Your SlideShare is downloading. ×
Regresi New Dika
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Regresi New Dika

1,374
views

Published on

Published in: Technology, Business

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,374
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
25
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Regresi tugas individu Dhika yugaswara (082452) III D
  • 2. DEFINISI REGRESI
    • # Menurut Sir Francis Galton (1822-1911) Persamaan Regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu peubah takbebas ( dependent variable ) dari nilai peubah bebas (independent variable).
    • Jenis-jenis Persamaan Regresi :
    • Regresi Linier : Regresi Linier Sederhana & Regresi Linier Berganda
    • Regresi Nonlinier
    • Regresi Eksponensial
    • - Bentuk Umum Regresi Linier Sederhana
    • Y = a + bX
    • Y : peubah takbebas
    • X : peubah bebas
    • a : konstanta
    • b : kemiringan
  • 3.  
  • 4.  
  • 5. Berikut adalah data tinggi badan dan ukuran sepatu kelas yang disertai dengan pengujian linier berganda melalui program spss
  • 6. 38.00 162.00 12 43.00 173.00 11 42.00 165.00 10 39.00 161.00 9 38.00 155.00 8 39.00 161.00 7 40.00 160.00 6 37.00 153.00 5 36.00 148.00 4 40.00 155.00 3 40.00 159.00 2 38.00 160.00 1 Ukuran Sepatu Tinggi Badan responden
  • 7. 40.00 167.00 28 40.00 160.00 27 38.00 145.00 26 37.00 154.00 25 39.00 156.00 24 40.00 170.00 23 41.00 165.00 22 40.00 159.00 21 37.00 158.00 20 39.00 160.00 19 43.00 175.00 18 39.00 158.00 17 38.00 155.00 16 36.00 145.00 15 38.00 150.00 14 36.00 145.00 13
  • 8.
    • Analisis:
    • Jumlah mahasiswa adalah 28, dengan rata-rata ukuran sepatu adalah 38.96 dan Tinggi badan 158.36
    Regression
  • 9.
    • Analisis:
    • Korelasi antara Ukuran sepatu dengan Tinggi badan dengan nilai 0.841 artinya sangat kuat (0,80 - 1,000 (sangat kuat): Sugiyono 2005)
  • 10.  
  • 11. Analisis : Koefisien determinasi persamaan garis dan nilai P dapat dilihat dari tabel Model Summary pada kolom R Squere bernilai 0.708 artinya persamaan garis regresi yana diperoleh dapat menerangkan 70.80% variasi ukuran sepatu atau persamaan garis linier yang diperoleh cukup baik untuk menjelaskan variasi ukuran sepatu .
  • 12. Analisis: Dari table ANOVA dapat terlihat bahwa nilai F hasil perhitungan adalah 63.045 dengan probabilitas 0.000 yang lebih kecil dari 0.05 karena itu dapat disimpulkan bahwa model regresi valid atau sesuai dengan data yang ada dan dapat digunakan untuk memprediksi .
  • 13.
    • Analisis:
    • Table Coefificients menggambarkan besar konstanta dan koefisien yang digunakan untuk membuat fungsi regresi yaitu pada kolom B, dapat dilihat bahwa nilai konstanta (nilai a) = 6.450 dan nilai koefisien (nilai b)= 0.205 sehingga persamaan regresi liniernya adalah:
    • Y= a+bX
    • Y= Ukuran sepatu
    • X= Tinggi badan
    • Jumlah Ukuran Sepatu = 6.450+0.205 (tinggi badan)
  • 14. Untuk mengetahui apakah koefisien dan konstanta regresi linier signifikan atau tidak, perlu di ketahui hipotesis yanh digunakan H0 : koefisien tidak signifikan, H1 : koefisien signifikan, H0 ditolak pabaila t > tα/2 n-1 atau apabila t negatif, maka H0 ditolak apabila t< - tα/2 n-1 Karena nilai n= 28 , dan α = 0.05 maka diketahui t 0.025/27 = 2.052 (hasil dari tabel distribusi t untuk dua arah) maka H0 ditolak karena 7.940 > 2.052 atau (t hitung lebih besar dari t tabel) dan dapat disimpulkan bahwa nilai konstanta maupun koefisien regresi signifikan berarti ada hubungan linier antara Tinggi Badan dengan Ukuran sepatu.
  • 15.
    • Grafik Plot yang digunakan untuk melihat sebaran dari data.