REGRESI Diajukan untuk memenuhi salah satu tugas mata kuliah Statistika Dasar Disusun Oleh : ISEP HENDARI NIM  : 082466 Ke...
<ul><li>REGRESI adalah salah satu metode untuk menentukan sebab akibat antara variabel satu dengan variabel lainnya </li><...
<ul><li>Regresi terbagi menjadi dua </li></ul><ul><li>1. Regresi linear yaitu digunakan untuk melakukan pengujian hubungan...
<ul><li>Rumus - rumus tentang regresi </li></ul>Regresi linear  Y= a+bX Dimana :  Y= variabel tergantung(dependent) X= var...
 
 
<ul><li>Data tinggi badan dengan ukuran celana kelas D dan E </li></ul>30 168 30 30 168 29 26 156 28 26 157 27 25 153 26 2...
<ul><li>Kesimpulan </li></ul><ul><li>Berdasarkan hasil pengujian di ketahui bahwa tinggi badan seseorang akan berpengaruh ...
<ul><li>Regression </li></ul>30 1.79911 26.9333 UkuranCelana 30 8.80341 15.5000 NamaSiswa N Std. Deviation Mean Descriptiv...
30 30 UkuranCelana 30 30 NamaSiswa N . 0.114 UkuranCelana 0.114 . NamaSiswa Sig. (1-tailed) 1 0.226 UkuranCelana 0.226 1 N...
b. Dependent Variable: NamaSiswa a. All requested variables entered. Enter . UkuranCelana a 1 Method Variables Removed Var...
            b. Dependent Variable: NamaSiswa a. Predictors: (Constant), UkuranCelana 0.071 8.72655 0.017 0.051 .226 a 1 Du...
b. Dependent Variable: NamaSiswa a. Predictors: (Constant), UkuranCelana       29 2247.5 Total     76.153 28 2132.273 Resi...
a. Dependent Variable: NamaSiswa 2.953 -0.737 0.229 1.23 0.226 0.901 1.108 UkuranCelana 35.459 -64.141 0.56 -0.59   24.311...
a. Dependent Variable: NamaSiswa 30 0.036 0.033 0.1 0 Centered Leverage Value 30 0.038 0.035 0.144 0 Cook's Distance 30 1....
 
Upcoming SlideShare
Loading in …5
×

Presentation1

1,593 views

Published on

Published in: Technology, Business
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,593
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
37
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Presentation1

  1. 1. REGRESI Diajukan untuk memenuhi salah satu tugas mata kuliah Statistika Dasar Disusun Oleh : ISEP HENDARI NIM : 082466 Kelas : III.D
  2. 2. <ul><li>REGRESI adalah salah satu metode untuk menentukan sebab akibat antara variabel satu dengan variabel lainnya </li></ul><ul><li>Variabel penyebab bisa disebut variabel X sedangkan variabel akibat berarti Y </li></ul><ul><li>Kedua variabel ini merupakan variabel acak atau random </li></ul>
  3. 3. <ul><li>Regresi terbagi menjadi dua </li></ul><ul><li>1. Regresi linear yaitu digunakan untuk melakukan pengujian hubungan antara variabel X dan Y yang ditampilkan dalam bentuk persamaan regresi. </li></ul><ul><li>2.Regresi multiple linear yaitu variabel X > 1 maka persamaan regresinya merupakan persamaan regresi linear berganda </li></ul>
  4. 4. <ul><li>Rumus - rumus tentang regresi </li></ul>Regresi linear Y= a+bX Dimana : Y= variabel tergantung(dependent) X= variabel bebas a= nilai konstanta b= koefisien arah regresi Regresi multiple linear Y= a+bX1+cX2….+kXk
  5. 7. <ul><li>Data tinggi badan dengan ukuran celana kelas D dan E </li></ul>30 168 30 30 168 29 26 156 28 26 157 27 25 153 26 28 158 25 30 168 24 30 168 23 30 168 22 25 153 21 25 153 20 26 156 19 26 156 18 26 154 17 26 159 16 25 153 15 25 148 14 26 156 13 26 157 12 26 157 11 26 159 10 30 168 9 26 159 8 29 165 7 28 163 6 26 156 5 26 156 4 26 159 3 27 163 2 27 160 1 X.2 X.1 Ukuran Celana Tinggi Badan Nama Siswa
  6. 8. <ul><li>Kesimpulan </li></ul><ul><li>Berdasarkan hasil pengujian di ketahui bahwa tinggi badan seseorang akan berpengaruh terhadap ukuran celananya , jadi bagian yang paling penting dalam analisa regresi adalah pengujian hipotesis secara statistik terhadap perkiraan model regresi linier sederhana ang diperoleh. </li></ul>
  7. 9. <ul><li>Regression </li></ul>30 1.79911 26.9333 UkuranCelana 30 8.80341 15.5000 NamaSiswa N Std. Deviation Mean Descriptive Statistics
  8. 10. 30 30 UkuranCelana 30 30 NamaSiswa N . 0.114 UkuranCelana 0.114 . NamaSiswa Sig. (1-tailed) 1 0.226 UkuranCelana 0.226 1 NamaSiswa Pearson Correlation UkuranCelana NamaSiswa     Correlations
  9. 11. b. Dependent Variable: NamaSiswa a. All requested variables entered. Enter . UkuranCelana a 1 Method Variables Removed Variables Entered Model Variables Entered/Removed b
  10. 12.             b. Dependent Variable: NamaSiswa a. Predictors: (Constant), UkuranCelana 0.071 8.72655 0.017 0.051 .226 a 1 Durbin-Watson Std. Error of the Estimate Adjusted R Square R Square R Model Model Summary b
  11. 13. b. Dependent Variable: NamaSiswa a. Predictors: (Constant), UkuranCelana       29 2247.5 Total     76.153 28 2132.273 Residual . 229 a 1.513 115.227 1 115.227 Regression 1 Sig. F Mean Square df Sum of Squares Model ANOVA b
  12. 14. a. Dependent Variable: NamaSiswa 2.953 -0.737 0.229 1.23 0.226 0.901 1.108 UkuranCelana 35.459 -64.141 0.56 -0.59   24.311 -14.341 (Constant) 1 Upper Bound Lower Bound Beta Std. Error B 95.0% Confidence Interval for B Sig. t Standardized Coefficients Unstandardized Coefficients Model Coefficients a
  13. 15. a. Dependent Variable: NamaSiswa 30 0.036 0.033 0.1 0 Centered Leverage Value 30 0.038 0.035 0.144 0 Cook's Distance 30 1.055 0.967 2.905 0.001 Mahal. Distance 30 1.032 0.004 1.631 -1.761 Stud. Deleted Residual 30 9.17081 0.11411 14.1365 -15.0772 Deleted Residual 30 1.016 0.006 1.585 -1.699 Stud. Residual 30 0.983 0 1.551 -1.67 Std. Residual 30 8.57477 0 13.53409 -14.5739 Residual 30 2.01251 15.3859 20.423 12.3602 Adjusted Predicted Value 30 0.564 2.184 3.189 1.594 Standard Error of Predicted Value 30 1 0 1.705 -1.075 Std. Predicted Value 30 1.99333 15.5 18.8977 13.358 Predicted Value N Std. Deviation Mean Maximum Minimum   Residuals Statistics a

×