ANALISIS REGRESI LINIER BERGANDA

PRAKTIKUM ANALISIS REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA

Hubungan Linier Jumlah

variabel
X >1
X Y
MODEL REGRESI LINIER BERGANDA

𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + … + 𝛽𝑘 𝑋𝑘 + 𝜀

Dengan Persamaan

𝑌෠ = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + … + 𝑏𝑘 𝑋𝑘
STUDI KASUS

MODUL HALAMAN 21
UJI OVERALL
 Hipotesis
H0 : β1 = β2 = 0 (Model tidak layak)
H1 : Ada βi ≠ 0 (Model layak)
 Tingkat Signifikasi
α = 5%
 Daerah Kritis
P-value ≤ α maka tolak H0
 Statistik Uji
P-Value =
 Keputusan
Karena nilai Sig. < 𝛼, maka keputusannya adalah tolak H0
 Kesimpulan
Dengan tingkat signifikansi 5% model persamaan layak digunakan.
UJI PARSIAL (X1 )
 Hipotesis
H0 : β1 = 0 (Koefisien regresi X1 tidak signifikan)
H1 : β1 ≠ 0 (Koefisien regresi X1 Signifikan)
 Tingkat Signifikasi
α = 5%
 Daerah Kritis
P-value ≤ α maka tolak H0
 Statistik Uji
P-Value =
 Keputusan
Karena nilai Sig. < 𝛼, maka keputusannya adalah tolak H0
 Kesimpulan
Dengan tingkat signifikansi 5% koefisien regresi X1 signifikan.
UJI PARSIAL (X2)
 Hipotesis
H0 : β2 = 0 (Koefisien Regresi X1 tidak signifikan)
H1 : β2 ≠ 0 (Koefisien Regresi X1 Signifikan)
 Tingkat Signifikasi
α = 5%
 Daerah Kritis
P-value ≤ α maka tolak H0
 Statistik Uji
P-Value =
 Keputusan
Karena nilai Sig. < 𝛼, maka keputusannya adalah tolak H0
 Kesimpulan
Dengan tingkat signifikansi 5% koefisien regresi X1 signifikan.
KOEFISIEN DETERMINASI

Variabel Independen mampu

menjelaskan keragaman model Saat variabel independen
sebesar 93.98 % dan sisanya lebih dari 1 maka gunakan
6.02 % dijelaskan oleh variabel Adjusted R-Squared
lain diluar model
PERSAMAAN REGRESI

𝑌෠ = −2.44579+ 0.26974𝑋1 + 0.66768𝑋2

PREDIKSI