Home /Beranda

Saturday, October 27, 2012

Tes Hipotesis Untuk Kasus Multiple Correlation

Contoh  Kasus Multi Korelasi







X1
X2
Y

X1
X2
Y
2
5
2

4
3
3
2
4
1

3
6
3
1
5
1

6
9
6
1
3
1

6
8
6
3
6
5

8
9
10
4
4
4

9
6
9
5
6
7

10
4
6
5
4
6

9
5
6
7
3
7

4
8
9
6
3
8

4
9
10







Questions :





1
Find the regression equation.

2
Test the increment variance, the relative

important of varl'





SOLUSI 1

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
-1.236
1.341

-.922
.370
x1
.674
.161
.609
4.180
.001
x2
.618
.203
.444
3.045
.007
a. Dependent Variable: y

Dari table diatas diperoleh informasi bahwa taksiran nilai parameter dari regresi :
Y’ = -1,236 + 0,674 X1 + 0,618 X2

Pengujian parameter βo
Langkah 1.
Ho : βo = 0 Vs Ho : βo ≠ 0
Langkah 2.
Bandingkan nilai signifikansi (0,370) dengan nilai Îħ = 5%
Nilai signifikansi (0,370) > Îħ (0,05), maka Ho diterima, artinya nilai koefisien βo untuk Îħ = 5% tidak terlalu mempengaruhi nilai taksiran dari Y dalam menganalisis regresi.
Pengujian parameter β1
Langkah 1.
Ho : β1 = 0 Vs Ho : β1 ≠ 0
Langkah 2.
Bandingkan nilai signifikansi (0,001) dengan nilai Îħ = 5%
Nilai signifikansi (0,001) < Îħ (0,05), maka Ho diterima, artinya nilai koefisien β1 untuk Îħ = 5% sangat mempengaruhi nilai taksiran dari Y dalam menganalisis regresi.
Pengujian parameter β2
Langkah 1.
Ho : β2 = 0 Vs Ho : β2 ≠ 0
Langkah 2.
Bandingkan nilai signifikansi (0,007) dengan nilai Îħ = 5%
Nilai signifikansi (0,007) > Îħ (0,05), maka Ho diterima, artinya nilai koefisien β2 untuk Îħ = 5% sangat mempengaruhi nilai taksiran dari Y dalam menganalisis regresi.

Pengaruh variable X terhadap Y
ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
106.661
2
53.331
15.541
.000b
Residual
58.339
17
3.432


Total
165.000
19



a. Dependent Variable: y
b. Predictors: (Constant), x2, x1

Menghitung pengaruh variable X terhadap Y secara serentak dapat menggunakan uji F apakah pengaruhnya signifikan atau tidak. Dengan membandingkan nilai F hitung dan Ftabel. Jika Fhitung < Ftabel maka Ho diterima.
F hitung adalah 15,541 dan F table diperoleh pada sig.0,05 dengan df1 = 2, dan df2 = 17 adalah 3,5915.
Jadi diperoleh nilai Fhitung adalah 15,541 > Ftable jadi hipotesis nol ditolak, kesimpulannya yaitu Variabel X1 dan X2 secara serentak berpengaruh terhadap Y.

Atau dapat juga dicari variable mana yang paling berpengaruh terhadap Y dengan membandingkan F untuk masing-masing variable bebas.

Testing increment due to X1
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.674a
.454
.423
2.23800
a. Predictors: (Constant), x1

ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
74.844
1
74.844
14.943
.001b
Residual
90.156
18
5.009


Total
165.000
19



a. Dependent Variable: y
b. Predictors: (Constant), x1

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
1.814
1.077

1.684
.109
x1
.745
.193
.674
3.866
.001
a. Dependent Variable: y

Dari data diatas diperoleh Ry.x12 = 0,454 dengan nilai F = 14,943
Atau dapat disimpulkan bahwa  X1 accounted for about 45,4 %  to Ry.122
Dengan nilai b = 0,745

 
Testing increment due to X2

Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.532a
.283
.243
2.56370
a. Predictors: (Constant), x2

ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
46.694
1
46.694
7.104
.016b
Residual
118.306
18
6.573


Total
165.000
19



a. Dependent Variable: y
b. Predictors: (Constant), x2

Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
1.424
1.633

.872
.395
x2
.741
.278
.532
2.665
.016
a. Dependent Variable: y

Dari data diatas diperoleh Ry.22 = 0,283 dengan nilai F = 7,104
Atau dapat disimpulkan bahwa  X2 accounted for about 28,3 %  to Ry.122
Dengan nilai b = 0,741

No comments:

Post a Comment