statistik jalan
TRANSCRIPT
-
8/20/2019 STATISTIK JALAN
1/28
TUGAS
STATISTIKA DAN PROBABILITAS
PROF. DR.WIDOWATI, M.Si
REGRESI LINIER
BERGANDA
PROGRAM PASCA SARJANA
MAGISTER MANAJEMEN REKAYASA INFRASTRUKTUR
TEKNIK SIPIL
UNIVERSITAS DIPONEGORO
DIBUAT OLEH :
RAKHMATIKA
NIM. 21010112000
-
8/20/2019 STATISTIK JALAN
2/28
REGRESI LINIER BERGANDA
Evaporasi merupakan proses berubahnya bentuk zat cair (air) menjadi gas (uap air) dan masuk ke atmosfer. Evaporasi terjadi pada permukaan air (seperti laut, danau, dan sungai), permukaan
tanah ( genangan air di atas tanah dan penguapan dari permukaan air tanah yang dekat dengan
permukaan tanah) dan permukaan tanaman (intersepsi). Tabel 1 ata !limatologi dan
Evaporasi "ilayah #ungai Einlanden$igul$%ikuma (Sumber :Data Klimatologi , 2013 ).
&arilah model regresi jamak , apakaha ada pengaruh secara bersama$sama antara suhu,
kelembaban, kecepatan angin, sinar mataharai terhadap evaporasi' elaskan
TABEL 1. Data Klimatologi dan Evaporasi Wilayah Sungai Einlanden-Digul-Bikuma
o. EvaporasiSuhu
!dara
Kelem"a"an
!dara
Ke#epatan
angin
$enyinaran
%atahari
& '1 '( ') '*
1 1*+,++ *,-1 /,0 *,-0 *,2
( 1*,1 *,2 2,- *,- ++,/2
) 1*,/ *, 2-,+- ,0- +/,1
* 10,0* ,/ 2-,0 *,0+ +,1
+ 11,*- *,2 1,*- *,* -,11
, -1,- ,-* 1,-1 *,1 */,/2
1/-,* ,*0 /,2+ ,0 0,/
1*1,/0 ,** /,12 +,1* +2,2-
/ 1+,/ *,1 2-,/1 +,- 02,22
10 100,* ,/+ 20,-* +,* 01,/
11 1*-,-0 ,10 /,2 ,0 +1,2
1( 1+1,2 ,1* ,++ +,2 +,*
(Sumber :Data Klimatologi , 2013 ).
DATA TUGAS 1
METODE ANALISA DATA
-
8/20/2019 STATISTIK JALAN
3/28
REGRESI LINIER BERGANDA
3nalisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (41, 4,5.4n) dengan variabel dependen (6). 3nalisis ini untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah masing$masing
variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
alam data studi diatas didapatkan bah7a variabel independen (4k ) yang menentukan variabel
dependen (6) ada lebih dari satu, sehingga model regresi yang digunakan adalah model
8egresi amak ( Multiple Regression Model ). 3pabila diporoleh hubungan antara 6 dan 4k
linear maka model tersebut disebut 9odel 8egresi :inear amak ( Multiple Linear Regression
Model ).
;ntuk sampel pada studi diatas, berarti estimasi bagi 6 yang diperoleh adalah<
**11/= xb xb xb xbb y ++++=
>ariabel independen ? peubah bebas ? peubah yang mempengaruhi ? 4k yaitu faktor yang
mempengaruhi evaporasi dimana< '1 adalah suhu udara , '( adalah kelem"a"an udara ')
adalah ke#epatan angin '* adalah penyinaran matahari.
>ariabel dependen ? peubah tak bebas ? peubah yang dipengaruhi ? & adalah evaporasi.
2asil Analisa 3%s. E4#el5
@asil analisa data dengan menggunakan 9s. EAcel dapat dilihat pada tabel 1. di ba7ah ini.
3nalisa tersebut menggunakan rumus logika linest
TABEL (. 2AS6L 7!T$!T DA86 %6987S7:T E'9ELL 3L6EST5
-
8/20/2019 STATISTIK JALAN
4/28
REGRESI LINIER BERGANDA
% %* % %1 %//,*-+20
+
1,/0/*
$
,210- 1*,01*122
$
+0,2-1/22
/,*+12//
+
*,/1-10
1,2-0/0
0
*,/--00-*
+
121,-202
1
/,-*1/200+0
0,2-+111++0 BCD3 BCD3 BCD3
*,0/+00
1 2 BCD3 BCD3 BCD3
*00,02*/
**,122
BCD3 BCD3 BCD3
3 a5
B* B) B( %1 %/
/,*-++ 1,/0/
$
,210-/ 1*,01*1 $+0,2-1/
S b S b* S b S b1 S b/
/,*+121 *,/1-1*
1,2-0/0
0 *,/--02
121,-202
8 sev
/,-*1/22 0,2-+11 BCD3 BCD3 BCD3
: hit dk
*,0/+2 2,////// BCD3 BCD3 BCD3
##8 ##E
*00,02*/ **,122 BCD3 BCD3 BCD3
3"5
%erdasarkan Tabel di atas dapat dijelaskan bah7a nilai<
%/ ? $ +0,2-1
%1 ? 1*,01
% ? $,2
%* ? 1,
% ? /,*-+
3. ersamaan 8egresi :inear amak@ubungan antara #uhu ;dara (41), !elembaban udara (4), !ecepatan 3nging (4*),
emyinaran 9atahari (4) dengan Evaporasi (6) adalah
ersamaan regresi< 6 ? $+0,2-1 F 1*,01 41 $ ,2 4 F1, 4* F /,*-+ 4%. !ekuatan @ubungan #ecara %ersama 3ntara 41, 4, 4*, 4 terhadap 6 adalah
r ? √ R2
? √ 0,931 ? /,-0
&. !oefesien eterminan < 8 ? /,-*1/22 ? -*, 11G
3rtinya adalah suhu udara, kelembaban udara, kecepatan angin, penyinaran matahari
mempengaruhi evaporasi sebesar -*,11G sedangkan 0,-G dipengaruhi oleh variabel D
faktor lainnya
-
8/20/2019 STATISTIK JALAN
5/28
REGRESI LINIER BERGANDA
engan diolah menggunakan ### metode naly!e Regression Linear , didapatkan hasil
sebagai berikut <
TABEL ). 2AS6L AAL6SA 8E;8ES6 L6EA8 DE;A S$SS
A. ariables
Entered
>ariables
8emoved 9ethod
1 enyinaran
9atahari,
#uhu ;dara,
!ecepatan
3ngin,
!elembaban
;daraa
. Enter
a. ll re"uested #ariables entered .
B. Model Summary
%odel Summary
9odel 8 8 #Huare3djusted 8
#Huare#td. Error of the Estimate
1 .-0+a .-*1 .- 0.2-+11
a. $redi%tors< (&onstant), enyinaran 9atahari, #uhu
;dara, !ecepatan 3ngin, !elembaban ;dara
9. A7ariable< Evaporasi
-
8/20/2019 STATISTIK JALAN
6/28
REGRESI LINIER BERGANDA
D. Coefficientsa
9oe>>i#ientsa
9odel
;nstandardized
&oefficients
#tandardized
&oefficients
t #ig.% #td. Error %eta
1 (&onstant) $+0.2-1 121.-22 $.**/ .2+1
#uhu ;dara 1*.01 *./-+ .0 .*-- .//*
!elembaban ;dara $.2 1.2-0 $.// $1.+1+ .12*
!ecepatan 3ngin 1. *./ .0/ .2+/ .//
enyinaran
9atahari
.*-+ .*+ .1* 1.1+ .-/
a. ependent >ariable< Evaporasi
%erdasarkan tabel di atas dapat dijelaskan bah7a nilai<
%/ ? $ +0,2-1
%1 ? 1*,01
% ? $,2
%* ? 1,
% ? /,*-+
ersamaan regresi< 6 ? $+0,2-1 F 1*,01 41 $ ,2 4 F1, 4* F /,*-+ 4
!eterangan <
6 ? Evaporasi
41 ? #uhu ;dara
4 ? !elembaban ;dara
4* ? !ecepatan 3ngin
4 ? enyinaran 9atahari
%erdasarkan hasil analisis regresi ganda antara pasangan data variabel suhu udara (41),
kelembaban udara (4), kecepatan angin (4*) dan penyinaran matahari (4) dengan variabel
Evaporasi (6) diperoleh persamaan yang sama dengan menggunakan metode perhitungan 9s.EAcell (:inest) dan juga diperoleh hasil sebagai berikut
-
8/20/2019 STATISTIK JALAN
7/28
REGRESI LINIER BERGANDA
a. #emakin
3dapun hubungan masing$masing variabel dengan menggunakan program 9s.EAcell dapat
digambarkan pada grafik berikut ini <
22 22.5 23 23.5 24 24.5
0
50
100
150
200
f(x) = 15.34x - 228.41
R² = 0.25
HUBUNGAN EVAPORASI DENGAN SUHU UDARA
SUHU UDARA
EVAPORASI
;am"ar 1. ;ra>ik 2u"ungan Evaporasi Dengan Suhu !dara
iketahui < #lope ? 1+, **
Jntersep ? $,/+
!orelasi (r) ? /,+/1-
!oef.eterminasi (8 ) ? /,+1-
ari Kambar 1 dapat dianalisa bah7a <
3. iperoleh persamaan regresi linear sederhana hubungan fungsional antara evaporasi
(6) dengan suhu udara (41) adalah sebagai berikut <
6 ? 1+,** 4$,3rtinya apabila suhu udara semakin meningkat maka evaporasi juga semakin
meningkat
%. iperoleh koefesien korelasi r ? /,+/1- artinya kekuatan hubungan antara evaporasi
dengan suhu udara adalah sedang
&. idapat koefesien determinasi 8 ? /,+1 artinya evaporasi dipengaruhi oleh suhu
udara sebesar +,1 G sedangkan yang 2,- G dipengaruhi oleh faktor lain
-
8/20/2019 STATISTIK JALAN
8/28
REGRESI LINIER BERGANDA
76 77 78 79 80 81 82 83
0
50
100
150
200
f(x) = - 7.48x + 732.69
R² = 0.3
HUBUNGAN EVAPORASI DENGAN KELEMBABAN UDARA
KELEMBABAN UDARA
EVAPORASI
;am"ar (. ;ra>ik 2u"ungan Evaporasi Dengan Kelem"a"an !dara
iketahui < #lope ? $2,1+
Jntersep ? 2*,0-
!orelasi (r) ? $ /,++/2
!oef.eterminasi (8 ) ? /,*/*+-
ari Kambar dapat dianalisa bah7a <
3. iperoleh persamaan regresi linear sederhana hubungan fungsional antara evaporasi
(6) dengan kelembaban udara (4) adalah sebagai berikut <
6 ? $2, 4 F 2*,0
3rtinya apabila kelembaban udara semakin meningkat maka evaporasi semakin
menurun.
%. iperoleh koefesien korelasi r ? $/,+0 artinya kekuatan hubungan antara evaporasi
dengan kelembaban udara adalah sedang
&. idapat koefesien determinasi 8 ? /,*/* artinya evaporasi dipengaruhi oleh
kelembaban udara sebesar */,* G sedangkan yang 0-,0 G dipengaruhi oleh faktor lain
-
8/20/2019 STATISTIK JALAN
9/28
REGRESI LINIER BERGANDA
3.5 4 4.5 5 5.5 6 6.5
0
20
40
60
80
100
120140
160
180
f(x) = 18.37x + 47.91
R² = 0.59
HUBUNGAN EVAPORASI DENGAN KECEPATAN ANGIN
KECEPATAN ANGIN
EVAPORASI
;am"ar ). ;ra>ik 2u"ungan Evaporasi Dengan Ke#epatan Angin
iketahui < #lope ? 1,*020
Jntersep ? 2,-/-+
!orelasi (r) ? /,20+221
!oef.eterminasi (8 ) ? /,+0/+
ari Kambar * dapat dianalisa bah7a <
3. iperoleh persamaan regresi linear sederhana hubungan fungsional antara evaporasi
(6) dengan kecepatan angin (4*) adalah sebagai berikut <
6 ? 1,*0 4 F 2,-/
3rtinya apabila kecepatan angin semakin meningkat maka evaporasi juga semakin
meningkat.
%. iperoleh koefesien korelasi r ? /,20 artinya kekuatan hubungan antara evaporasi
dengan kecepatan angin adalah kuat
&. idapat koefesien determinasi 8 ? /,+0 artinya evaporasi dipengaruhi oleh suhu
udara sebesar +,0 G sedangkan yang 1, G dipengaruhi oleh faktor lain
-
8/20/2019 STATISTIK JALAN
10/28
REGRESI LINIER BERGANDA
25 30 35 40 45 50 55 60 65 70
0
20
40
60
80
100
120140
160
180
f(x) = 1.6x + 49.52
R² = 0.55
HUBUNGAN EVAPORASI DENGAN PENYINARAN MATAHARI
PENYINARAN MATAHARI
EVAPORASI
;am"ar *. ;ra>ik 2u"ungan Evaporasi Dengan $enyinaran %atahari
iketahui < #lope ? 1,0/110
Jntersep ? -,+*0
!orelasi (r) ? /,21-1
!oef.eterminasi (8 ) ? /,++/+*0
ari Kambar dapat dianalisa bah7a <
3. iperoleh persamaan regresi linear sederhana hubungan fungsional antara evaporasi
(6) dengan penyinaran matahari (4) adalah sebagai berikut <
6 ? 1,0/ 4 F -,+
3rtinya apabila penyinaran matahari semakin meningkat maka evaporasi juga semakin
meningkat.
%. iperoleh koefesien korelasi r ? /,2 artinya kekuatan hubungan antara evaporasi
dengan penyinaran matahari adalah kuat
&. idapat koefesien determinasi 8 ? /,++1 artinya evaporasi dipengaruhi oleh
penyinaran matahari sebesar ++,1 G sedangkan yang ,- G dipengaruhi oleh faktor
lain
engan diolah menggunakan ### metode naly!e &ur#e 'stimation, didapatkan hasil
sebagai berikut
-
8/20/2019 STATISTIK JALAN
11/28
REGRESI LINIER BERGANDA
A. 2!B!;A E
-
8/20/2019 STATISTIK JALAN
12/28
REGRESI LINIER BERGANDA
1. 9LE: 8EK8E#J :JCE38
ersamaan < 6 ? 2*,0- $ 2, 4
. 9LE: 8EK8E#J CLC :JCE38 !;383TJ!
ersamaan < 6 ? 1*0*,/ $ *-,/* 4 F ,1*- 4
*. 9LE: 8EK8E#J CLC :JCE38 !;%J!
ersamaan < 6 ? -,+20 $ 12-,+ 4 F /,/// .4F /,//- 4*
;am"ar ,. ;ra>ik 2u"ungan Evaporasi Dengan Kelem"a"an !dara 3Curve Estimation5
9. 2!B!;A E
-
8/20/2019 STATISTIK JALAN
13/28
REGRESI LINIER BERGANDA
*. 9LE: 8EK8E#J CLC :JCE38 !;%J!
ersamaan < 6 ? 0,0+- F 1,-/ 4 $ /,/++ 4F/,/// 4*
;am"ar . ;ra>ik 2u"ungan Evaporasi Dengan Ke#epatan Angin 3Curve Estimation5
D. 2!B!;A E
-
8/20/2019 STATISTIK JALAN
14/28
REGRESI LINIER BERGANDA
;am"ar . ;ra>ik 2u"ungan Evaporasi Dengan $enyinaran %atahari 3Curve
Estimation5
!?6 K7E:6S6E 8E;8ES6 SE9A8A BE8SA%A-SA%A 3!?6 :5
Tahap-tahap untuk melakukan u@i : adalah se"agai "erikut
-
8/20/2019 STATISTIK JALAN
15/28
REGRESI LINIER BERGANDA
1. 9erumuskan @ipotesis
@o < Tidak ada pengaruh secara signifikan antara suhu udara, kelembaban udara,
kecepatan angin dan penyinaran matahari secara bersama$sama terhadap besaran
evaporasi.
M1? M? / berarti 6 tidak bergantung semua 4k
@1 < 3da pengaruh secara signifikan antara suhu udara, kelembaban udara, kecepatan
angin dan penyinaran matahari secara bersama$sama terhadap besaran evaporasi.
aling tidak ada 1 nilai Mk N /
. 9enentukan tingkat signifikansi
Tingkat signifikansi menggunakan O ? +G (signifikansi +G atau /,/+ adalah ukuran
standar yang sering digunakan dalam penelitian)
*. 9enentukan I hitung
;ntuk memeriksa kebenaran hipotesa ini bisa digunakan I$test, dengan nilai I yaitu<
MS'
MSR ( =
TABEL . 8!%!S $E826T!;A : 26T!;
Sum"er
-
8/20/2019 STATISTIK JALAN
16/28
REGRESI LINIER BERGANDA
.--,2 1.0/1, 2,-02--1
Error SSE n-(k+1) MSE=SSE/{n-(k+1)}
2,21 -,1
TOTAL SSTot n-1
.-/, 11
engan diolah menggunakan ###, didapatkan hasil sebagai berikut <
TABEL /. 2AS6L $E826T!;A A7
-
8/20/2019 STATISTIK JALAN
17/28
REGRESI LINIER BERGANDA
0. 9embandingkan I hitung dengan I kritis
Cilai I hitung I kritis (*,01 ,1*), maka @o ditolak
2. !esimpulan
• !arena I hitung I kritis (*,01 ,1*), maka @o ditolak, artinya ada pengaruh
secara signifikan antara suhu udara, kelembaban udara, kecepatan angin dan
penyinaran matahari secara bersama$sama terhadap besaran evaporasi sehingga tidak
"enar kalau dikatakan bah7a 41, 4, 4* dan 4 seluruhnya tidak menentukan nilai 6
atau dengan kata lain 41 dan 4 "erpengaruh terhadap nilai 6.
• engaruh antara suhu udara, kelembaban udara, kecepatan angin dan penyinaran
matahari secara bersama$sama terhadap besaran dapat pula dilihat dari nilai
probabilitasnya (>alue). %erdasarkan hasil analisis data menunjukkan bah7a nilai
signifikan I adalah /./// lebih kecil dari /./+ atau +G. @al ini membuktikan bah7a
suhu udara, kelembaban udara, kecepatan angin dan penyinaran matahari
mempengaruhi besarnya evaporasi.
• @asil analisis menunjukkan adanya korelasi yang cukup tinggi antara suhu udara,
kelembaban udara, kecepatan angin dan penyinaran matahari terhadap evaporasi.
engan demikian dapat diperoleh gambaran bah7a semakin suhu udara, kelembaban
udara, kecepatan angin dan penyinaran matahari, maka semakin besar pula
evaporasi, sehingga model persamaan di atas dapat digunakan.
.
AAL6S6S K78ELAS6 ;ADA DA AAL6S6S DETE8%6AS6 38 (5
-
8/20/2019 STATISTIK JALAN
18/28
REGRESI LINIER BERGANDA
3nalisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen
(41, 4,54n) terhadap variabel dependen (6) secara serentak. !oefisien ini menunjukkan
seberapa besar hubungan yang terjadi antara variabel independen (41, 4,554n) secara
serentak terhadap variabel dependen (6). nilai 8 berkisar antara / sampai 1, nilai semakin
mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati /
maka hubungan yang terjadi semakin lemah.
TABEL 10. 2!B!;A 6TE8
-
8/20/2019 STATISTIK JALAN
19/28
REGRESI LINIER BERGANDA
6aitu variansi karena regresi dibagi variasi total.
#edangkan 8 < koefisien korelasi jamak yaitu<
SStotal
SSR R =
#elain itu juga didefinisikan d)usted 8 yaitu<
)1D(
)1D(1
−
−−−=
nSS*
+ nSS' Rad)
8 selalu bertambah dengan penambahan variabel independen. 8 adj memperhitungkan
pengaruh ini, sehingga akan WmenghukumX o#eritted model.
!oefisien adjusted 8 baru berarti bilamana dalam pembentukan model ingin diketahui apakah
penambahan variabel independen baru memang memperbaiki model atau tidak. d)usted 8
S"uare adalah nilai 8 S"uare yang telah disesuaikan, nilai ini selalu lebih kecil dari 8 S"uare
dan angka ini bisa memiliki harga negatif. ;ntuk regresi dengan lebih dari dua variabel bebas
digunakan d)usted 8 sebagai koefisien determinasi.
ari tabel perhitungan dengan eAcel diperoleh<
##E ? **,1 , ##8 ? .*00,2
##Tot ? .0-,
%anyak data n?1, banyak variabel bebas k?
/.-*110-,
*00,2===
SStot
SSR R
/.-0+-*11./ == R
engan diolah menggunakan ###, didapatkan hasil sebagai berikut<
TABEL 11. 2AS6L $E826T!;A 6LA6 8 DA86 S$SS
M3$4 S!""&%5
Model R R S!u"re
Ad
-
8/20/2019 STATISTIK JALAN
20/28
REGRESI LINIER BERGANDA
2asil analisis korelasi ganda
%erdasarkan tabel di atas baik menggunakan perhitungan eAcel maupun diolah dengan ###
diperoleh angka 8 sebesar /,-0+. iperoleh bah7a variabel evaporasi. engan demikian dapat
diperoleh gambaran bah7a semakin suhu udara, kelembaban udara, kecepatan angin dan
penyinaran matahari yaitu /, V r V1 atau /, V /.-0+ V1, hal ini berarti hubungan antara
variabel sangat kuat dan bersifat positif.
2asil Analisis Determinasi 38 (5
%erdasarkan tabel di atas baik menggunakan perhitungan eAcel maupun diolah dengan ###
diperoleh angka 8 (8 S"uare) sebesar /,-*1 atau (-*,1G). @al ini menunjukkan bah7a
prosentase sumbangan pengaruh variabel independen (suhu udara, kelembaban udara,
kecepatan angin dan penyinaran matahari) terhadap variabel dependen (evaporasi) sebesar
-*,1G. 3tau variasi variabel independen yang digunakan dalam model (suhu udara,
kelembaban udara, kecepatan angin dan penyinaran matahari) mampu menjelaskan sebesar
-*,1G variasi variabel dependen (evaporasi). #edangkan sisanya sebesar 0,-G dipengaruhi
atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
#elain itu juga didefinisikan 3djusted 8
/.-11D,0-
2D1,**1
)1D(
)1D(1 =−=
−
−−−=
nSS*
+ nSS' Rad)
iperoleh bah7a dari perhitungan koefisien adjusted 8 prosentase sumbangan pengaruh
variabel independen (suhu udara, kelembaban udara, kecepatan angin dan penyinaran matahari)
terhadap variabel dependen (evaporasi) sebesar -,G.
#tandard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model regresi dalam
memprediksikan nilai 6. ari hasil regresi output ### di dapat nilai 0,2-+1, @al ini berarti
banyaknya kesalahan dalam prediksi evaporasi sebesar 0,2-+1. #ebagai pedoman jika Standard
error o t-e estimate kurang dari standar deviasi 6, maka model regresi semakin baik dalam
memprediksi nilai 6.
-
8/20/2019 STATISTIK JALAN
21/28
REGRESI LINIER BERGANDA
!?6 K7E:6S6E 8E;8ES6 SE9A8A $A8S6AL 3!?6 T5
;ji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen (41, 4,
5..4n) secara parsial berpengaruh signifikan terhadap variabel dependen (6).
;ntuk masing$masing koefisien, dapat dilakukan test hipotesa
@/ < M1 ? / @/ < M ? /
@1 < M1 N / @1 < M N /
b+
+
S
bt
/−=
>ariabel t ini terdistribusi menurut student$t dengan derajat kebebasan v?n$(kF1). engan # bk adalah standard error dari koefisien bk. erhitungan # bk secara manual rumit,
melibatkan elemen diagonal dari matriA variansi$kovariansi.
engan mempergunakan variabel test<
Jnterval kepercayaan 1//(1$O)G bagi koefisien Mk adalah<
b+ + b+ + S t bS t b DD α α β +
-
8/20/2019 STATISTIK JALAN
22/28
REGRESI LINIER BERGANDA
# b1 ? standard error b1 ? 1*,01
, maka t1 <
.*-*,/-+
1*,01/
1
1
1 ==
−
=
bS
bt
engan diolah menggunakan ###, didapatkan hasil sebagai berikut<
TABEL 1(. 2AS6L $E826T!;A 6LA6 t DA86 S$SS
C$66i7i$+*'&
Model
5nst"nd"rdied oeiients
St"nd"rdied
oeiients
t Sig$> Std$ Error >et"
1 (onst"nt) -,'$1 11$ -$&&* $,1
Su4u 5d"r" 1&$'1% &$*, $%%' %$& $**&
6elem8"8"n 5d"r" -$ 1$' -$** -1$,1, $1&
6ee7"t"n Angin 1%$%% &$*% $'* %$,* $**
.en3in"r"n M"t"4"ri $&, $&%, $1& 1$1%, $*
"$ 9e7endent :"ri"8le0 E;"7or"si
%erdasarkan tabel output ### maupun perhitungan manual diperoleh t hitung output
### sebesar ,*-
. 9enentukan t tabel
Tabel distribusi t dicari pada O ? +G < ? ,+G (uji sisi) dengan derajat kebebasan (df)
n$k$1 atau 1$$1 ? 2 (n adalah jumlah kasus dan k adalah jumlah variabel independen).
engan pengujian sisi (signifikansi ? /,/+) hasil diperoleh untuk t tabel sebesar ,*0
atau dapat dicari di 9s EAcel dengan cara pada cell kosong ketik ?tinv(/./+,2) lalu enter.
+. !riteria pengujian
@o diterima jika $t tabel S t hitung S t tabel
@o ditolak jika t hitung S $t tabel atau t hitung t tabel
-
8/20/2019 STATISTIK JALAN
23/28
REGRESI LINIER BERGANDA
0. 9embandingkan t hitung dengan t tabel
Cilai t hitung t tabel (,*- ,*0) maka @o ditolak
2. !esimpulan
Lleh karena nilai t hitung $t tabel (,*- ,*0) maka @o ditolak, artinya secara parsial
memiliki pengaruh signifikan antara suhu udara dengan nilai evaporasi.
$engu@ian koe>isien regresi varia"el kelem"a"an udara
1. 9enentukan @ipotesis
@o < #ecara parsial tidak ada pengaruh secara signifikan antara kelembaban udara dengan
nilai evaporasi
@1 < #ecara pasrsial ada pengaruh secara signifikan antara kelembaban udara dengan nilai
evaporasi
. 9enentukan tingkat signifikansi
Tingkat signifikansi menggunakan O ? +G (signifikansi +G atau /,/+ adalah ukuran
standar yang sering digunakan dalam penelitian)
*. 9enentukan t hitung
erhitungan manual dengan output eAcel<
# b ? standard error b ? $,210 , maka t <
$1,+1+1,2-0/
,210$/
==
−
=
bS
bt
engan diolah menggunakan ###, didapatkan hasil sebagai berikut <
TABEL 1(. 2AS6L $E826T!;A 6LA6 t DA86 S$SS
-
8/20/2019 STATISTIK JALAN
24/28
REGRESI LINIER BERGANDA
C$66i7i$+*'&
Model
5nst"nd"rdied oeiients
St"nd"rdied
oeiients
t Sig$> Std$ Error >et"
1 (onst"nt) -,'$1 11$ -$&&* $,1
Su4u 5d"r" 1&$'1% &$*, $%%' %$& $**&
6elem8"8"n 5d"r" -$ 1$' -$** -1$,1, $1&
6ee7"t"n Angin 1%$%% &$*% $'* %$,* $**
.en3in"r"n M"t"4"ri $&, $&%, $1& 1$1%, $*
"$ 9e7endent :"ri"8le0 E;"7or"si
%erdasarkan tabel output ### maupun perhitungan manual diperoleh t hitung output
### sebesar $1,+1+
. 9enentukan t tabel
+. Tabel distribusi t dicari pada O ? +G < ? ,+G (uji sisi) dengan derajat kebebasan
(df) n$k$1 atau 1$$1 ? 2 (n adalah jumlah kasus dan k adalah jumlah variabel
independen). engan pengujian sisi (signifikansi ? /,/+) hasil diperoleh untuk t
tabel sebesar ,*0 atau dapat dicari di 9s EAcel dengan cara pada cell kosong ketik
?tinv(/./+,2) lalu enter.
0. !riteria pengujian
@o diterima jika $t tabel S t hitung S t tabel
@o ditolak jika t hitung S $t tabel atau t hitung t tabel
2. 9embandingkan t hitung dengan t tabel
Cilai t hitung S t tabel ($1,+1+ S ,*0) maka @o diterima
. !esimpulan
Lleh karena nilai t hitung S t tabel ($1,+1+ S ,*0) maka @o diterima, artinya secara parsial
tidak berkontribusi secara signifikan antara kelembaban udara dengan nilai evaporasi.
$engu@ian koe>isien regresi varia"el ke#epatan angin
-
8/20/2019 STATISTIK JALAN
25/28
REGRESI LINIER BERGANDA
1. 9enentukan @ipotesis
@o < #ecara parsial tidak ada pengaruh secara signifikan antara kecepatan angin dengan
nilai evaporasi
@1 < #ecara parsial ada pengaruh secara signifikan antara kecepatan angin dengan nilai
evaporasi
. 9enentukan tingkat signifikansi
Tingkat signifikansi menggunakan O ? +G (signifikansi +G atau /,/+ adalah ukuran
standar yang sering digunakan dalam penelitian)
*. 9enentukan t hitung
erhitungan manual dengan output eAcel<
# b* ? standard error b ? *,/1- , maka t <
,2-*,/1-
1,/
*
*
* ==
−
=
bS
bt
engan diolah menggunakan ###, didapatkan hasil sebagai berikut <
TABEL 1(. 2AS6L $E826T!;A 6LA6 t DA86 S$SS
C$66i7i$+*'&
Model
5nst"nd"rdied oeiients
St"nd"rdied
oeiients
t Sig$> Std$ Error >et"
1 (onst"nt) -,'$1 11$ -$&&* $,1
Su4u 5d"r" 1&$'1% &$*, $%%' %$& $**&
6elem8"8"n 5d"r" -$ 1$' -$** -1$,1, $1&
6ee7"t"n Angin 1%$%% &$*% $'* %$,* $**
.en3in"r"n M"t"4"ri $&, $&%, $1& 1$1%, $*
"$ 9e7endent :"ri"8le0 E;"7or"si
%erdasarkan tabel output ### maupun perhitungan manual diperoleh t hitung output
### sebesar ,2+
. 9enentukan t tabel
-
8/20/2019 STATISTIK JALAN
26/28
REGRESI LINIER BERGANDA
Tabel distribusi t dicari pada O ? +G < ? ,+G (uji sisi) dengan derajat kebebasan
(df) n$k$1 atau 1$$1 ? 2 (n adalah jumlah kasus dan k adalah jumlah variabel
independen). engan pengujian sisi (signifikansi ? /,/+) hasil diperoleh untuk t
tabel sebesar ,*0 atau dapat dicari di 9s EAcel dengan cara pada cell kosong ketik
?tinv(/./+,2) lalu enter.
+. !riteria pengujian
@o diterima jika $t tabel S t hitung S t tabel
@o ditolak jika t hitung S $t tabel atau t hitung t tabel
0. 9embandingkan t hitung dengan t tabel
Cilai t hitung t tabel (,2+ ,*0) maka @o ditolak
2. !esimpulan
Lleh karena nilai t hitung S t tabel (($1,+1+ S *) maka @o ditolak, artinya secara parsial
memiliki pengaruh signifikan antara kecepatan angin dengan nilai evaporasi.
$engu@ian koe>isien regresi varia"el penyinaran matahari
1. 9enentukan @ipotesis
@o < #ecara parsial tidak ada pengaruh secara signifikan antara penyinaran matahari dengan
nilai evaporasi
@1 < #ecara parsial ada pengaruh secara signifikan antara penyinaran matahari dengan nilai
evaporasi
. 9enentukan tingkat signifikansi
Tingkat signifikansi menggunakan O ? +G (signifikansi +G atau /,/+ adalah ukuranstandar yang sering digunakan dalam penelitian)
*. 9enentukan t hitung
erhitungan manual dengan output eAcel<
# b ? standard error b ? *,/1- , maka t <
1+,1/,*+1
/,*-+/
==
−
=
bS
bt
-
8/20/2019 STATISTIK JALAN
27/28
REGRESI LINIER BERGANDA
engan diolah menggunakan ###, didapatkan hasil sebagai berikut <
TABEL 1(. 2AS6L $E826T!;A 6LA6 t DA86 S$SS
C$66i7i$+*'&
Model
5nst"nd"rdied oeiients
St"nd"rdied
oeiients
t Sig$> Std$ Error >et"
1 (onst"nt) -,'$1 11$ -$&&* $,1
Su4u 5d"r" 1&$'1% &$*, $%%' %$& $**&
6elem8"8"n 5d"r" -$ 1$' -$** -1$,1, $1&
6ee7"t"n Angin 1%$%% &$*% $'* %$,* $**
.en3in"r"n M"t"4"ri $&, $&%, $1& 1$1%, $*
"$ 9e7endent :"ri"8le0 E;"7or"si
%erdasarkan tabel output ### maupun perhitungan manual diperoleh t hitung output
### sebesar 1,1+
. 9enentukan t tabel
+. Tabel distribusi t dicari pada O ? +G < ? ,+G (uji sisi) dengan derajat kebebasan
(df) n$k$1 atau 1$$1 ? 2 (n adalah jumlah kasus dan k adalah jumlah variabel
independen). engan pengujian sisi (signifikansi ? /,/+) hasil diperoleh untuk t
tabel sebesar ,*0 atau dapat dicari di 9s EAcel dengan cara pada cell kosong ketik
?tinv(/./+,2) lalu enter.
0. !riteria pengujian
@o diterima jika $t tabel S t hitung S t tabel
@o ditolak jika t hitung S $t tabel atau t hitung t tabel
2. 9embandingkan t hitung dengan t tabel
Cilai t hitung St tabel (1,1+ S ,*0) maka @o diterima
. !esimpulan
Lleh karena nilai t hitung S t tabel 1,1+ S ,*0) maka @o diterima, artinya secara parsial
tidak berkontribusi secara signifikan antara penyinaran matahari dengan nilai evaporasi.
-
8/20/2019 STATISTIK JALAN
28/28
REGRESI LINIER BERGANDA
@/ untuk t1 ditolak, t diterima, t* ditolak dan diterima untuk t. Berarti varia"el '(
3kelem"a"an udara5 dan varia"el '* 3penyinaran matahari 5 tidak "erkontri"usi se#ara
signi>ikan pada nilai & 3evaporasi5 C varia"el '1 3suhu udara5 dan ') 3ke#epatan angin5
memiliki pengaruh signi>ikan pada nilai & 3evaporasi5.