Add Ins →Megastat → Correlation/Regresion → Regression Analysis
Pada input range:
Select variabel x dan y
Pada option: cek list variance inflation factor dan tets intercept
Pada residual : cek list output residual, durbin Watson dan normal probality plot of residual

R²
|
0.952
|
Adjusted R²
|
0.945
|
R
|
0.976
|
Std. Error
|
2.693
|
n
|
16
|
k
|
2
|
Dep. Var.
|
y
|
Intrepetasinya
dari r-square adjusted ialah variasi variabel y mampu dijelaskan oleh
variabel x1 dan x2 sebesar 94,5 persen sisanya variabel di luar model
ANOVA table
|
|||||
Source
|
SS
|
df
|
MS
|
F
|
p-value
|
Regression
|
1,872.7000
|
2
|
936.3500
|
129.08
|
2.66E-09
|
Residual
|
94.3000
|
13
|
7.2538
|
Statistik observasi: Nilai signifikansi= 0.000, maka tolak H0. Atau kita dapat membandingkan nilai F pada tabel hasil dengan nilai F pada tabel F standar. Keputusan: Tolak H0.
Kesimpulan: Dengan tingkat alpha 5 persen dapat disimpulkan bahwa
secara bersama-sama variabel bebas berpengaruh signifikan terhadap
variabel tidak bebas.
Regression output
|
confidence interval
|
||||||
variables
|
coefficients
|
std. error
|
t (df=13)
|
p-value
|
95% lower
|
95% upper
|
VIF
|
Intercept
|
37.6500
|
2.9961
|
12.566
|
1.20E-08
|
31.1773
|
44.1227
|
|
x1
|
4.4250
|
0.3011
|
14.695
|
1.78E-09
|
3.7745
|
5.0755
|
1.000
|
x2
|
4.3750
|
0.6733
|
6.498
|
2.01E-05
|
2.9204
|
5.8296
|
1.000
|
Selanjutnya,
tabel ini merupakan tabel analisis paling penting. Dengan tabel ini
kita bisa melihat model yang dihasilkan dari variabel-variabel kita dan
bagaimana pengaruhnya terhadap variabel tak bebas.
Model yang terbentuk adalah sebagai berikut:
Sebelum
membaca pengaruh setiap variabel, kita pastikan dulu apakah variabel
tersebut berpengaruh signifikan terhadap y atau tidak.
H0: βi=0
H1 : βi≠0
a= 5%
Statistik uji: T-Test
Untuk
melihat hal itu, bisa kita lihat dari nilai t dan signifikansi setiap
variabel. Untuk nilai t, kita bisa mengatakan signifikan apabila nilai
|t|>t tabel standar. Jika menggunakan nilai signifikansi, maka kita
bisa mengatakan variabel tersebut signifikan bila nilai sig < a (dalam kasus ini nilai a=5%).
Pada tabel dapat kita lihat bahwa kedua variabel bebas berpengaruh
signifikan terhadap variabel tak bebas. Pembacaannya adalah sebagai
berikut:
- Setiap kenaikan 1 satuan variabel x1 maka akan menaikkan nilai variabel y sebesar 4,425 satuan dengan asumsi variabel lain bernilai tetap
- Setiap kenaikan 1 satuan variabel x2 maka akan menaikkan nilai variabel y sebesar 4,375 satuan dengan asumsi variabel lain bernilai tetap
Durbin-Watson =
|
2.31
|
Nilai durbin Watson mendekati 2 berarti bebas dari autokolerasi.
NIlai VIF kedua variabel bebas juga < 5, sehingga model bebas dari multikolinearitas

Terlihat grafik residual mengikuti trend dengan sudut 45 derajat sehingga mengikuti distribusi normal
0 komentar:
Posting Komentar