REGRESI MUTMAINAH

NAMA : MUTMAINAH
NIM : 080630
KELAS/ SMT: REGULER/ III-B


Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya.




Regression









Tabel di atas menjelaskan metode regresi yang digunakan dalam pengolahan data SPSS dengan menggunakan model atau metode enter. Tabel Variables Entered Removed menunjukan metode regresi linear yang dipilih yaitu Enter. Pemilihan metode memungkinkan untuk menentukan bagaimana variabel independent ( Biologi Umum ) dimasukkan untuk dianalisis. Metode Enter memasukkan semua variabel independent sekaligus untuk dianalisis. Pada analisis regresi linear satu variabel independent, perbedaan antar metode tidak tampak.




R Square ( koefisien diterminasi ) sebesar 0,276 atau 28% Koefisien determinasi digunakan untuk mengetahui persentase pengaruh variabel independent ( predictor) terhadap perubahan variabel dependent. Dari hasil olahan tersebut diperoleh nilai koefisien determinasi = 0.276 artinya besarnya pengaruh variabel dependent ( kriterium/Y ) adalah 28% sedangkan sisanya 72% dipengaruhi oleh variabel lain selain variabel independent yaitu kualitas layanan.
Besarnya kesalahan standar estimai ( Se ) sebesar 0.68227 dengan nilai Durbin-Watson sebesar 1.600.

Harga β nol 0,919 (a) dan harga β satu (b) adalah 0.709, Nilai t test = 1.415. nilai ini digunakan dalam pengujian terhadap koefisien untuk mengetahui apakah variabel independent ( X1) berpengaruh secara signifikasi terhadap perubahan nilai variabel dependent ( Y). untuk menguji hipotesis yang diajukan apakah diterima atau ditolak dengan melihat signifikasi. Adapun ketentuan penerimaan atau pun penolakan apabila signifikasi dibawah atau sama dengan 0,05, maka Ha diterima dan Ho ditolak. Besarnya signifikasi adalah 0,168 dengan demikian Ha diterima danHo ditolak. Maka kesimpulannya ada tidak ada pengaruh X terhadap Y.

Tabel Coefficients memaparkan nilai konstanta a dan b dari persamaan linear : Y = 0,919+ 0.709X
Hipotesis uji koefisien a
Ho = koefisien a tidak signifikan.
H1 = koefisien a signifikan.





Charts

ANOVA_SISEAN BAGA

NAMA : SISEAN BAGA
NIM : 081357
KELAS/ SMT- : REGULER/ III-B

Analisis varian (ANOVA) adalah suatu metode untuk menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman.
ANOVA digunakan apabila terdapat lebih dari dua variabel. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).
Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling independen, yang harus dapat diatur dengan perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.


sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata). apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di samping itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah ditemikan cara analisis yang mengandung kesalahan lebih kecil da dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of variances).
pada dasarnya pola sample dapat dikelompokkan menjadi:
1. seluruh sample, baik yang berada pada kelompok pertama sampai dengan yang ada di kelompok lain, berasal dari populasi yang sama. untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan)
2. sample yang ada di kelompok satu berasal dari populasi yang berbeda dengan populasi sample yang ada di kelompok lainnya. untuk kondisi ini hipotesis nol dapat berbunyi: tidak ada efek treatment antar kelompok.

contoh:
Sample diambil sebanyak 30 orang dari kelas 3B Biologi yang di ambil dari data nilai Matdas I,Fisdas II,Biologi Umum.

TABEL 1



Rata-rata Matdas 1 = 2.4
Rata-rata Fisdas 1 = 2.36
Rata-rata Biologi Umum = 3

TABEL 2




TABEL 3



ANALISIS OUTPUT

Hipotesis:
Ho : µ matdas 1 = µ fisdas 1 = µ niologi umum
(tidak ada perbedaan nilai rata-rata ke tiga mata kuliah tersebut)
H1 : µ matdas 1 ≠ µ fisdas 1 ≠ µ biologi umum
(minimal ada dua mata kuliah dengan nilai rata-rata berbeda)

Dalam pengujian kali ini digunakan tingkat signifikasi 0.05 (α = 5%) atau dengan kata lain tingkat kepercayaan sebesar 0.95 (α = 95%)

Penarikan kesimpulan:
F hitung > F table maka tolak Ho
F hitung < F table maka terima Ho

Nilai statistik F table adalah (2;87;0.05) = 3.11 (dari table distribusi F).

Terlihat dari table ANOVA bahwa nilai F hitung = 5.334, yang lebih besar dari F table = 3.11. sehingga dapat disimpulkan bahwa Ho ditolak. Itu berarti ada perbedaan nilai rata-rata dari ketiga mata kuliah tersebut. (hal ini bisa dilihat pada table ANOVA nilai Sig. = 0.007 , yang lebih kecil dari taraf signifikasi = 5%).


Dengan analisis LSD pada Post Hoc terlihat bahwa:
• Mata kuliah Matdas1 dan Biologi Umum berbeda ( karena nilai sig < 0.05)
• Mata kuliah Fisdas 1 dan Biologi Umum berbeda (karena nilai sig < 0.05)

REGRESI SISEAN BAGA

Nama : SISEAN BAGA
Nim :081357
Kelas/ smt : Reguler/ III-B


Regresi Linear Sederhana
Analisis regresi menggunakan peubah bebas (X) dan peubah tak bebas (Y). Analisis regresi memungkinkan peneliti mengetahui berapa besar perubahan pada Y dapat diharapkan sebagai hasil dari perubahan satu satuan pada X. Jadi, analisis regresi memungkinkan kita memprakirakan nilai peubah tak bebas (Y) yang berkaitan dengan nilai tertentu dari peubah bebas (X).

Garis lurus yang memperlihatkan hubungan antara variabel-variabel tersebut disebut garis regresi atau garis perkiraan dan persamaan yang digunakan untuk mendapatkan garis regresi disebut persamaan regresi atau persamaan perkiraan. Bentuk persamaan regresi adalah :