ANALISIS DATA REGRESI LINIER DAN BERGANDA

DANUJI SEKUENSIAL

Oleh

Yusrianti Hanike
G151130261

SEKOLAH PASCA SARJANA

JURUSAN STATISTIKA
INSTITUT PERTANIAN BOGOR
2014

REGRESI LINIER
Berikut data mengenai pengaruh motivasi terhadap prestasi belajar siswa:
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Motivasi
(X1)
25
26
30
11
38
35
36
26
29
30
27
28
27
29
30
31
7
8
37
25
30
27
28
27
12
30
31
33
35
37

Prestasi
Belajar
(Y)
78
53
76
91
94
92
85
79
81
87
76
78
79
78
79
80
89
91
94
78
76
78
79
78
49
80
89
91
94
78

Berikut Ouput yang dihasilkan melalui excel

Regression Statistics
Multiple R
0,223248
R Square
0,04984
Adjusted R
Square
0,015905
Standard Error
10,2101
Observations
30
ANOVA

Regression
Residual
Total

Significance
df
SS
MS
F
F
1 153,1072 153,1072 1,468709
0,235678
28 2918,893 104,2462
29
3072

UJI T

Intercept
X Variable 1

Standard
Lower
Upper
Coefficients
Error
t Stat
P-value
95%
95%
73,18841 6,709863 10,90759 1,37E-11 59,44387 86,93294
0,284058 0,23439 1,211903 0,235678 -0,19607 0,764184

TAHAPAN PLOT KUANTIL Zn

ei
-27,608
-27,584
-5,72
-5,72
-5,708
-4,868
-3,436
-3,152
-2,868
-2,868
-2,72
-2,3
-2,3
-2,152
-2,004
-1,868
-1,72

pi
0,016667
0,05
0,083333
0,116667
0,15
0,183333
0,216667
0,25
0,283333
0,316667
0,35
0,383333
0,416667
0,45
0,483333
0,516667
0,55

zi
-0,11397
0,025436
0,100986
0,156143
0,200974
0,239548
0,273949
0,3054
0,33469
0,362367
0,388829
0,414387
0,439288
0,463745
0,487943
0,512057
0,536255

-1,584
-0,436
1,576
5,28
6,996
8,428
8,86
10,008
10,292
10,86
13,812
14,676
15,528

0,583333
0,616667
0,65
0,683333
0,716667
0,75
0,783333
0,816667
0,85
0,883333
0,916667
0,95
0,983333

0,560712
0,585613
0,611171
0,637633
0,66531
0,6946
0,726051
0,760452
0,799026
0,843857
0,899014
0,974564
1,113972

zi
1.2

0.8

0.6

0.4

0.2

0
-30

-20

-10

-0.2

10

20

PENGECEKAN ASUMSI REGRESI

Residual Plots for (Y)
Normal Probability Plot

Versus Fits

99
10

Residual

Percent

90
50
10
1

0
-10
-20

-30

-15

0
Residual

15

-30

30

75,0

77,5

10

85,0

-10
-20

2
0

82,5

Versus Order

Residual

Frequency

Histogram

80,0
Fitted Value

-30

-20

-10
0
Residual

10

-30

8 10 12 14 16 18 20 22 24 26 28 30

Observation Order

Berdasarkan grafik di atas menunjukkan asumsi regresi yaitu

1. Pada plot kenormalan menunjukkan data di atas tidak menenuhi asumsi normal
2. Pada versus fit beberapa data dapat dikategorikan acak atau tidak berpola hanya saja
beberapa data jauh dari titik nol dan bergerombol di satu daerah.
PEMERIKSAAN DATA ANEH
RESI1

SRES1

TRES1

HI1

COOK1

DFIT1

-2,2899

-0,22850

-0,22459

0,036627 0,000993

-0,04379

-27,5739

-2,74850

-3,15847

0,034519 0,135045

-0,59722

-5,7101

-0,56980

-0,56280

0,036627 0,006172

-0,10974

14,6870

1,58545

1,63185

0,176812 0,269952

0,75629

10,0174

1,02931

1,03045

0,091436 0,053312

0,32689

8,8696

0,89742

0,89421

0,062978 0,027065

0,23182

1,5855

0,16115

0,15832

0,071410 0,000999

0,04390

-1,5739

-0,15688

-0,15412

0,034519 0,000440

-0,02914

-0,4261

-0,04247

-0,04171

0,034519 0,000032

-0,00789

5,2899

0,52786

0,52094

0,036627 0,005297

0,10158

-4,8580

-0,48397

-0,47725

0,033465 0,004055

-0,08880

-3,1420

-0,31302

-0,30792

0,033465 0,001696

-0,05730

-1,8580

-0,18510

-0,18187

0,033465 0,000593

-0,03384

-3,4261

-0,34150

-0,33605

0,034519 0,002085

-0,06354

-2,7101

-0,27044

-0,26591

0,036627 0,001390

-0,05185

-1,9942

-0,19932

-0,19587

0,039789 0,000823

-0,03987

13,8232

1,56835

1,61255

0,254809 0,420539

0,94295

15,5391

1,73862

1,80765

0,233729 0,461010

0,99834

10,3014

1,05241

1,05452

0,080896 0,048742

0,31285

-2,2899

-0,22850

-0,22459

0,036627 0,000993

-0,04379

-5,7101

-0,56980

-0,56280

0,036627 0,006172

-0,10974

-2,8580

-0,28472

-0,28000

0,033465 0,001403

-0,05210

-2,1420

-0,21340

-0,20972

0,033465 0,000788

-0,03902

-2,8580

-0,28472

-0,28000

0,033465 0,001403

-0,05210

-27,5971

-2,94904

-3,48777

0,159947 0,827943

-1,52189

-1,7101

-0,17065

-0,16766

0,036627 0,000554

-0,03269

7,0058

0,70024

0,69372

0,039789 0,010159

0,14122

8,4377

0,84755

0,84316

0,049275 0,018616

0,19196

10,8696

1,09978

1,10408

0,062978 0,040646

0,28623

-5,6986

-0,58217

-0,57517

0,080896 0,014915

-0,17064

Hasil pemeriksaan data aneh

Obs (X1) (Y) Fit SE Fit Residual
2 26,0 53,00 80,57 1,90 -27,57
17 7,0 89,00 75,18 5,15 13,82
18 8,0 91,00 75,46 4,94 15,54
25 12,0 49,00 76,60 4,08 -27,60

St Resid
-2,75R
1,57 X
1,74 X
-2,95R

R denotes an observation with a large standardized residual.

X denotes an observation whose X value gives it large leverage.

REGRESI BERGANDA
BERIKUT DATA MENGENAI PENGARUH PENDAPATAN DAN PENGANGGURAN
TERHADAP JUMLAH PENDUDUK MISKIN
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

Kabupaten
Kab. Cilacap
Kab. Banyumas
Kab. Purbalingga
Kab. Banjarnegara
Kab. Kebumen
Kab. Purworejo
Kab. Wonosobo
Kab. Magelang
Kab. Boyolali
Kab. Klaten
Kab. Sukoharjo
Kab. Wonogiri
Kab. Karanganyar
Kab. Sragen
Kab. Grobogan
Kab. Blora
Kab. Rembang
Kab. Pati
Kab. Kudus
Kab. Jepara
Kab. Demak
Kab. Semarang
Kab. Temanggung
Kab. Kendal
Kab. Batang
Kab. Pekalongan
Kab. Pemalang
Kab. Tegal
Kab. Brebes
Kota Magelang
Kota Surakarta
Kota Salatiga
Kota Semarang
Kota Pekalongan
Kota Tegal
jumlah

PDRB (kapita)
X1
7.185.351
2.775.818
2.725.908
3.012.254
2.234.113
3.789.442
2.297.799
3.212.407
4.155.036
4.031.026
5.492.630
2.819.122
6.057.749
3.171.902
2.206.649
2.291.493
3.636.670
3.552.462
14.828.579
3.566.052
2.695.119
5.573.832
3.135.698
5.049.198
3.178.990
3.487.316
2.285.280
2.321.422
2.794.524
7.383.009
8.699.634
4.663.212
12.676.256
6.858.912
4.850.637
158.695.501

Pengangguran
X2
75.495
57.620
29.058
22.464
35.304
15.364
21.290
31.602
31.656
44.454
36.379
31.945
25.700
26.870
43.657
26.166
17.571
59.012
27.205
30.426
35.569
37.842
18.941
32.929
31.574
31.380
60.483
64.281
65.357
7.639
26.574
9.816
85.710
13.818
16.157
1.227.308

Penduduk
Miskin
Y
343.900
340.700
221.900
200.600
334.900
130.000
207.500
190.800
158.400
243.100
99.100
201.100
125.900
177.100
262.000
155.100
154.700
207.200
97.800
119.200
217.200
102.500
114.700
168.200
122.000
164.300
325.200
220.700
459.300
14.900
83.400
14.900
89.600
28.000
26.800
6.122.700

ANALISIS MATRIKS
Penentuan model regresi
35
158.695.501
1.227.308
158.695.501 995.290.854.376.227 5.725.392.508.790
1.227.308
5.725.392.508.790
54.897.924.758

X'X

1,13569E+26
0,192475752
-1,48388E-08
-2,75546E-06
6.122.700
23.366.089.794.800
254.563.772.800
130306,2319
-0,018039207
3,605226089

DET
(X'X)^-1

X'Y

BDUGA

MODEL

-1,48388E-08
3,65542E-15
-4,94896E-14

-2,75546E-06
-4,94896E-14
8,49784E-11

Y = 130306,2319 - 0,018 X1 + 3,605 X2

HASIL ANOVA
ANOVA
df
Regression
Residual
Total

SS
2

2,23E+11

32
34

1,27E+11
3,5E+11

Coefficients

Standard
Error

MS
1,12E+1
1
3,96E+0
9

27597,49

4,72167

X Variable 1

130306,2319
0,018039207

0,003803

-4,74315

P-value
4,45E05
4,19E05

X Variable 2

3,605226089

0,579877 6,217226

5,8E-07

Intercept

Regression Statistics
Multiple R
0,798648919
R Square
0,637840096
Adjusted R
Square
0,615205102

t Stat

F
28,1793
8

Significance F
8,75802E-08

Lower 95%
74091,9935

Upper
95%
186520,
5

-0,025786089 -0,01029
4,78639
2,424055338
7

Standard Error
Observations

62904,46908
35

UJI SEKUENSIAL
Y

x1

x2

42

33

33

41

75

16

28

49

91

21

55

31

24/03/2014 9:19:35
Results for: Worksheet 2
Regression Analysis: Y versus x1; x2
The regression equation is
Y = 33,9 + 2,78 x1 - 0,264 x2
Predictor
Constant
x1
x2

Coef
33,93
2,785
-0,2644

S = 4,54876

SE Coef
26,75
1,289
0,5123

R-Sq = 98,0%

T
1,27
2,16
-0,52

P
0,294
0,120
0,641

R-Sq(adj) = 96,6%

Analysis of Variance
Source
Regression
Residual Error
Total
Source
x1
x2

DF
1
1

DF
2
3
5

SS
3009,9
62,1
3072,0

MS
1505,0
20,7

F
72,73

Seq SS
3004,4
5,5

Regression Analysis: Y versus x1

The regression equation is
Y = 20,2 + 3,43 x1
Predictor
Constant

Coef
20,236

SE Coef
3,038

T
6,66

P
0,003

P
0,003

x1

3,4336

S = 4,11052

0,2575

R-Sq = 97,8%

13,33

0,000

R-Sq(adj) = 97,2%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
1
4
5

SS
3004,4
67,6
3072,0

MS
3004,4
16,9

F
177,81

P
0,000

Regression Analysis: Y versus x2

The regression equation is
Y = 91,2 - 1,34 x2
Predictor
Constant
x2

Coef
91,179
-1,3438

S = 6,29758

SE Coef
5,042
0,1568

R-Sq = 94,8%

T
18,08
-8,57

P
0,000
0,001

R-Sq(adj) = 93,5%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
1
4
5

SS
2913,4
158,6
3072,0

MS
2913,4
39,7

F
73,46

P
0,001

Analysis of Variance atas Y dan (X2IX1)

Source
Regression
X1
X2 / x1
Residual Error
Total

DF
SS
2 3009,9
1 3004,4
1
5,5
3
62,1
5 3072,0

MS
F
P
1505,0 72,73 0,003
3004,4 145,14
5,5
0,26
20,7

Analysis of Variance atas Y dan (X1IX2)

Source
Regression
X2
X1 / x2
Residual Error
Total

DF
SS
MS
F
P
2 3009,9 1505,0 72,73 0,003
1 2913,4 2913,4 140,74
1
96,6
96,6
4,67
3
62,1
20,7
5 3072,0

Berdasarkan hasil analisis varians X1 dan X2 terdapat pengaruh kedua variabel tersebut terhadap Y,
dengan nilai P-value adalah 0,003. R Square yang menandakan keragaman Y yang mampu dijelaskan
model juga tinggi yaitu 98,0 %. Namun, ketika di uji secara parsial kedua variabel tidak signifikan
baik X1 maupun X2.
Sementara jika di uji parsial, X1 terhadap Y dan X2 terhadap Y, keduanya menunjukan pengaruh
yang signifikan X1 terhadap Y dengan nilai p-value adalah 0,000 sementara X2 terhadap Y yaitu
0,001.

Dari hasil uji sekuensial yaitu X2 terhadap X1 menunjukkan pengaruh yang tidak signifikan untuk
variabel x2.