Regresi Linier Sederhana dan Berganda
April 24, 2018 | Author: Rhahmadani Susanti | Category: N/A
Short Description
Regresi, Linier, linear, ekonometrika...
Description
EKONOMETRIKA REGRESI LINIER SEDERHANA DAN BERGANDA
Disusun Oleh
Nama NI M Prodi Rombel osen
: : : :
:
Rhahmadani Susanti 4111413036 Matematika 001/Jum’at : r! S"holastika Mariani#
M!Si
PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMA UNIVERSITAS NEGERI SEMARANG SEMARANG 2015
1. Seorang Seorang Engineer Engineer ingin ingin mempelajar mempelajarii Hubungan Hubungan antara Suhu Ruangan Ruangan dengan dengan Jum Jumlah lah a!at a!at "ang dia#ibat#ann"a$ %ehingga dapat mempredi#%i atau meramal#an jumlah !a!at produ#%i ji#a %uhu ruangan ter%ebut tida# ter#endali. Engineer ter%ebut #emudian mengambil data %elama &' hari terhadap rata(rata )mean* %uhu ruangan dan Jumlah a!at +rodu#%i.
+en"ele%aian, Ha%il -utput S+SS Variables Entered/Removedb Model 1 Model
)aria&les E"tered
)aria&les Remoed Model Summaryb
RataRataSuhuRua"%a"a R R Square
a. All requested aria&les e"tered. 1 .955a
Method
. E"te E"ter r Adjusted R Square Std. Error of the Estimate .913
.910
1.198
&. 'e(e"de"t )aria&le: )aria&le: *umlah!acat a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a" &. 'e(e"de"t )aria&le: )aria&le: *umlah!acat
ANOVAb Model 1
Sum of Squares Re%ressio" Residual otal
df
Mea" Square
,-1.0-9
1
,-1.0-9
,0.1/1
-8
1.,35
,1.-00
-9
a. Predictors: !o"sta"t#$ RataRataSuhuRua"%a"
+ -93.,8
Si%. .000a
ANOVAb Model
Sum of Squares
1
Re%ressio" Residual otal
df
Mea" Square
+
,-1.0-9
1
,-1.0-9
,0.1/1
-8
1.,35
,1.-00
-9
Si%.
-93.,8
.000a
&. 'e(e"de"t )aria&le: *umlah!acat
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4 !o"sta"t# RataRataSuhuRua"%a"
Std. Error
-,.381
1.98,
1.,50
.085
!oefficie"ts 4eta
t
.955
Si%.
1-.-89
.000
1/.131
.000
a. 'e(e"de"t )aria&le: *umlah!acat
+er%amaan umum regre%i, Y = a + bX ^
Y =−24,38 + 1,45 X ^
a.* +redi#%i jumlah !a!at produ#%i$ ji#a %uhu dalam #eadaan tinggi )ariabel /*$ mi%al %uhu %ebe%ar
25 ℃ $ ma#a,
Y =−24,38 + 1,45 ( 25 ) ^
Y =11,87 ^
Jadi$ ji#a %uhu ruangan men!apai 25 ℃ $ ma#a dipredi#%i a#an terdapat 11$0 unit !a!at "ang diha%il#an pada %aat produ#%i. b.* Ji#a !a!at produ#%i )ariabel 2* "ang ditarget#an han"a boleh 3 unit$ ma#a predi#%i %uhu ruangan "ang diperlu#an untu# men!apai target ter%ebut adalah %ebagai beri#ut, Y =−24,38 + 1,45 X ^
⟺ 6=−24,38 + 1,45 X
X =
⇔
30,38 1,45
X = 20,95
⇔
Jadi$ predi#%i %uhu ruangan "ang paling %e%uai untu# men!apai target !a!at produ#%i han"a boleh 4 adalah %e#itar 20,95 ℃ . 5. Data negara Indone%ia %elama 1& tahun di#etahui %ebagai beri#ut ,
Sumber , B+S$ diolah Dimana , 2 6 +ertumbuhan e#onomi Indone%ia )per%en* / 6 7eterbu#aan e#onomi )di( proxy dengan ra%io e#%por dan impor terhadap +DB$ dalam %atuan per%en* +ertan"aan, a* Berda%ar#an scatter diagram$ tentu#an apa#ah hubungan / dan 2 po%iti8 atau negati8 9 b* Ji#a hubungan / dan 2 merupa#an regre%i linear %ederhana dengan per%amaan 2t 6 a : b/t : et $ dengan mengguna#an metode #uadrat ter#e!il$ !oba hitung #oe8i%ien regre%i a dan b dengan !ara manual 9 Beri#an ma#na ma%ing(ma%ing #oe8i%ien regre%i ter%ebut 9 Dan cari standard error ma%ing(ma%ing 9 !* Ji#a di#etahui / 6 ;; $ berapa ramalan 2 < +en"ele%aian, a.* S!atter diagram
b.*
$ahun
%
&
%&
2
X
1''6 1'') 1''* 1''' +000 +001 +00+ +003 +004 +00( +006 +00) +00*
41#( )0#4) 63#') 46#'+ )+#(( 61#*( 43#3) 3'#3( 4)#)' (0#* 4+#)+ 44#' (0#13
)#*+ 4#) ,13#13 1#)6 3#'+ 3#*3 4#3* 4#)+ (#03 (#6' (#( 6#+* 6#06
∑ X =676,32
∑ Y = 46,56
´ =52,025 X
´ =3,58 Y
i
b=
n
3+4#(3 331#+1 ,*3'#' *+#()' +*4#4 +36#*' 1*'#'6 1*(#)3 +40#3* +*'#0( +34#'6 +*1#') 303#)'
1)++#3 4'66 40'+#+ ++01#( (+63#( 3*+(#4 1**1 1(4*#4 ++*3#' +(*0#6 1*+( +016 +(13
∑ X Y = 2145,5
i
i
i
∑ X =36719 2
i
∑ X Y −(∑ X )( ∑ Y ) = 13 ( 2145,5 ) −(676,32 )( 46,56 ) = −3597,7 =−0,18 19935,3 13 ( 36719 )−( 676,32 ) n ∑ X −(∑ X ) i
i
i
i
2
2
i
2
i
´ −b ´ X =3,58 −(−0,18 ) ( 52,025 ) =12,97 a =Y +er%amaan umum regre%i, Y = a + bX ^
Y =12,97 − 0,18 X ^
Standard error regre%i se=
√
∑ Y −a ∑ Y − b ∑ XY = 2
n −2
√
494,32 − ( 12,97 ) ( 46,56 )−(−0,18 )( 2145,5 ) 13 −2
Standard error untu# #oe8i%ien regre%i a )parameter S a=
√
√
a *
∑ X − S = 36719−5,029 = 36713,971 =1,357 n ∑ X −( ∑ X ) √ ( 13 ) ( 36719 )−( 676,32 ) √ 19938,2576 2
e
2
2
2
Standard error untu# #oe8i%ien regre%i b )parameter S b=
=5,029
Se
∑ X − 2
= 2 (∑ X ) n
√
5,029
36719 −
( 676,32 )2
b *
=√ 0,003278 =0,05725
13
Ha%il output S+SS Variables Entered/Removedb Model 1
)aria&les E"tered 6a
)aria&les Remoed
Method . E"ter
Variables Entered/Removedb Model
)aria&les E"tered
)aria&les Remoed
6a
1
Method . E"ter
&. 'e(e"de"t )aria&le: 7
Model Summaryb Model
R
R Square .390a
1
Adjusted R Square .15-
Std. Error of the Estimate
.0/5
5.0-5-,
a. Predictors: !o"sta"t#$ 6 &. 'e(e"de"t )aria&le: 7
ANOVAb Model 1
Sum of Squares Re%ressio"
df
Mea" Square
,9./8,
1
,9./8,
Residual
-//./83
11
-5.-53
otal
3-/.58
1-
+
Si%. 1.9/1
.188a
a. Predictors: !o"sta"t#$ 6 &. 'e(e"de"t )aria&le: 7
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4 !o"sta"t# 6
Std. Error 1-.958
.8--
.180
.1-8
a. 'e(e"de"t )aria&le: 7
+er%amaan umum regre%i, Y = a + bX ^
Y =12,958 −0,180 X ^
!.* Ji#a X =55 ma#a ramalan untu# 2 adalah, Y = a + bX ^
Y =12,97 −0,18 ( 55 ) ^
Y =3,07 ^
!oefficie"ts 4eta
t
.390
Si%. 1.899
.08,
1.,0,
.188
Jadi$ ji#a 7eterbu#aan e#onomi )di( proxy dengan ra%io e#%por dan impor terhadap 55 = ma#a dipredi#%i pertumbuhan e#onomi Indone%ia a#an nai#
+DB* men!apai %eban"a# &.
3,07
.
Data negara Indone%ia %elama 1& tahun di#etahui %ebagai beri#ut ,
Sumber , B+S$ diolah Dimana , 2 6 Reali%a%i ine%ta%i a%ing lang%ung$ >DI )dalam juta ?S @* / 6 +ertumbuhan e#onomi Indone%ia )per%en* +ertan"aan, a* uli%#an per%amaan regre%inn"a9 b* Ji#a di#etahui / 6 $ berapa ramalan 2 < +en"ele%aian, Ha%il output S+SS Variables Entered/Removedb Model 1
)aria&les E"tered
)aria&les Remoed
61a
Method . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: 71
Model Summaryb
Model
R
1
R Square .18,a
a. Predictors: !o"sta"t#$ 61 &. 'e(e"de"t )aria&le: 71
Adjusted R Square .03,
.05,
Std. Error of the Estimate 59-./1,,,
ANOVAb Model 1
Sum of Squares
df
Mea" Square
Re%ressio"
1.351E/
1
1.351E/
Residual
3.8,E8
11
3.513E/
otal
3.999E8
1-
+
Si%. .5,8a
.385
a. Predictors: !o"sta"t#$ 61 &. 'e(e"de"t )aria&le: 71
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4 !o"sta"t# 61
!oefficie"ts
Std. Error
/95.,
-019.-85
-03.091
3-/.,,
4eta
t
.18,
Si%. 3.35
.00
.-0
.5,8
a. 'e(e"de"t )aria&le: 71
a.* +er%amaan regre%in"a +er%amaan umum regre%i, Y = a + bX ^
Y =6795,65 + 203,09 X ^
b.* Ji#a X =7 ma#a ramalan untu# Y adalah, Y =6795,65 + 203,09 X ^
Y =6795,65 + 203,09 ( 7 ) ^
Y =8217,28 ^
Jadi$ ji#a pertumbuhan e#onomi Indone%ia men!apai = ma#a dipredi#%i reali%a%i ine%ta%i a%ing lang%ung %eban"a# 051$50 Juta ?S@ 4. / 6 do%i% !hole%terol )mghari* 2 6 #adar athero%!lero%i% +engamatan mamberi#an data %ebagai beri#ut.
?jilah #elinieran regre%i dari data di ata%9 +en"ele%aian, Ha%il -utput S+SS Variables Entered/Removedb Model
)aria&les E"tered
)aria&les Remoed
'osischolesterola
1
Method . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: adarAtherosclerosis
Model Summaryb Model
R
R Square .3/3a
1
Adjusted R Square .139
Std. Error of the Estimate .0/3
1.-/1
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
ANOVAb Model 1
Sum of Squares Re%ressio"
df
Mea" Square
3.,03
1
3.,03
Residual
-0.99/
13
1.15
otal
-,.,00
1,
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
+
Si%. -.10/
.1/0a
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
!oefficie"ts
Std. Error
!o"sta"t# 'osischolesterol
4eta
.883
-.1,9
.0/3
.050
t
.3/3
Si%. .,11
.88
1.,5-
.1/0
a. 'e(e"de"t )aria&le: adarAtherosclerosis
Anali%i% +engujian 7elinieran 1* Bentu# hipote%i% model linear H 0 : β =0 )tida# ada hubungan linear antara do%i% !hole%terol )ariabel Independen* dan #adar athero%!lero%i% )ariabel dependen** H 1 : β ≠ 0 )ada hubungan linear antara do%i% !hole%terol )ariabel Independen* dan
#adar athero%!lero%i% )ariabel dependen** 5* >ormula%i ran!angan anali%i% Codel linear pilihan adalah Y = a + bX $ dengan uji dua piha#$ tara8 %igni8i#an ;=. ^
+er%amaan regre%i berda%ar#an %ampel pada output, Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
Std. Error
!o"sta"t# 'osischolesterol
.883
-.1,9
.0/3
.050
!oefficie"ts 4eta
t
.3/3
Si%. .,11
.88
1.,5-
.1/0
a. 'e(e"de"t )aria&le: adarAtherosclerosis
Diperoleh nilai a =−0,883 dan
b =0,073 $ jadi per%amaan regre%in"a adalah,
Y =−0,883 + 0,073 X . 7emudian uji nilai b. ?ntu# menerima atau menola# ^
hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel ANOVA: ANOVAb Model 1
Sum of Squares Re%ressio"
df
Mea" Square
3.,03
1
3.,03
Residual
-0.99/
13
1.15
otal
-,.,00
1,
a. Predictors: !o"sta"t#$ 'osischolesterol &. 'e(e"de"t )aria&le: adarAtherosclerosis
Diperoleh nilai F =2,107 $ &* Anali%i% ha%il,
sig =0,170
+
Si%. -.10/
.1/0a
sig =0,170 > 5 berarti terima H 0 dan tola# H 1 .
4* Simpulan Jadi$ tida# ada hubungan linear antara do%i% !hole%terol )ariabel Independen* dan #adar athero%!lero%i% )ariabel dependen*
;. Seorang Canajer +ema%aran deterjen mere# AA7 ingin mengetahui apa#ah +romo%i dan Harga berpengaruh terhadap #eputu%an #on%umen membeli produ# ter%ebut<
+en"ele%aian, Ha%il output S+SS Variables Entered/Removedb Model 1
)aria&les E"tered
)aria&les Remoed
ar%a6-$ Promosi61a
Method . E"ter
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Model Summaryb Model 1
R
R Square .915a
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Adjusted R Square .83
Std. Error of the Estimate ./90
-.5-1
ANOVAb Model 1
Sum of Squares Re%ressio" Residual otal
df
Mea" Square
--/.51-
-
113./5
,,.,88
/
.355
-/-.000
9
+
Si%. .00-a
1/.899
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
!oefficie"ts
Std. Error
!o"sta"t#
3.919
-.,18
Promosi61
-.,91
./03
ar%a6-
.,
1.01
4eta
t
Si%. 1.-1
.1,9
1.0-,
3.5,,
.009
.133
.,59
.0
a. 'e(e"de"t )aria&le: e(utusa"o"sume"7
1* Bentu# hipote%i% model linear H 0 : β =0 )tida# ada hubungan linear antara do%i% Harga dan +romo%i )ariabel Independen* dan #eputu%an #on%umen )ariabel dependen** H 1 : β ≠ 0 )ada hubungan linear antara Harga dan +romo%i )ariabel Independen*
dan 7eputu%an 7on%umen )ariabel dependen** 5* >ormula%i ran!angan anali%i% Codel linear pilihan adalah Y = a + bX $ dengan uji dua piha#$ tara8 %igni8i#an ;=. ^
+er%amaan regre%i berda%ar#an %ampel pada output, Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
Std. Error
!o"sta"t#
3.919
-.,18
Promosi61
-.,91
./03
ar%a6-
.,
1.01
!oefficie"ts 4eta
t
Si%. 1.-1
.1,9
1.0-,
3.5,,
.009
.133
.,59
.0
a. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Diperoleh nilai a =3,919 $
b =2,491 dan
c =−0,466
jadi per%amaan
regre%in"a adalah, Y =3,919 + 2,491 X 1 −0,466 X 2 . 7emudian uji nilai b. ?ntu# ^
menerima atau menola# hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel ANOVA: ANOVAb Model 1
Sum of Squares Re%ressio"
Mea" Square
--/.51-
-
113./5
,,.,88
/
.355
-/-.000
9
Residual otal
df
+
Si%. .00-a
1/.899
a. Predictors: !o"sta"t#$ ar%a6-$ Promosi61 &. 'e(e"de"t )aria&le: e(utusa"o"sume"7
Diperoleh nilai F =17,899 $
sig =0,002
&* Anali%i% ha%il, sig =0,002 < 5 berarti tola# H 0 dan terima H 1 4* Simpulan Jadi$ ada hubungan linear antara promo%i$ harga )ariabel Independen* dan #eputu%an #on%umen )ariabel dependen*
3. Beri#ut adalah data tentang ting#at #ehadiran di #ela% dan %#or IF maha%i%a "ang diper#ira#an mempengaruhi nilai a#hir "ang diperoleh9
+en"ele%aian, Ha%il output S+SS Variables Entered/Removedb Model 1
)aria&les E"tered s;orA7
Model Summaryb Model
R
R Square .95a
1
Adjusted R Square .915
Std. Error of the Estimate .880
.1198
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
ANOVAb Model 1
Sum of Squares
df
Mea" Square
Re%ressio"
.//
-
.38,
Residual
.0/-
5
.01,
otal
.839
/
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
+ -.//9
Si%. .00-a
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
!oefficie"ts
Std. Error
4eta
!o"sta"t#
,.1,0
.1,
?P@61
.8
.119
4>P>6-
.-0/
.0/5
t
Si%.
-5.19/
.000
.98,
/.-
.001
.3/3
-./55
.0,0
a. 'e(e"de"t )aria&le: R>A7
1
Bentu# hipote%i% model linear H 0 : β =0 )tida# ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan R-A)ariabel dependen** H 1 : β ≠ 0
)ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan R-A)ariabel dependen**
5
>ormula%i ran!angan anali%i% Codel linear pilihan adalah Y = a + b X 1 + c X 2 $ dengan uji dua piha#$ tara8 ^
%igni8i#an ;=. +er%amaan regre%i berda%ar#an %ampel pada output, Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4
!oefficie"ts
Std. Error
4eta
!o"sta"t#
,.1,0
.1,
?P@61
.8
.119
4>P>6-
.-0/
.0/5
t
Si%.
-5.19/
.000
.98,
/.-
.001
.3/3
-./55
.0,0
a. 'e(e"de"t )aria&le: R>A7
Diperoleh nilai a =4,140 $
b =−0,866 dan
c =−0,207 $ jadi per%amaan
regre%in"a adalah, Y = 4,140 −0,866 X 1−0,207 X 2 . ?ntu# menerima atau menola# ^
hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel ANOVA: ANOVAb Model 1
Sum of Squares
df
Mea" Square
Re%ressio"
.//
-
.38,
Residual
.0/-
5
.01,
otal
.839
/
a. Predictors: !o"sta"t#$ 4>P>6-$ ?P@61 &. 'e(e"de"t )aria&le: R>A7
+ -.//9
Si%. .00-a
Diperoleh nilai F =26,779 $
sig =0,002
&
Anali%i% ha%il, sig =0,002 < 5 berarti tola# H 0 dan terima H 1 .
4
Simpulan Jadi$ ada hubungan linear antara N+L$ B-+- )ariabel Independen* dan R-A)ariabel dependen*
0. 7ualita% benang telah diteliti %eban"a# 1; potong. 7ara#teri%ti# "ang diuji dalam penelitian ini adalah, X 1 6 panjang 8iber per '$'1 in!i. X 2 6 #ehalu%an 8iber )'$1 mi!rogram per in!i 8iber*
2 6 #e#uatan untaian benang dalam pound Ha%il penelitian diberi#an dalam da8tar beri#ut.
A#an ditentu#an model regre%i linier ganda %ehingga dapat diramal#an #e#uatan untaian benang ji#a di#etahui panjang dan #ehalu%ann"a. +en"ele%aian, Ha%il output S+SS Variables Entered/Removedb Model 1
)aria&les E"tered ;ehalusa"fi&er6-$ (a"ja"%fi&er61a
a. All requested aria&les e"tered. &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
)aria&les Remoed
Method . E"ter
Model Summaryb Model
R
R Square .89-a
1
Adjusted R Square ./95
Std. Error of the Estimate ./1
.,33
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
ANOVAb Model 1
Sum of Squares Re%ressio" Residual otal
df
Mea" Square
+
19-/.118
-
93.559
,9.15
1-
,1.385
-,-3./33
1,
Si%.
-3.-83
.000a
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4 !o"sta"t#
Std. Error 8,.-95
3.-5,
.9-/
.-5
1.,31
.,89
(a"ja"%fi&er61 ;ehalusa"fi&er6-
!oefficie"ts 4eta
t
Si%. -.3-5
.038
.51
3.-,
.003
.,5,
-.9-9
.013
a. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
1* Bentu# hipote%i% model linear H 0 : β =0 )tida# ada hubungan linear antara panjang 8iber$ #ehalu%an 8iber )ariabel Independen* dan #e#uatan untaian benang)ariabel dependen** H 1 : β ≠ 0
)ada hubungan linear antara panjang 8iber$ #ehalu%an 8iber )ariabel Independen* dan #e#uatan untaian benang)ariabel dependen**
5* >ormula%i ran!angan anali%i% Codel linear pilihan adalah Y = a + bX 1+ cX 2 $ dengan uji dua piha#$ tara8 ^
%igni8i#an ;=. +er%amaan regre%i berda%ar#an %ampel pada output,
Coefficientsa Sta"dardied 2"sta"dardied !oefficie"ts Model 1
4 !o"sta"t#
!oefficie"ts
Std. Error
4eta
8,.-95
3.-5,
.9-/
.-5
1.,31
.,89
(a"ja"%fi&er61 ;ehalusa"fi&er6-
t
Si%. -.3-5
.038
.51
3.-,
.003
.,5,
-.9-9
.013
a. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
Diperoleh nilai a =84,295 $
b =0,927 dan
c =−1,431 $ jadi per%amaan
regre%in"a adalah, Y =84,295 + 0.927 X 1−1,431 X 2 . ?ntu# menerima atau ^
menola# hipote%i% ba!a tabel perhitungan di%tribu%i > atau pada output tabel ANOVA: ANOVAb Model 1
Sum of Squares Re%ressio" Residual otal
df
Mea" Square
19-/.118
-
93.559
,9.15
1-
,1.385
-,-3./33
1,
+ -3.-83
Si%. .000a
a. Predictors: !o"sta"t#$ ;ehalusa"fi&er6-$ (a"ja"%fi&er61 &. 'e(e"de"t )aria&le: ;e;uata"u"taia"&e"a"%7
Diperoleh nilai F =23,28 &$
sig =0,000
&* Anali%i% ha%il, sig =0,000 < 5 berarti tola# H 0 dan terima H 1 . 4* Simpulan Jadi$ ada hubungan linear antara panjang 8iber$ #ehalu%an 8iber )ariabel Independen* dan #e#uatan untaian benang)ariabel dependen*
View more...
Comments
