Show
Notes Theme: Kelas H : hpstr - Kelas E: cayman PENDAHULUANLatar Belakang
Statistika Deskriptif
Uji AsumsiUji Normalitas
data tersebut terdistribusi normal atau tidak adalah sebagai berikut: - Apabila nilai probabilitas lebih besar (>) dari 0,05 maka data terdistribusi secara normal. - Apabila nilai probabilitas lebih kecil (<) dari 0,05 maka data tidak terdistribusi secara normal. #### Uji Heteroskedastisitas Ghozali (2017:85) menyatakan bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain konstan maka disebut homoskedastisitas dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang dianggap baik adalah residual satu pengamatan ke pengamatan lain yang konstan atau homoskedastisitas atau tidak terjadi heteroskedastisitas. Uji statistik yang digunakan untuk menilai heteroskedastisitas dalam penelitian ini adalah uji Breusch Pagan . Ghozali (2017:90) menyatakan bahwa uji Breusch Pagan dapat dilakukan dengan meregres nilai absolute residual terhadap variabel independen lain. Dengan tingkat signifikansi 5%, adanya heteroskedastisitas dapat diketahui dengan kriteria sebagai berikut: - Jika nilai probabilitas variabel independen lebih besar (>) dari 0,05 maka tidak terjadi heteroskedastisitas. - Jika nilai probabilitas variabel independen lebih kecil (<) dari 0,05 maka terjadi heteroskedastisitas. #### Uji Autokorelasi Ghozali (2017:121) menyatakan bahwa uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Salah satu uji formal yang paling popular untuk mendeteksi autokorelasi adalah uji Durbin-Watson (DW), dasar pengambilan keputusan ada tidaknya autokorelasi adalah: 1. Bila nilai DW terletak diantara batas atas atau upper bound (dU) dan (4-dU) maka koefisien autokorelasinya sama dengan nol, berarti tidak ada autokorelasi. 2. Bila DW lebih rendah dari batas bawah atau lower bound (dL) maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif. 3. Bila DW lebih besar dari (4-dU) maka koefisien autokorelasinya lebih kecil daripada nol, berarti ada autokorelasi. 4. Bila nilai DW terletak antara batas atas (dU) dan bawah (dL) atau DW terletak antara (40dU) dan (4-dL) maka hasilnya tidak dapat disimpulkan. Data
SOURCE CODELibrary yang Dibutuhkan
Memanggil Data
Statistika Deskriptif
Uji Asumsi
Uji Normalitas
### Uji Autokorelasi
Uji Autokorelasi
Analisis Regresi
HASIL DAN PEMBAHASANStatistika Deskriptif
Uji AsumsiUji Normalitas
Uji Homoskedastisitas
Uji Autokorelasi
Analisis RegresiAnalisis Regresi
\[ Y=2.608 + 0.149X \] Dapat disimpulkan bahwa jika beta1 atau X naik satu satuan, maka akan menurunkan Y sebesar 0.149 Uji T\[ \frac{(Xbar - \mu_{0})}{s / \sqrt{n} } \] Dari hasil perhitungan uji T didapatkan output sebesar 0.355. Uji F\[ F=\frac{R^{2}/(n-1)}{1-R^2/(n-k)} \] DAFTAR PUSTAKAhttps://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linear-regression/ M. Nazir, 1983, Metode Statistika Dasar I , Gramedia Pustaka Utama:Jakarta Sudijono, Anas, 1996, Pengantar Statistik Pendidikan, Jakarta:Rajawali Spiegel. Murray. R, 2004, Statistika. Jakarta:Erlangga Supranto. J., 2001, Statistika Teori dan Aplikasi Edisi Ke-6 Jilid 2. Jakarta:Erlangga Walpole. R.,E., 1995, Ilmu Peluang Dan Statistika Untuk Insinyur dan Ilmuawan. Bandung:ITB Apa yang dimaksud dengan analisis regresi linear sederhana?Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y).
Bagaimana menentukan analisis regresi linier sederhana?Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana.. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response). Lakukan Pengumpulan Data.. Hitung X², Y², XY dan total dari masing-masingnya.. Apa perbedaan analisis regresi linear berganda dan regresi linear sederhana?Regresi linier sederhana digunakan apabila variable dependen dipengaruhi hanya oleh satu variable independent, sedangkan regresi linier berganda digunakan untuk menguji pengaruh lebih dari satu variable independent terhadap variable dependen.
Persyaratan apa saja yang harus dipenuhi dalam analisis regresi linier berganda?Asumsi klasik pada regresi linear berganda antara lain:. Data interval atau rasio. Skala data semua variabel terutama variabel terikat adalah interval atau rasio. ... . 2. Linearitas. ... . 3. Normalitas residual. ... . 4. Non outlier. ... . Homoskedastisitas. ... . 6. Non Multikolinearitas. ... . 7. Non Autokorelasi.. |