You are on page 1of 3

NAMA

: Bayuk Nusantara KRJT

NIM

: 15701251004

PEP B 2015
The files of a medical center located in an industrial park were consulted to find the number
of accidents reported in a recent month by each of seven companies served by the medical
center. Each company was then contacted to find out how many years it had been in business
and how long its work shift were. The data were as follows.
Company
1
2
3
4
5
6
7

Number Of Accident
5
1
4
3
0
7
2

Years in Business
3
4
5
3
7
2
6

Hours/Shift
12
8
8
10
8
10
8

Perform a multiple linear regression analysis of number of accidents as a function of years in
business and shift length, and report the following information:
a. The regression equation. How many accidents does it predict for companies with 10hours shifts that have been in business for four years? Is the use of a linear equation
appropriate?
b. The ANOVA summary table. Is the regression significant?
c. The coefficcient of multiple determination. What does it mean?
d. The standard error of estimation. What does it tell you?
Answer
Setelah data di atas dianalisis regresi menggunakan program SPSS 20, maka diketahui:
Coefficientsa
Model

Unstandardized Coefficients

Standardized

t

Sig.

Coefficients
B

1

Std. Error

(Constant)

4,224

8,274

Years_X1

-,863

,594

Shift_X2

,286

,680

a. Dependent Variable: Accident_Y

Beta
,511

,637

-,644

-1,452

,220

,187

,421

,695

a. Years_X1 b.944) atau nilai signifikansi yang lebih dari 0. Dependent Variable: Accident_Y b.224−0.224−0.632 .141 α : 0.286 X 2 . Berdasarkan tabel coefficient diperoleh persamaan regresi yaitu Y =4.324 Sig.05 (0.05 Kesimpulan: Karena ρ-value > α maka menerima H0 (tidak ada pengaruh bersama-sama variabel X1 dan X2 terhadap Y) b. Uji: ρ-value : 0.324 < 6.881 Residual 13.790a R Square Adjusted R Std. 3.05).863 ( 4 )+ 0.436 1. Predictors: (Constant).286 (10 )=3. Namun persamaan regresi linear diatas tidak dapat digunakan dikarenakan semua variabel memiliki nilai signifikansi yang lebih dari 0.05. Dependent Variable: Accident_Y .141b a. dapat diketahui bahwa tidak ada pengaruh secara signifikan yang ditimbulkan variabel Years in Business (X1) dan Shift (X2) secara bersama-sama terhadap variabel Number Of Accident (Y). ANOVAa Model 1 Sum of Squares df Mean Square F Regression 21. Error of the Square Estimate .141 > 0.624 a. Shift_X2.80938 . Berdasarkan tabel ANOVA.857 6 3.095 4 3.632 dibulatkan menjadi 4). Shift_X2.274 Total 34. Model Summaryb Model 1 R . Artinya apabila suatu perusahaan berusia 4 tahun dan menerapkan giliran kerja tiap 10 jam maka dapat diprediksi bahwa jumlah kecelakaan yang terjadi adalah 4 kecelakan kerja yang akan terjadi. Hal tersebut dapat dilihat dari nilai F hitung yang lebih kecil dari nilai F tabel (3. Years_X1 Hipotesis: H0 : Variabel X1 dan X2 tidak berpengaruh secara bersama-sama terhadap Y H1 : Variabel X1 dan X2 berpengaruh secara bersama-sama terhadap Y Stat. ( Y =4.863 X 1+ 0. Predictors: (Constant).762 2 10. .

Sementara sisanya yang sebesar 37.80938. Hal tersebut berarti bahwa kesalahan dalam memprediksi banyaknya kecelakaan yang terjadi sebesar 1.6% dijelaskan oleh variabel lain yang tidak dimasukkan dalam model ini. diketahui bahwa nilai standard error of the estimate sebesar 1. d. diketahui bahwa R2=0.4% variabel Years in Business (X1) dan Shift (X2) dapat menjelaskan variabel Number of Accidents (Y).80938 kejadian atau sebesar 2 kejadian. Berdasarkan tabel Model Summary di atas. .c. Hal tersebut berarti 62.624. Berdasarkan tabel Model Summary di atas.