IV.

HASIL DAN PEMBAHASAN

4.1 Hasil

Regression
Descriptive Statistics

Mean Std. Deviation N

Berat Total Kerang 2.9279 .79399 19

Panjang Kerang 1.87 .130 19

Lebar Kerang 1.1816 .08368 19

Tinggi Kerang 1.0253 .11965 19

Berat Daging Kerang .9668 .32292 19

Correlations

Berat Total Panjang Lebar Tinggi Berat Daging

Kernag Kerang Kerang Kerang Kerang

Pearson Berat Total Kerang 1.000 .800 .883 .893 .986

Correlation
Panjang Kerang .800 1.000 .874 .643 .841

Lebar Kerang .883 .874 1.000 .847 .870

Tinggi Kerang .893 .643 .847 1.000 .832

Berat Daging
.986 .841 .870 .832 1.000
Kerang

Sig. (1-tailed) Berat Total Kerang . .000 .000 .000 .000

Panjang Kerang .000 . .000 .002 .000

Lebar Kerang .000 .000 . .000 .000

Tinggi Kerang .000 .002 .000 . .000

Berat Daging
.000 .000 .000 .000 .
Kerang

N Berat Total Kerang 19 19 19 19 19

Panjang Kerang 19 19 19 19 19

Lebar Kerang 19 19 19 19 19

Tinggi Kerang 19 19 19 19 19

Berat Daging
19 19 19 19 19
Kerang
 Variables Entered/Removedb

Variables
Model Variables Entered Removed Method

1
Berat Daging
Kerang, Tinggi
Kerang, Panjang . Enter
Kerang, Lebar
Keranga

a. All requested variables entered.

b. Dependent Variable: Berat Total Kernag

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate

1 .995a .991 .988 .08701

a. Predictors: (Constant), Berat Daging Kerang, Tinggi Kerang, Panjang

Kerang, Lebar Kerang

b. Dependent Variable: Berat Total Kernag

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 11.242 4 2.810 371.186 .000a

Residual .106 14 .008

Total 11.348 18

a. Predictors: (Constant), Berat Daging Kerang, Tinggi Kerang, Panjang Kerang, Lebar Kerang

b. Dependent Variable: Berat Total Kernag

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -.036 .562 -.065 .949

Panjang Kerang -.544 .420 -.089 -1.296 .216

Lebar Kerang .542 .788 .057 .688 .503

Tinggi Kerang 1.290 .422 .194 3.059 .008

 Berat Daging Kerang 2.089 .165 .850 12.632 .000

a. Dependent Variable: Berat Total Kernag

Casewise Diagnosticsa

Case
Number Std. Residual Berat Total Kernag Predicted Value Residual

1 .102 1.78 1.7711 .00888

2 -.793 1.59 1.6590 -.06898

3 .511 2.81 2.7656 .04443

4 .042 1.93 1.9263 .00369

5 1.017 1.82 1.7315 .08849

6 -.788 2.01 2.0785 -.06853

7 .413 3.31 3.2740 .03598

8 .748 3.16 3.0949 .06509

9 -.244 3.23 3.2513 -.02126

10 -.266 3.08 3.1032 -.02318

11 .490 2.26 2.2174 .04263

12 -.788 3.10 3.1686 -.06856

13 .255 3.40 3.3778 .02218

14 -.577 3.74 3.7902 -.05021

15 -1.651 3.46 3.6037 -.14367

16 .448 3.43 3.3910 .03900

17 1.027 4.36 4.2707 .08933

18 1.661 3.74 3.5955 .14455

19 -1.607 3.42 3.5599 -.13986

a. Dependent Variable: Berat Total Kernag

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 1.6590 4.2707 2.9279 .79027 19

Std. Predicted Value -1.606 1.699 .000 1.000 19

Standard Error of Predicted

.023 .061 .044 .010 19
Value

Adjusted Predicted Value 1.6453 4.2213 2.9235 .79447 19

Residual -.14367 .14455 .00000 .07674 19

Std. Residual -1.651 1.661 .000 .882 19

Stud. Residual -2.007 1.939 .021 1.061 19

Deleted Residual -.21803 .19685 .00440 .11200 19

Stud. Deleted Residual -2.291 2.184 .010 1.143 19

Mahal. Distance .337 7.934 3.789 1.980 19

Cook's Distance .000 .450 .101 .139 19

Centered Leverage Value .019 .441 .211 .110 19

a. Dependent Variable: Berat Total Kernag

Charts
4.2 Pembahasan

4.2.1 Interpretasi Uji Regresi

Pada dasarnya regresi di gunakan untuk menguji antara dua data yaitu data dependen dan
Independent. Analisa ini bertujuan untuk menelaah hubungan antara dua variabel atau lebih,
terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna.
Pada regresi ini terdiri dari satu variabel bebas (predictor) dan satu variabel terikat
(Response/Criterion) karena regresi linier.
Dimana nilai dapat diprediksi dari dependent variabel ketika nilai dari setiap prediktor =
0. Setelah melakukan anailisis menggunakan SPSS kami mendapatkan hasil 6 tabel. Pada
regresi linier ini menggunakan method enter. Pada uji ini data yang digunakan adalah panjang
dan lebar kerang dengan menggunakan metode enter. Dimana lebar kerang sebagai predictor
dan panjang kerang sebagai dependent variabel. Berarti panjang kerang dipengaruhi oleh lebar
kerang. Sedangkan dalam histogram, plot, dan scatterplot menunjukkan bahwa kurang lebih
data menyebar secara merata dan hanya terdapat beberapa data yang tidak normal.
Fungsi dari Analisa Regresi dan Anlisa Korelasi adalah kedua analisis ini bertujuan untuk
melihat adanya pengaruh maupun hubungan kuantitatif. Dari analisis ini berguna dalam
mempermudah pembacaan intrepetasi hasil output
 Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep berbeda dengan
analisis regresi. Analisis korelasi adalah mengukur suatu tingkat atau kekuatan hubungan linear
antara dua variabel. Koefisien korelasi adalah mengukur kekuatan hubungan linear. Analisis
regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata suatu variabel yang
sudah diketahui nilainya, berdasarkan suatu variabel lain yang juga sudah diketahui nilainya.
Regresi dan korelasi mempunyai perbedaan mendasar. Dalam analisis regresi terdapat
asimtri pada variabel tergantung dan terkiat yang akan dianalisis. Variabel terikat diasumsikan
random atau stokastik, sehingga mempunyai distribusi probabilitas. Variabel penjelas (variabel
bebas) diasumsikan mempunyai nilai yang tertentu (dalam sampel tertentu). Sebenarnya sangat
dimungkinkan bahwa variabel bebas juga stokastik secara intrinsik, akan tetapi untuk kegunaan
analisis regresi, maka kita asumsikan bahwa nilai variabel bebas adalah tertentu (fixed). Nilai-
nilai pada variabel bebas adalah sama pada berbagai sampel sehingga tidak random atau tidak
stokastik.
Dalam analisis korelasi, kita menggunakan dua variabel yang simetris, sehingga tidak ada
perbedaan antara variabel terikat dengan variabel penjelas. Lebih lanjut, dua variabel tersebut
diasumsikan random. Seperti yang telah kita ketahui, bahwa kebanyakan teori korelasi
berdasarkan pada asumsi variabel random, di mana kebanyakan teori regresi berdasarkan pada
asumsi variabel tergantung stokastik dan variabel bebas adalah tertentu atau non stokastik.
Meskipun demikian, dalam analisis yang lebih mendalam, kita dapat mempertimbangkan
kembali asumsi bahwa variabel penjelas merupakan non stokastik.
Pada program excel dalam pengolahan nya tidak terlalu spesifik seperti pada program
SPSS, selain itu didukung dengan adanya output pada tiap – tiap analisis.
Software yang digunakan untuk melakukan pemodelan analisis regresi dewasa ini
semakin beragam. Software SPSS cocok digunakan untuk data-data yang berasal dari penelitian
sosial, sedangkan software E views cocok untuk menghitung pemodelan pada ilmu ekonomi
dan keuangan. Walaupun sebetulnya kita pun masih dapat mengoptimalkan penggunaan
Microsoft Excel untuk melakukan pemodelan analisis regresi.
Regresi, analisis untuk mengetahui peluang atau ramalan terhadap pengaruh perubahan
variabel, Korelasi dilakukan untuk menganalisis hubungan 2 atau lebih variabel secara
kuantitaif agar di dapat hasilnya.
Analisis regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata suatu
variabel yang sudah diketahui nilainya, berdasarkan suatu variabel lain yang juga sudah
diketahui nilainya. Dalam analisis regresi terdapat asimtri pada variabel tergantung dan terkiat
yang akan dianalisis. Variabel terikat diasumsikan random atau stokastik, sehingga mempunyai
distribusi probabilitas. Variabel penjelas (variabel bebas) diasumsikan mempunyai nilai yang
tertentu (dalam sampel tertentu). Sebenarnya sangat dimungkinkan bahwa variabel bebas juga
stokastik secara intrinsik, akan tetapi untuk kegunaan analisis regresi, maka kita asumsikan
bahwa nilai variabel bebas adalah tertentu (fixed). Nilai-nilai pada variabel bebas adalah sama
pada berbagai sampel sehingga tidak random atau tidak stokastik.
Analisis korelasi adalah mengukur suatu tingkat atau kekuatan hubungan linear antara
dua variabel. Koefisien korelasi adalah mengukur kekuatan hubungan linear. Dalam analisis
korelasi, kita menggunakan dua variabel yang simetris, sehingga tidak ada perbedaan antara
variabel terikat dengan variabel penjelas. Lebih lanjut, dua variabel tersebut diasumsikan
random. Seperti yang telah kita ketahui, bahwa kebanyakan teori korelasi berdasarkan pada
asumsi variabel random, di mana kebanyakan teori regresi berdasarkan pada asumsi variabel
tergantung stokastik dan variabel bebas adalah tertentu atau non stokastik. Meskipun demikian,
dalam analisis yang lebih mendalam, kita dapat mempertimbangkan kembali asumsi bahwa
variabel penjelas merupakan non stokastik.