Analisis Regresi Linier Berganda Menggunakan Excel

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: β_i=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 

 

Download Data Analisis Regresi Linier Berganda dalam M.Excel