Regresi Linier Sederhana dan Berganda

(1)

EKONOMETRIKA

REGRESI LINIER SEDERHANA DAN BERGANDA

D Diissuussuun n OOlleehh ::

N

Na

am

ma

a

:

: R

Rh

ha

ah

hm

ma

ad

da

an

ni

i S

Su

us

sa

an

nttii

N

NIIM

M

:

: 4

41

11

14

41

13

30

03

36

6 P

Prro

od

di

i

:

: M

Ma

atte

em

ma

attiik

ka

a

R

Ro

om

mb

be

el

l

:

: 0

00

01 1//JJu

um

m’’a

att



o

os

se

en

n

:

: 

rr!

! S

S"

"h

ho

olla

as

sttiik

ka

a M

Ma

arriia

an

nii##

M!Si

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMA

UNIVERSITAS NEGERI SEMARANG

SEMARANG

2015

1. 1. Seo

Seorang Engi

rang Engineer ingi

neer ingin mempel

n mempelajar

ajari Hubunga

i Hubungan antara Suhu Ruan

n antara Suhu Ruangan denga

gan dengan

n Jum

Jumlah a!a

lah a!att

"ang dia#ibat#ann"a$ %ehingga dapat mempredi#%i atau meramal#an jumlah !a!at produ#%i

ji#a

ji#a %uhu

%uhu ruangan

ruangan ter%ebut

ter%ebut tida#

tida# ter#endali.

ter#endali. Engineer

Engineer ter%ebut

ter%ebut #emudian

#emudian mengambil

mengambil data

data

%elama &' hari terhadap rata(rata )mean* %uhu ruangan dan Jumlah a!at +rodu#%i.

(2)

+en"ele%aian,

Ha%il -utput S+SS

Model Summary Model Summarybb M

Mooddeell RR R R SSqquuaarree AAddjjuusstteed d R R SSqquuaarree SSttdd. . EErrrroor r oof f tthhe e EEssttiimmaattee 1

1 ..995555aa _..9₉₁₁₃₃ _..9₉₁₁₀₀ _1..1₁₁₉₉₈₈

a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a" a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a" &. 'e(e"de"t

&. 'e(e"de"t )a)aria&le: *umlah!acatria&le: *umlah!acat

ANOVA ANOVAbb M

Mooddeell SSuum m of of SSqquuaarreess ddff MMeeaa" " SSqquuaarree ++ SSii%%.. 1

1 RRee%%rreessssiioo"" ,,--11..00--99 11 ,,--11..00--99 --9933..,,88 ..000000aa R

Reessiidduuaall ,,00..11//11 --88 11..,,3355 

oottaall ,,11..--0000 --99

a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a" a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a"

Variables Entered/Removed Variables Entered/Removedbb M

Mooddeell ))aarriiaa&&llees s EE""tteerreedd ))aarriiaa&&llees s RReemmooeedd MMeetthhoodd 1

1 RRaattaaRRaattaaSSuuhhuuRRuuaa""%%aa""aa _{.. E"}_E"te_ter_r a. All requested aria&les e"tered.

a. All requested aria&les e"tered. &. 'e(e"de"t

(3)

ANOVAb

Model Sum of Squares df Mea" Square + Si%.

1 Re%ressio" ,-1.0-9 1 ,-1.0-9 -93.,8 .000a

Residual ,0.1/1 -8 1.,35

otal ,1.-00 -9

&. 'e(e"de"t )aria&le: *umlah!acat

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# -,.381 1.98, 1-.-89 .000 RataRataSuhuRua"%a" 1.,50 .085 .955 1/.131 .000

a. 'e(e"de"t )aria&le: *umlah!acat

+er%amaan umum regre%i,

^

Y

=

a

+

bX

^

Y

=−

24,38

+

1,45

X

a.* +redi#%i jumlah !a!at produ#%i$ ji#a %uhu dalam #eadaan tinggi )ariabel /*$ mi%al %uhu

%ebe%ar

25

℃

$ ma#a,

^

Y

=−

24,38

+

1,45

(

25 )

^

Y

=

11,87

Jadi$ ji#a %uhu ruangan men!apai

25

℃

$ ma#a dipredi#%i a#an terdapat 11$0 unit

!a!at "ang diha%il#an pada %aat produ#%i.

b.* Ji#a !a!at produ#%i )ariabel 2* "ang ditarget#an han"a boleh 3 unit$ ma#a predi#%i %uhu

ruangan "ang diperlu#an untu# men!apai target ter%ebut adalah %ebagai beri#ut,

^

Y

=−

24,38

+

1,45

X

⟺

6 =−

24,38

+

1,45

X

⇔

X

=

30,38

1,45

⇔

X

=

20,95

Jadi$ predi#%i %uhu ruangan "ang paling %e%uai untu# men!apai target !a!at produ#%i

han"a boleh 4 adalah %e#itar

20,95

℃

.

(4)

Sumber , B+S$ diolah

Dimana ,

2 6 +ertumbuhan e#onomi Indone%ia )per%en*

/ 6 7eterbu#aan e#onomi )di(

proxy

dengan ra%io e#%por dan impor terhadap +DB$ dalam

%atuan per%en*

+ertan"aan,

a* Berda%ar#an

scatter diagram

$ tentu#an apa#ah hubungan / dan 2 po%iti8 atau negati8 9

b* Ji#a hubungan / dan 2 merupa#an regre%i linear %ederhana dengan per%amaan 2

t

6 a :

b/

t

: e

t

$ dengan mengguna#an metode #uadrat ter#e!il$ !oba hitung #oe8i%ien regre%i a

dan b dengan !ara manual 9 Beri#an ma#na ma%ing(ma%ing #oe8i%ien regre%i ter%ebut 9

Dan

cari standard error

ma%ing(ma%ing 9

!* Ji#a di#etahui / 6 ;; $ berapa ramalan 2 <

+en"ele%aian,

a.* S!atter diagram

b.*

(5)

1''6

41#(

)#*+

3+4#(3

1)++#3

1'')

)0#4)

4#)

331#+1

4'66

1''*

63#')

,13#13

,*3'#'

40'+#+

1'''

46#'+

1#)6

*+#()'

++01#(

+000

)+#((

3#'+

+*4#4

(+63#(

+001

61#*(

3#*3

+36#*'

3*+(#4

+00+

43#3)

4#3*

1*'#'6

1**1

+003

3'#3(

4#)+

1*(#)3

1(4*#4

+004

4)#)'

(#03

+40#3*

++*3#'

+00(

(0#*

(#6'

+*'#0(

+(*0#6

+006

4+#)+

(#(

+34#'6

1*+(

+00)

44#'

6#+*

+*1#')

+016

+00*

(0#13

6#06

303#)'

+(13

∑

X

_i

=

676,32

∑

Y

_i

=

46,56

∑

X

_i

Y

_i

=

2145,5

∑

_X

_i2

=

36719

´

X

=

52,025

Y

´

=

3,58

b

=

n

∑

X

i

Y

i

−(

∑

X

i

)(

∑

Y

i

)

n

∑

X

_i2

−(

∑

X

_i

)

2

=

13 (

2145,5

)

−(

676,32

)(

46,56

)

13 (

36719

)

−(

676,32

)

2

=−

3597,7

19935,3

=−

0,18

a

= ´

Y

−

b

´

X

=

3,58

−

(

−

0,18

) (

52,025

)

=

12,97

+er%amaan umum regre%i,

^

Y

=

a

+

bX

^

Y

=

12,97

−

0,18

X

Standard error regre%i

s

e

=

√

∑

Y

2

−

a

∑

Y

−

b

∑

XY

n

−

2 =

√

494,32

−

(

12,97

) (

46,56

)

−(−

0,18

)(

2145,5

)

13 −

2 =

5,029

Standard error untu# #oe8i%ien regre%i

a

)parameter

a

*

S

_a

=

√

∑

X

2

−

S

_e

n

∑

X

2

−(

∑

X

)

2

=

√

36719

−

5,029

(

13 ) (

36719

)

−(

676,32

)

2

=

√

36713,971

19938,2576

=

1,357

Standard error untu# #oe8i%ien regre%i

b

)parameter

b

*

S

_b

=

√

S

_e

∑

X

2

−

(

∑

X

)

2

n

=

√

5,029

36719

−

(

676,32

)

2

13 =

_√

0,003278

=

0,05725

Ha%il output S+SS

Variables Entered/Removedb

Model )aria&les E"tered )aria&les Remoed Method

(6)

1 6a _{. E"ter}

&. 'e(e"de"t )aria&le: 7

Model Summaryb

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .390a _.15- _.0/5 _5.0-5-,

a. Predictors: !o"sta"t#$ 6 &. 'e(e"de"t )aria&le: 7

ANOVAb

1 Re%ressio" ,9./8, 1 ,9./8, 1.9/1 .188a

Residual -//./83 11 -5.-53

otal 3-/.58

1-a. Predictors: !o"sta"t#$ 6 &. 'e(e"de"t )aria&le: 7

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 1-.958 .8-- 1.899 .08, 6 .180 .1-8 .390 1.,0, .188 a. 'e(e"de"t )aria&le: 7

+er%amaan umum regre%i,

^

Y

=

a

+

bX

^

Y

=

12,958

−

0,180

X

!.* Ji#a

X

=

55 ma#a ramalan untu# 2 adalah,

^

Y

=

a

+

bX

^

Y

=

12,97

−

0,18

(

55 )

^

Y

=

3,07

(7)

Jadi$ ji#a 7eterbu#aan e#onomi )di(

proxy

dengan ra%io e#%por dan impor terhadap

+DB* men!apai

55 = ma#a dipredi#%i pertumbuhan e#onomi Indone%ia a#an nai#

%eban"a#

3,07

.

&. Data negara Indone%ia %elama 1& tahun di#etahui %ebagai beri#ut ,

Sumber , B+S$ diolah

Dimana ,

2 6 Reali%a%i ine%ta%i a%ing lang%ung$ >DI )dalam juta ?S @*

/ 6 +ertumbuhan e#onomi Indone%ia )per%en*

+ertan"aan,

a* uli%#an per%amaan regre%inn"a9

b* Ji#a di#etahui / 6  $ berapa ramalan 2 <

+en"ele%aian,

Ha%il output S+SS

1 61a _{. E"ter}

a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: 71

Model Summaryb

1 .18,a _.03, _.05, _59-./1,,,

a. Predictors: !o"sta"t#$ 61 &. 'e(e"de"t )aria&le: 71

(8)

ANOVAb

1 Re%ressio" 1.351E/ 1 1.351E/ .385 .5,8a

Residual 3.8,E8 11 3.513E/

otal 3.999E8

1-a. Predictors: !o"sta"t#$ 61 &. 'e(e"de"t )aria&le: 71

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# /95., -019.-85 3.35 .00 61 -03.091 3-/.,, .18, .-0 .5,8 a. 'e(e"de"t )aria&le: 71

a.* +er%amaan regre%in"a

+er%amaan umum regre%i,

^

Y

=

a

+

bX

^

Y

=

6795,65

+

203,09

X

b.* Ji#a

X

=

7 ma#a ramalan untu#

Y

adalah,

^

Y

=

6795,65

+

203,09

X

^

Y

=

6795,65

+

203,09

(

7 )

^

Y

=

8217,28

Jadi$ ji#a pertumbuhan e#onomi Indone%ia men!apai  = ma#a dipredi#%i reali%a%i

ine%ta%i a%ing lang%ung %eban"a# 051$50 Juta ?S@

4. / 6 do%i% !hole%terol )mghari*

2 6 #adar athero%!lero%i%

(9)

?jilah #elinieran regre%i dari data di ata%9

+en"ele%aian,

Ha%il -utput S+SS

1 'osischolesterola _{. E"ter}

a. All requested aria&les e"tered.

&. 'e(e"de"t )aria&le: adarAtherosclerosis

Model Summaryb

1 .3/3a _.139 _.0/3 _1.-/1

a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis

ANOVAb

1 Re%ressio" 3.,03 1 3.,03 -.10/ .1/0a

Residual -0.99/ 13 1.15

otal -,.,00 1,

(10)

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# .883 -.1,9 .,11 .88 'osischolesterol .0/3 .050 .3/3 1.,5- .1/0

a. 'e(e"de"t )aria&le: adarAtherosclerosis

Anali%i% +engujian 7elinieran

1* Bentu# hipote%i% model linear

H

0

:

β

=

0 )tida# ada hubungan linear antara do%i% !hole%terol )ariabel Independen*

dan #adar athero%!lero%i% )ariabel dependen**

H

1

:

β ≠

0 )ada hubungan linear antara do%i% !hole%terol )ariabel Independen* dan

#adar athero%!lero%i% )ariabel dependen**

5* >ormula%i ran!angan anali%i%

Codel linear pilihan adalah

Y

^

=

a

+

bX

$ dengan uji dua piha#$ tara8 %igni8i#an ;=.

+er%amaan regre%i berda%ar#an %ampel pada output,

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# .883 -.1,9 .,11 .88 'osischolesterol .0/3 .050 .3/3 1.,5- .1/0

a. 'e(e"de"t )aria&le: adarAtherosclerosis

Diperoleh nilai

a

=−

0,883

dan

b

=

0,073

$ jadi per%amaan regre%in"a adalah,

^

Y

=−

0,883

+

0,073

X

_{. 7emudian uji nilai b. ?ntu# menerima atau menola#}

hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel

ANOVA:

ANOVAb

1 Re%ressio" 3.,03 1 3.,03 -.10/ .1/0a

Residual -0.99/ 13 1.15

otal -,.,00 1,

Diperoleh nilai

F

=

2,107

$

sig

=

0,170

&* Anali%i% ha%il,

(11)

sig

=

0,170

>

5 _{berarti terima}

H

0

_{dan tola#}

H

1

_.

4* Simpulan

Jadi$ tida# ada hubungan linear antara do%i% !hole%terol )ariabel Independen* dan

#adar athero%!lero%i% )ariabel dependen*

;. Seorang Canajer +ema%aran deterjen mere# AA7 ingin mengetahui apa#ah +romo%i

dan Harga berpengaruh terhadap #eputu%an #on%umen membeli produ# ter%ebut<

+en"ele%aian,

Ha%il output S+SS

1 ar%a6-$ Promosi61a _{. E"ter}

&. 'e(e"de"t )aria&le: e(utusa"o"sume"7

Model Summaryb

1 .915a _.83 _./90 _-.5-1

a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7

(12)

ANOVAb

1 Re%ressio" --/.51- - 113./5 1/.899 .00-a

Residual ,,.,88 / .355

otal -/-.000 9

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 3.919 -.,18 1.-1 .1,9 Promosi61 -.,91 ./03 1.0-, 3.5,, .009 ar%a6- ., 1.01 .133 .,59 .0

a. 'e(e"de"t )aria&le: e(utusa"o"sume"7

1* Bentu# hipote%i% model linear

H

₀

:

β

=

0 _{)tida# ada hubungan linear antara do%i% Harga dan +romo%i )ariabel}

Independen* dan #eputu%an #on%umen )ariabel dependen**

H

₁

:

β ≠

0 _{)ada hubungan linear antara Harga dan +romo%i )ariabel Independen*}

dan 7eputu%an 7on%umen )ariabel dependen**

5* >ormula%i ran!angan anali%i%

Codel linear pilihan adalah

Y

^

=

a

+

bX

$ dengan uji dua piha#$ tara8 %igni8i#an ;=.

+er%amaan regre%i berda%ar#an %ampel pada output,

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 3.919 -.,18 1.-1 .1,9 Promosi61 -.,91 ./03 1.0-, 3.5,, .009 ar%a6- ., 1.01 .133 .,59 .0

a. 'e(e"de"t )aria&le: e(utusa"o"sume"7

Diperoleh nilai

a

=

3,919

$

b

=

2,491

dan

c

=−

0,466

jadi per%amaan

regre%in"a adalah,

Y

^

=

3,919

+

2,491

X

(13)

menerima atau menola# hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output

tabel

ANOVA:

ANOVAb

1 Re%ressio" --/.51- - 113./5 1/.899 .00-a

Residual ,,.,88 / .355

otal -/-.000 9

Diperoleh nilai

F

=

17,899

$

sig

=

0,002

&* Anali%i% ha%il,

sig

=

0,002

<

5 _{berarti tola#}

H

0

dan terima

H

1

4* Simpulan

Jadi$ ada hubungan linear antara promo%i$ harga )ariabel Independen* dan #eputu%an

#on%umen )ariabel dependen*

3. Beri#ut adalah data tentang ting#at #ehadiran di #ela% dan %#or IF maha%i%a "ang

diper#ira#an mempengaruhi nilai a#hir "ang diperoleh9

+en"ele%aian,

Ha%il output S+SS

1 s;or<=6-$

;ehadira"di;elas61a . E"ter

a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: "ilaia;hir7

(14)

Model Summaryb

1 .93,a _.8/- _.835 _,.3,

a. Predictors: !o"sta"t#$ s;or<=6-$ ;ehadira"di;elas61 &. 'e(e"de"t )aria&le: "ilaia;hir7

ANOVAb

1 Re%ressio" 899.891 - ,,9.9, -3.8-3 .001a

Residual 13-.-09 / 18.88/

otal 103-.100 9

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# -3.05, -5.5/- .90- .39/ ;ehadira"di;elas61 ./3/ .109 .938 ./5- .000 s;or<=6- .03, .--1 .0-- .15 .881

a. 'e(e"de"t )aria&le: "ilaia;hir7

1 Bentu# hipote%i% model linear

H

₀

:

β

=

0 _{)tida# ada hubungan linear antara #ehadiran di #ela%$ %#or IF )ariabel}

Independen* dan nilai a#hir )ariabel dependen**

H

₁

:

β ≠

0 _{)ada hubungan linear antara #ehadiran di #ela%$ %#or IF )ariabel}

Independen* dan nilai a#hir )ariabel dependen**

5 >ormula%i ran!angan anali%i%

Codel linear pilihan adalah

Y

^₌

a

₊

b X

1+

c X

2

$ dengan uji dua piha#$ tara8

(15)

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# -3.05, -5.5/- .90- .39/ ;ehadira"di;elas61 ./3/ .109 .938 ./5- .000 s;or<=6- .03, .--1 .0-- .15 .881

a. 'e(e"de"t )aria&le: "ilaia;hir7

Diperoleh nilai

a

=

23,054

$

b

=

0,737

dan

c

=−

0,034

$ jadi per%amaan

regre%in"a adalah,

Y

^

=

23,054

+

0.737 X

1

−

0,034

X

2

. ?ntu# menerima atau menola#

hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel

ANOVA:

ANOVAb

1 Re%ressio" 899.891 - ,,9.9, -3.8-3 .001a

Residual 13-.-09 / 18.88/

otal 103-.100 9

Diperoleh nilai

F

=

23,8

5&$

sig

=

0,001

&

Anali%i% ha%il,

sig

=

0,001

<

5 _{berarti tola#}

H

0

dan terima

H

1

.

4 Simpulan

Jadi$ ada hubungan linear antara #ehadiran di #ela%$ %#or IF )ariabel Independen*

dan nilai a#hir )ariabel dependen*

. Beri#ut adalah data #euangan "ang diambil dari %ebuah Laporan 7euangan +eru%ahaan$ #ita

a#an menganali%a apa#ah

Non Performing Loans

)N+L*$ Bia"a -pera%ional dan +engeluaran

-per%ional )B-+-* dan

Return on Assset

)R-A*.

(16)

+en"ele%aian,

Ha%il output S+SS

1 4>P>6-$ ?P@61a _{. E"ter}

a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: R>A7

Model Summaryb

1 .95a _.915 _.880 _.1198

a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7

ANOVAb

1 Re%ressio" .// - .38, -.//9 .00-a

Residual .0/- 5 .01,

otal .839 /

(17)

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# ,.1,0 .1, -5.19/ .000 ?P@61 .8 .119 .98, /.- .001 4>P>6- .-0/ .0/5 .3/3 -./55 .0,0

a. 'e(e"de"t )aria&le: R>A7

1 Bentu# hipote%i% model linear

H

0

:

β

=

0 )tida# ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan

R-A)ariabel dependen**

H

1

:

β ≠

0 )ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan

R-A)ariabel dependen**

5 >ormula%i ran!angan anali%i%

Codel linear pilihan adalah

Y

^₌

a

₊

b X

1+

c X

2

$ dengan uji dua piha#$ tara8

%igni8i#an ;=. +er%amaan regre%i berda%ar#an %ampel pada output,

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# ,.1,0 .1, -5.19/ .000 ?P@61 .8 .119 .98, /.- .001 4>P>6- .-0/ .0/5 .3/3 -./55 .0,0

a. 'e(e"de"t )aria&le: R>A7

Diperoleh nilai

a

=

4,140

$

b

=−

0,866

dan

c

=−

0,207

$ jadi per%amaan

regre%in"a adalah,

Y

^₌

4,140

₋

0,866

X

1−

0,207

X

2

. ?ntu# menerima atau menola#

hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel

ANOVA:

ANOVAb

1 Re%ressio" .// - .38, -.//9 .00-a

Residual .0/- 5 .01,

otal .839 /

(18)

Diperoleh nilai

F

=

26,779

$

sig

=

0,002

&

Anali%i% ha%il,

sig

=

0,002

<

5 _{berarti tola#}

H

0

dan terima

H

1

.

4 Simpulan

Jadi$ ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan

R-A)ariabel dependen*

0. 7ualita% benang telah diteliti %eban"a# 1; potong. 7ara#teri%ti# "ang diuji dalam penelitian

ini adalah,

X

₁

_{6 panjang 8iber per '$'1 in!i.}

X

2

6 #ehalu%an 8iber )'$1 mi!rogram per in!i 8iber*

2 6 #e#uatan untaian benang dalam pound

Ha%il penelitian diberi#an dalam da8tar beri#ut.

A#an ditentu#an model regre%i linier ganda %ehingga dapat diramal#an #e#uatan untaian

benang ji#a di#etahui panjang dan #ehalu%ann"a.

+en"ele%aian,

Ha%il output S+SS

1 ;ehalusa"fi&er6-$

(a"ja"%fi&er61a . E"ter

(19)

Model Summaryb

1 .89-a _./95 _./1 _.,33

a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7

ANOVAb

1 Re%ressio" 19-/.118 - 93.559 -3.-83 .000a

Residual ,9.15 1- ,1.385

otal -,-3./33 1,

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 8,.-95 3.-5, -.3-5 .038 (a"ja"%fi&er61 .9-/ .-5 .51 3.-, .003 ;ehalusa"fi&er6- 1.,31 .,89 .,5, -.9-9 .013

a. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7

1* Bentu# hipote%i% model linear

H

0

:

β

=

0 )tida# ada hubungan linear antara panjang 8iber$ #ehalu%an 8iber )ariabel

Independen* dan #e#uatan untaian benang)ariabel dependen**

H

₁

:

β ≠

0 _{)ada hubungan linear antara panjang 8iber$ #ehalu%an 8iber )ariabel}

Independen* dan #e#uatan untaian benang)ariabel dependen**

5* >ormula%i ran!angan anali%i%

Codel linear pilihan adalah

Y

^

=

a

+

bX

1 +

cX

2 $ dengan uji dua piha#$ tara8

%igni8i#an ;=. +er%amaan regre%i berda%ar#an %ampel pada output,

(20)

Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 8,.-95 3.-5, -.3-5 .038 (a"ja"%fi&er61 .9-/ .-5 .51 3.-, .003 ;ehalusa"fi&er6- 1.,31 .,89 .,5, -.9-9 .013

a. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7

Diperoleh nilai

a

=

84,295

$

b

=

0,927

dan

c

=−

1,431

$ jadi per%amaan

regre%in"a adalah,

Y

^

=

84,295

+

0.927 X

1 −

1,431

X

2 . ?ntu# menerima atau

menola# hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel

ANOVA:

ANOVAb

1 Re%ressio" 19-/.118 - 93.559 -3.-83 .000a

Residual ,9.15 1- ,1.385

otal -,-3./33 1,

Diperoleh nilai

F

=

23,28

&$

sig

=

0,000

&* Anali%i% ha%il,

sig

=

0,000

<

5 _{berarti tola#}

H

0

dan terima

H

1