EKONOMETRIKA
EKONOMETRIKA
REGRESI LINIER SEDERHANA DAN BERGANDA
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
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
M!Si
PROGRAM STUDI MATEMATIKA
PROGRAM STUDI MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMA
UNIVERSITAS NEGERI SEMARANG
UNIVERSITAS NEGERI SEMARANG
SEMARANG
SEMARANG
2015
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
"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.
+en"ele%aian,
+en"ele%aian,
Ha%il -utput S+SS
Ha%il -utput S+SS
Model Summary Model Summarybb MMooddeell 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 RReemmooeedd MMeetthhoodd 1
1 RRaattaaRRaattaaSSuuhhuuRRuuaa""%%aa""aa .. E"E"teter r a. All requested aria&les e"tered.
a. All requested aria&les e"tered. &. 'e(e"de"t
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"dardied !oefficie"ts Sta"dardied !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
℃.
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
t6 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.*
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
iY
i=
2145,5
∑
X
i2=
36719
´
X
=
52,025
Y
´
=
3,58
b
=
n
∑
X
iY
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
en
∑
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
)
2n
=
√
5,029
36719
−
(
676,32
)
213
=
√
0,003278
=
0,05725
Ha%il output S+SS
Variables Entered/RemovedbModel )aria&les E"tered )aria&les Remoed Method
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
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
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" ,9./8, 1 ,9./8, 1.9/1 .188a
Residual -//./83 11 -5.-53
otal 3-/.58
1-a. Predictors: !o"sta"t#$ 6 &. 'e(e"de"t )aria&le: 7
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !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
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 ine%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
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 61a . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: 71
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .18,a .03, .05, 59-./1,,,
a. Predictors: !o"sta"t#$ 61 &. 'e(e"de"t )aria&le: 71
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
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"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# /95., -019.-85 3.35 .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
ine%ta%i a%ing lang%ung %eban"a# 051$50 Juta ?S@
4. / 6 do%i% !hole%terol )mghari*
2 6 #adar athero%!lero%i%
?jilah #elinieran regre%i dari data di ata%9
+en"ele%aian,
Ha%il -utput S+SS
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 'osischolesterola . E"ter
a. All requested aria&les e"tered.
&. 'e(e"de"t )aria&le: adarAtherosclerosis
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .3/3a .139 .0/3 1.-/1
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 3.,03 1 3.,03 -.10/ .1/0a
Residual -0.99/ 13 1.15
otal -,.,00 1,
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# .883 -.1,9 .,11 .88 'osischolesterol .0/3 .050 .3/3 1.,5- .1/0
a. 'e(e"de"t )aria&le: adarAtherosclerosis
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"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# .883 -.1,9 .,11 .88 'osischolesterol .0/3 .050 .3/3 1.,5- .1/0
a. 'e(e"de"t )aria&le: adarAtherosclerosis
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
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 3.,03 1 3.,03 -.10/ .1/0a
Residual -0.99/ 13 1.15
otal -,.,00 1,
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
Diperoleh nilai
F
=
2,107
$
sig
=
0,170
&* Anali%i% ha%il,
sig
=
0,170
>
5
berarti terima
H
0dan 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# AA7 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
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 ar%a6-$ Promosi61a . E"ter
a. All requested aria&les e"tered.
&. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .915a .83 ./90 -.5-1
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" --/.51- - 113./5 1/.899 .00-a
Residual ,,.,88 / .355
otal -/-.000 9
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 3.919 -.,18 1.-1 .1,9 Promosi61 -.,91 ./03 1.0-, 3.5,, .009 ar%a6- ., 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"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 3.919 -.,18 1.-1 .1,9 Promosi61 -.,91 ./03 1.0-, 3.5,, .009 ar%a6- ., 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
menerima atau menola# hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output
tabel
ANOVA:ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" --/.51- - 113./5 1/.899 .00-a
Residual ,,.,88 / .355
otal -/-.000 9
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Diperoleh nilai
F
=
17,899
$
sig
=0,002
&* Anali%i% ha%il,
sig
=
0,002
<
5
berarti tola#
H
0dan terima
H
14* 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
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 s;or<=6-$
;ehadira"di;elas61a . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: "ilaia;hir7
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .93,a .8/- .835 ,.3,
a. Predictors: !o"sta"t#$ s;or<=6-$ ;ehadira"di;elas61 &. 'e(e"de"t )aria&le: "ilaia;hir7
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 899.891 - ,,9.9, -3.8-3 .001a
Residual 13-.-09 / 18.88/
otal 103-.100 9
a. Predictors: !o"sta"t#$ s;or<=6-$ ;ehadira"di;elas61 &. 'e(e"de"t )aria&le: "ilaia;hir7
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# -3.05, -5.5/- .90- .39/ ;ehadira"di;elas61 ./3/ .109 .938 ./5- .000 s;or<=6- .03, .--1 .0-- .15 .881
a. 'e(e"de"t )aria&le: "ilaia;hir7
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
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# -3.05, -5.5/- .90- .39/ ;ehadira"di;elas61 ./3/ .109 .938 ./5- .000 s;or<=6- .03, .--1 .0-- .15 .881
a. 'e(e"de"t )aria&le: "ilaia;hir7
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
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 899.891 - ,,9.9, -3.8-3 .001a
Residual 13-.-09 / 18.88/
otal 103-.100 9
a. Predictors: !o"sta"t#$ s;or<=6-$ ;ehadira"di;elas61 &. 'e(e"de"t )aria&le: "ilaia;hir7
Diperoleh nilai
F
=
23,8
5&$
sig
=0,001
&
Anali%i% ha%il,
sig
=
0,001
<
5
berarti tola#
H
0dan 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*.
+en"ele%aian,
Ha%il output S+SS
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 4>P>6-$ ?P@61a . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: R>A7
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .95a .915 .880 .1198
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" .// - .38, -.//9 .00-a
Residual .0/- 5 .01,
otal .839 /
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !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>A7
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"dardied !oefficie"ts Sta"dardied !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>A7
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
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" .// - .38, -.//9 .00-a
Residual .0/- 5 .01,
otal .839 /
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
Diperoleh nilai
F
=
26,779
$
sig
=
0,002
&
Anali%i% ha%il,
sig
=
0,002
<
5
berarti tola#
H
0dan 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
16 panjang 8iber per '$'1 in!i.
X
26 #ehalu%an 8iber )'$1 mi!rogram per in!i 8iber*
2 6 #e#uatan untaian benang dalam pound
Ha%il penelitian diberi#an dalam da8tar beri#ut.
A#an ditentu#an model regre%i linier ganda %ehingga dapat diramal#an #e#uatan untaian
benang ji#a di#etahui panjang dan #ehalu%ann"a.
+en"ele%aian,
Ha%il output S+SS
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 ;ehalusa"fi&er6-$
(a"ja"%fi&er61a . E"ter
a. All requested aria&les e"tered.
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .89-a ./95 ./1 .,33
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
ANOVAb
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 19-/.118 - 93.559 -3.-83 .000a
Residual ,9.15 1- ,1.385
otal -,-3./33 1,
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 8,.-95 3.-5, -.3-5 .038 (a"ja"%fi&er61 .9-/ .-5 .51 3.-, .003 ;ehalusa"fi&er6- 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,
Coefficientsa Model 2"sta"dardied !oefficie"ts Sta"dardied !oefficie"ts t Si%. 4 Std. Error 4eta 1 !o"sta"t# 8,.-95 3.-5, -.3-5 .038 (a"ja"%fi&er61 .9-/ .-5 .51 3.-, .003 ;ehalusa"fi&er6- 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
Model Sum of Squares df Mea" Square + Si%.
1 Re%ressio" 19-/.118 - 93.559 -3.-83 .000a
Residual ,9.15 1- ,1.385
otal -,-3./33 1,
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7