Regresi Linier Sederhana dan Berganda
-
Upload
rhahmadani-susanti -
Category
Documents
-
view
289 -
download
0
Transcript of Regresi Linier Sederhana dan Berganda
-
8/19/2019 Regresi Linier Sederhana dan Berganda
1/20
EKONOMETRIKA
REGRESI LINIER SEDERHANA DAN BERGANDA
Disusun Oleh :
Nama : Rhahmadani SusantiNIM : 4111413036Prodi : MatematikaRombel : 001/Jum’atosen : r! S"holastika Mariani#
M!Si
PROGRAM STUDI MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMA
UNIVERSITAS NEGERI SEMARANG
SEMARANG
2015
1. Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah a!at
"ang dia#ibat#ann"a$ %ehingga dapat mempredi#%i atau meramal#an jumlah !a!at produ#%i
ji#a %uhu ruangan ter%ebut tida# ter#endali. Engineer ter%ebut #emudian mengambil data
%elama &' hari terhadap rata(rata )mean* %uhu ruangan dan Jumlah a!at +rodu#%i.
-
8/19/2019 Regresi Linier Sederhana dan Berganda
2/20
+en"ele%aian,Ha%il -utput S+SS
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .955a .913 .910 1.198
a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a"
&. 'e(e"de"t )aria&le: *umlah!acat
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
a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a"
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 RataRataSuhuRua"%a"a . E"ter
a. All requested aria&les e"tered.
&. 'e(e"de"t )aria&le: *umlah!acat
-
8/19/2019 Regresi Linier Sederhana dan Berganda
3/20
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,
Ŷ =a+bX
Ŷ =−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,
Ŷ =−24,38+1,45(25)
Ŷ =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,
Ŷ =−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℃ .
5. Data negara Indone%ia %elama 1& tahun di#etahui %ebagai beri#ut ,
-
8/19/2019 Regresi Linier Sederhana dan Berganda
4/20
Sumber , B+S$ diolahDimana ,
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 2t 6 a : b/t : et $ dengan mengguna#an metode #uadrat ter#e!il$ !oba hitung #oe8i%ien regre%i adan b dengan !ara manual 9 Beri#an ma#na ma%ing(ma%ing #oe8i%ien regre%i ter%ebut 9Dan cari standard error ma%ing(ma%ing 9
!* Ji#a di#etahui / 6 ;; $ berapa ramalan 2 <+en"ele%aian,
a.* S!atter diagram
b.*
$ahun % & %& X 2
-
8/19/2019 Regresi Linier Sederhana dan Berganda
5/20
1''6 41#( )#*+ 3+4#(3 1)++#3
1'') )0#4) 4#) 331#+1 4'66
1''* 63#') ,13#13 ,*3'#' 40'+#+
1''' 46#'+ 1#)6 *+#()' ++01#(
+000 )+#(( 3#'+ +*4#4 (+63#(
+001 61#*( 3#*3 +36#*' 3*+(#4+00+ 43#3) 4#3* 1*'#'6 1**1
+003 3'#3( 4#)+ 1*(#)3 1(4*#4
+004 4)#)' (#03 +40#3* ++*3#'
+00( (0#* (#6' +*'#0( +(*0#6
+006 4+#)+ (#( +34#'6 1*+(
+00) 44#' 6#+* +*1#') +016
+00* (0#13 6#06 303#)' +(13
∑ X i=676,32 ∑Y i=46,56 ∑ X iY i=2145,5 ∑ X i2=36719
´ X =52,025 Ý =3,58
b=n∑ X iY i−(∑ X i)(∑Y i)
n∑ X i2−(∑ X i)2
=13 (2145,5 )−(676,32)(46,56)
13 (36719 )−(676,32)2 =
−3597,719935,3
=−0,18
a=Ý −b ´ X =3,58−(−0,18 ) (52,025 )=12,97
+er%amaan umum regre%i,^Y =a+bX Ŷ =12,97−0,18 X
Standard error regre%i
se=√∑Y
2−a∑Y −b∑ XY n−2
=√494,32−(12,97) (46,56 )−(−0,18)(2145,5)
13−2 =5,029
Standard error untu# #oe8i%ien regre%i a )parameter a *
Sa=
√
∑ X 2−Se
n∑ X 2
−(∑ X )2=√
36719−5,029
(13 ) (36719 )−(676,32)
2=√
36713,971
19938,2576=1,357
Standard error untu# #oe8i%ien regre%i b )parameter b *
Sb=
√ Se
∑ X 2−(∑ X )
2
n
=
√ 5,029
36719−(676,32)2
13
=√ 0,003278=0,05725
Ha%il output S+SS
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 6a . E"ter
-
8/19/2019 Regresi Linier Sederhana dan Berganda
6/20
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 6a . E"ter
&. 'e(e"de"t )aria&le: 7
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .390a .15- .0/5 5.0-5-,
a. Predictors: !o"sta"t#$ 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,
Ŷ =a+bX
Ŷ =12,958−0,180 X
!.* Ji#a X =55 ma#a ramalan untu# 2 adalah,
Ŷ =a+bX
^Y =12,97−0,18(55)
Ŷ =3,07
-
8/19/2019 Regresi Linier Sederhana dan Berganda
7/20
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$ diolahDimana ,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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
8/20
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,
Ŷ =a+bX
Ŷ =6795,65+203,09 X
b.* Ji#a X =7 ma#a ramalan untu# Y adalah,
Ŷ =6795,65+203,09 X
Ŷ =6795,65+203,09(7)
Ŷ =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$50 Juta ?S@
4. / 6 do%i% !hole%terol )mghari*2 6 #adar athero%!lero%i%
+engamatan mamberi#an data %ebagai beri#ut.
-
8/19/2019 Regresi Linier Sederhana dan Berganda
9/20
?jilah #elinieran regre%i dari data di ata%9
+en"ele%aian,
Ha%il -utput S+SS
Variables Entered/Removedb
Model )aria&les E"tered )aria&les Remoed Method
1 'osischolesterola . E"ter
a. All requested aria&les e"tered.
&. 'e(e"de"t )aria&le: adarAtherosclerosis
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .3/3a .139 .0/3 1.-/1
a. Predictors: !o"sta"t#$ '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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
10/20
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 Ŷ =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,
Ŷ =−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,
-
8/19/2019 Regresi Linier Sederhana dan Berganda
11/20
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# AA7 ingin mengetahui apa#ah +romo%idan 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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
12/20
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 Ŷ =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, Ŷ =3,919+2,491 X 1−0,466 X 2 . 7emudian uji nilai b. ?ntu#
-
8/19/2019 Regresi Linier Sederhana dan Berganda
13/20
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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
14/20
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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
15/20
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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
16/20
+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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
17/20
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 Ŷ =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
-
8/19/2019 Regresi Linier Sederhana dan Berganda
18/20
Diperoleh nilai F =26,779 $ sig=0,002
& Anali%i% ha%il,sig=0,002
-
8/19/2019 Regresi Linier Sederhana dan Berganda
19/20
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 )ariabelIndependen* dan #e#uatan untaian benang)ariabel dependen**
5* >ormula%i ran!angan anali%i%
Codel linear pilihan adalah Ŷ =a+bX 1+cX 2 $ dengan uji dua piha#$ tara8
%igni8i#an ;=. +er%amaan regre%i berda%ar#an %ampel pada output,
-
8/19/2019 Regresi Linier Sederhana dan Berganda
20/20
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, Ŷ =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
Diperoleh nilai F =23,28 &$ sig=0,000
&* Anali%i% ha%il,sig=0,000