepat dan
menginterpretasikan efek masing-masing variabel independen