REGRESI Bulek niyaFn

Analisis Regresi Menemukan persamaan regresi yang menunjukkan hubungan antara 1 variabel dependen (variabel terikat / yg dipengaruhi) dengan satu atau beberapa variabel independen (variabel bebas / yg mempengaruhi ). Persamaan Y = aX1 + bX2 + c Seberapa besar X1 & X2 mempengaruhi Y

Tahap UJI Analisis Prosentase Dari output R square = 0,713 . Hal ini berarti 71,3% variabel dependent : Nilai Ujian Statistik dijelaskan oleh variabel independent : Lama jam belajar & Tingkat IQ UJI ANOVA UJI T UJI PENYIMPANGAN ASUMSI KLASIK (pekan depan)

UJI ANOVA Hipotesis: Ho : Tidak ada pengaruh antara jam belajar dan tingkat IQ terhadap nilai statistic H1 : Ada pengaruh antara jam belajar dan tingkat IQ terhadap nilai statistic Dari uji ANOVA didapatkan Fhitung = 8,691 dengan tingkat signifikasi 0,013 (probabilitas) karena probabilitas 0,013 < 0,05 (Ho ditolak) maka model regresi bisa digunakan untuk memprediksi nilai ujian statistik.

UJI T Menguji signifikansi koefisien-koefisien dari variabel- variabel independen) Syarat Persamaan Regresi : Regresi Linier : Y = aX1 + c Regresi Linier Berganda : Y = aX1 + bX2 + … + c Dari hasil perhitungan diatas dapat dibuat (sementara) persamaan regresi estimasi: Y= 1,016 X1 – 1,254 X2 – 37,338 (lihat pada output) Dimana : Y = Nilai ujian statistik ; X1 = Tingkat IQ ; X2 = Lama jam belajar c = constanta (faktor lain selain tingkat IQ dgn lama bljr)

Persamaan Regresi Y= 1,016 X1 – 1,254 X2 – 37,338

Pengambilan Keputusan Hipotesis ­ Ho : Koefisien regresi tidak signifikan ­ H1 : Koefisien regresi signifikan Misalkan bentuk umum persamaan regresi: Y = aX1 + bX2 + … + c Pengambilan Keputusan a. Berdasarkan perbandingan thitung dengan ttabel Syarat : ­ Ho diterima : Jika Thitung berada diantara nilai ± ttabel ­ Ho ditolak : Jika Thitung tidak berada diantara nilai ± ttabel Nilai thitung masing-masing koefisien regresi berturut-turut: t1 = 0,866 ( thitung untuk variabel independen Tingkat IQ) t2 = -0,072 (thitung untuk variabel independen Lama jambelajar) T tabel  IDF.T (0,975, 7) = 2.36

Karena nilai t1 dan t2 berada diantara ttabel maka Ho diterima. Y= 1,016 X1 – 1,254 X2 – 37,338 Dari persamaan tersebut menunjukkan setiap penambahan 1 tingkat IQ akan meningkatkan nilai ujian sebesar 1,016 dan setiap penambahan -1 lama jam belajar mengurangi nilai ujian statistik sebesar 1,254.

b. Berdasarkan probabilitas Syarat : ­ Jika probabilitas > 0,05, maka Ho diterima ­ Jika probabilitas < 0,05, maka Ho ditolak Karena nilai probabilitas untuk t1 = 0,415 > 0,05 maka Ho diterima & probabilitas t2 = 0,945 > 0,05 maka Ho diterima, dengan kesimpulan yang sama dengan pengambilan keputusan pada perbandingan Thit dgn Ttabel.

UJI ASUMSI KLASIK Autokorelasi Uji Autokorelasi adalah untuk mengetahui adanya korelasi antara variabel gangguan sehingga penaksir tidak lagi efisien baik dalam model sampel kecil maupun dalam sampel besar.