ANALISIS REGRESI DAN KORELASI SERTA FREEHAND

Nama : Rauyan Fauzi

Kelas  : 1 Sipil 1

Regression

Variables Entered/Removeda
Model	Variables Entered	Variables Removed	Method
1	Curah Hujanb	.	Enter
a. Dependent Variable: Aliran
b. All requested variables entered.

Tabel pertama menunjukkan variabel apa saja yang diproses,

mana yang menjadi variabel bebas dan variabel terikat.

Model Summary
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.895a	.801	.792	.27288
a. Predictors: (Constant), Curah Hujan

Bagian ini menggambarkan derajat keeratan hubungan antar variabel.

·         Angka R sebesar 0.895(a) menunjukkan bahwa korelasi/hubungan antara aliran dengan kedua variabel independen-nya adalah kuat (karena besarnya > 0,5).

·         Angka R Square atau Koefisien Determinasi adalah 0.801(berasal dari 0.895x0.895). Ini artinya bahwa 0,801 atau 80.1% variasi dari aliran dapat dijelaskan oleh variasi dari variabel independen, curah hujan

·         Std. Error of the Estimate yang nilainya 0.27288 menggambarkan tingkat ketepatan prediksi regresi, dimana semakin kecil angkanya maka semakin baik prediksinya.

ANOVAa
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	6.886	1	6.886	92.477	.000b
	Residual	1.713	23	.074
	Total	8.599	24
a. Dependent Variable: Aliran
b. Predictors: (Constant), Curah Hujan\

                                                               

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	-.125	.111		-1.127	.272
	Curah Hujan	.430	.045	.895	9.616	.000
a. Dependent Variable: Aliran

o    Tabel di atas  menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi :

 Y =-0.125 + 0,430 X

Curve Fit

Model Description
Model Name		MOD_1
Dependent Variable	1	Aliran
Equation	1	Linear
Independent Variable		Curah Hujan
Constant		Included
Variable Whose Values Label Observations in Plots		Unspecified

Case Processing Summary
	N
Total Cases	25
Excluded Casesa	0
Forecasted Cases	0
Newly Created Cases	0
a. Cases with a missing value in any variable are excluded from the analysis.

Variable Processing Summary
		Variables
		Dependent	Independent
		Aliran	Curah Hujan
Number of Positive Values		25	25
Number of Zeros		0	0
Number of Negative Values		0	0
Number of Missing Values	User-Missing	0	0
	System-Missing	0	0

Model Summary and Parameter Estimates
Dependent Variable:   Aliran
Equation	Model Summary					Parameter Estimates
	R Square	F	df1	df2	Sig.	Constant	b1
Linear	.801	92.477	1	23	.000	-.125	.430
The independent variable is Curah Hujan.

Secara subjektif,  dapat kita lihat bahwa sebaran error berada mengumpul di sekitar garis linear yang mendekati nilai nol. Sehingga secara subjektif, kita dapat mengatakan bahwa asumsi homoskedastisitas terpenuhi. Namun, jika kita menginginkan hasil secara objektif, kita dapat mempergunakan pengujian statisti

Correlations

Correlations
		Curah Hujan	Aliran
Curah Hujan	Pearson Correlation	1	.895**
	Sig. (2-tailed)		.000
	N	25	25
Aliran	Pearson Correlation	.895**	1
	Sig. (2-tailed)	.000
	N	25	25
**. Correlation is significant at the 0.01 level (2-tailed).

                         +

·         Dari tabel di atas, terdapat angka  penafsiran korelasi, yaitu tanda ‘+” atau ‘-“ yang berhubungan dengan arah korelasi, serta kuat tidaknya korelasi.Korelasi antara curah hujan dan aliran

, didapat angka  +0,895 (tanda “+”disertakan karena tidak ada tanda “-

“ pada output, jadi otomatis positif). Berarti semakin tinggi jurah hujan maka semakin tinggi juga tingkat aliran sungi.

·         Dapat dilihat dari dari nilai N, karena tidak ada data yang hilang, maka data yang

diproses adalah 25

Share on Facebook

Share on Twitter

Share on Google+

Tweet

Postingan terkait:

Ditulis TeguhSentosa — Thursday, 31 December 2015 — Add Comment — Artikel Pendidikan