analisis regresi dengan excel
TRANSCRIPT
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 1/14
Analisis Regresi dengan Excel
Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan,
baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software
statistik umumnya memiliki fasilitas untuk pendugaan dan analisis regresi ini.
Misalnya, SPSS, Minitab, LIS!L, !"iews, S#$#$, dan lainnya.
Sebenarnya Program !%&el 'uga memiliki fasilitas perhitungan regresi ini. $nalisis-
analisisnya 'uga relatif lengkap. (leh karenanya, tidak ada salahnya kita 'uga bisa
menggunakan fasilitas ini. Selain prosedurnya lebih gampang, Program !%&el
umumnya terdapat di hampir semua komputer, sebagai bagian dari Mi&rosoft ()&e.
(k. Kita mulai tahapan-tahapannya.
*. Misalnya kita ingin menduga persamaan regresi untuk melihat pengaruh harga
dan pendapatan terhadap permintaan suatu barang. Katakanlah kita punya *+
set data tahun atau daerah. Permintaan kita hitung dalam 'umlah unit barang,
harga dalam ribu rupiah perunit barang dan pendapatan dalam ribu rupiah
perkapita. Sebagai latihan ketikkan angka-angka berikut pada range $*/**
seperti terlihat pada tampilan * berikut
Tampilan 1. Data untuk Regresi
0. Klik menu Tool kemudian klik Data Analysis. /atatan 'ika setelah
mengklik Tool , ternyata tidak mun&ul pilihan Data Analysis, berarti menu
tersebut belum diaktifkan di program !%&el $nda. 1ntuk mengaktifkannya,
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 2/14
klik Tool , kemudian klik Add ins, selan'utnya &onteng pada pilihan Analysis
Toolpak , setelah itu klik ok . Lalu ulangi tahap 0 ini.
#ampilan yang mun&ul setelah mengklik Data $nalysis adalah seperti tampilan 0.
Selan'utnya klik egression dan klik (K.
Tampilan 2. Data Analysis
2. Selan'utnya akan mun&ul tampilan 2 berikut
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 3/14
Tampilan 3. Regression
Isi Input Y Range bisa dengan mengetikkan ke dalam kotak putihnya atau
memblok data. Input 3 ange adalah "ariabel yang men'adi "ariabel terikat
dependent "ariable. Kemudian isikan Input X Range. Input 4 ange adalah
"ariabel yang men'adi "ariabel bebas independent "ariable. Semua "ariabel bebas
diblok sekaligus. /atatan 5aik 3 range maupun 4 range, didalamnya termasuk
'udul6nama "ariabel.
Selan'utnya &onteng kotak Labels. Ini artinya, memerintahkan !%&el untuk
memba&a baris pertama dari data kita sebagai nama "ariabel. $nda 'uga bisa
men&ontengConstant is ero, 'ika menginginkan output regresi dengan konstanta
bernilai +. $nda 'uga bisa men&onteng Con!den"e Le#el 'ika ingin mengganti nilai
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 4/14
&on7den&e le"el 'ika tidak di&onteng, !%&el akan memberikan &on7den&e le"el
89:. Dalam latihan kita kedua pilihan tersebut tidak kita &onteng.
Selan'utnya pada $utput $ption kita bisa menentukan penempatan
output6hasilnya. 5isa pada worksheet baru atau workbook baru. Katakanlah kita
menempatkan output di worksheet yang sama dengan data kita. /onteng $utput
Range dan isi kotak putihnya dengan sel pertama dimana output tersebut akan
ditempatkan. Dalam &ontoh ini, misalnya ditempatkan pada sel $*;.
Pada pilihan esidual, terdapat < pilihan. $nda bisa men&onteng sesuai dengan
keinginan. Dalam kasus ini kita &onteng semua pilihan tersebut. Selan'utnya,
terdapat pilihan untuk menghasilkan %ormal &robability . Dalam kasus kita, 'uga
kita &onteng pilihan ini.
Setelah itu, klik (K. Maka akan mun&ul hasil regresi berikut
S1MM$3 (1#P1#
Regression Statistics
Multiple +.8=*<
S>uare +.8<2;$d'usted
S>uare +.80=9Standard
!rror ?*.+;8?(bser"atio
ns *+
$@(A$
df SS MS F
Signican
ce F
egression 0
=;8882.
=?
2?<88;.
?8
9?.9
? +.++
esidual =
<;++;.0
0 ;9=0.20
#otal 8
?*;+++.
++
Coecie
nts
Standar
d Error
t Stat P-
valu
Lower
95%
!!er
95%
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 5/14
e
Inter&ept ;+=.92 0=<.;= 0.0* +.+; -<*.8=
*09=.
+2
Barga -*2.2* <.98 -0.8+ +.+0 -0<.*= -0.<<Pendapata
n +.2; +.+8 2.=? +.+* +.*2 +.9?
!SID1$L (1#P1#
P(5$5ILI#3
(1#P1#
"#servati
on
Predicted
Per$intaa
n Residuals
Standard
Residuals
Percent
ile
Per$inta
an
*
<8?.02;0
*82
*.=;2=?+
=+=
+.+0<;;8
2<2 9 2++
0
0;0.8=82
0?8
2=.+0+;=
*+;
+.9*==8<
20* *9 9++
2
=2?.0<?8
9*9
-
2?.0<?89
*<=
-
+.92<8=2
?0* 09 ;++
<
=<2.++<=
822
9;.8890+
;=*
+.=8=*=+
=+2 29 =++
9
=<=.=;+;
29*
-
*<=.=;+;
29*
-
0.+;;;=0
8+2 <9 ?++
;
??+.?2<2
2*8
*8.*;9;;
?+;
+.0;?+;2
+90 99 8++
=
80*.02;9
*?8
=?.=;2<?
**2
*.*+*;29
<< ;9 *+++
?
*+?8.89;
9;*
-
?8.89;9;
+?*
-
*.09?*??
?=* =9 *+++
8*+9<.2*+
0*;<9.;?8=?
<2+.;28+<9
8=9 ?9 **++
*+
*0;2.<20
<<9
2;.9;=99
9<0
+.9**<9;
=;0 89 *2++
$da empat tabel hasil yang ditampilkan yang tergantung pada pilihan yang kita
buat sebelumnya, yaitu S1MM$3 (1#P1#, $@(A$, !SID1$L (1#P1#, dan
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 6/14
P(5$5ILI#3 (1#P1#. Pada S1M$3 (1#P1# ditampilkan nilai multiple , s>uare,
ad'usted s>uare, standard error dan 'umlah obser"asi. Pada $@(A$ ditampilkan
analisis "arian&e dan nilai C serta pengu'iannya. Selan'utnya ditampilkan
perhitungan regresi kita yang men&akup inter&ept konstanta dan koe7sien-
koe7sien regresi untuk masing-masing "ariabel. Dari hasil ini kita bisa membentuk
persamaan regresi men'adi
Permintaan ;+=,92 E *2,2*Barga F +,2; Pendapatan.
Selan'utnya, pada tabel tersebut 'uga dimun&ulkan standard error, t stat, P-"alue,
&on7den&e le"el untuk 89: karena kita tidak mengganti default nilai ini pada tahap
sebelumnya.
Selain itu, karena tadi kita men&onteng empat pilihan residual output dan * pilihan
normal probability, maka 'uga ditampilkan 9 kur"a untuk pilihan-pilihan tersebut.
#etapi seperti yang kita lihat di bawah ini, kelima kur"a tersebut bertumpuk . 1ntuk
itu, kita perlu memindahkan menarik kur"a-kur"a tersebut ke bagian yang lain
dari worksheet kita sehingga bisa diba&a.
Tampilan '. (asil &er)itungan 2
1ntuk sementara sekian dulu tulisan ini. Interpretasi mengenai hasil output !%&el
ini,
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 7/14
Memahami Output Regresi dari Excel
#ulisan ini menyambung tulisan sebelumnya mengenai $nalisis egresi dengan
!%&el. Kali ini kita akan membahas dan menginterpretasikan hasil-hasil tersebut.
(leh karenanya, untuk bisa memahami tulisan ini, sebaiknya terlebih dahulu
memba&a tulisan yang disebutkan diatas.
#ampilan pertama dari output regresi !%&el sebagai berikut
Tabel 1. *ummary $utput
S1MM$3 (1#P1#
Regression Statistics
Multiple +.8=*<
S>uare +.8<2;
$d'usted S>uare +.80=9
Standard !rror ?*.+;8?(bser"ations *+
#abel Summary output ini melaporkan kekuatan hubungan antara model "ariabel
bebas dengan "ariabel terikat.
+ultiple R ma'emuk adalah suatu ukuran untuk mengukur tingkat keeratan
hubungan linear antara "ariabel terikat dengan seluruh "ariabel bebas se&ara
bersama-sama. Pada kasus dua "ariabel satu "ariabel terikat dan satu "ariabel
bebas, besaran r biasa dituliskan dengan huruf ke&il untuk dua "ariabel dapat
bernilai positif maupun negatif antara -* E *, tetapi untuk lebih dari dua "ariabel,
besaran selalu bernilai positif antara + E *. @ilai yang lebih besar F atau -
menun'ukkan hubungan yang lebih kuat.
R *,uare 0 sering disebut dengan koe7sien determinasi, adalah mengukur
kebaikan suai goodness of 7t dari persamaan regresiG yaitu memberikan proporsi
atau persentase "ariasi total dalam "ariabel terikat yang di'elaskan oleh "ariabel
bebas. @ilai 0 terletak antara + E *, dan ke&o&okan model dikatakan lebih baik
kalau 0 semakin mendekati *. uraian lebih lan'ut mengenai 0 lihat pembahasan
di bawah
Ad-usted R *,uare. Suatu sifat penting 0 adalah nilainya merupakan fungsi yang
tidak pernah menurun dari banyaknya "ariabel bebas yang ada dalam model. (leh
karenanya, untuk membandingkan dua 0 dari dua model, orang harus
memperhitungkan banyaknya "ariabel bebas yang ada dalam model. Ini dapat
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 8/14
dilakukan dengan menggunakan Had'usted s>uare. Istilah penyesuaian berarti
nilai 0 sudah disesuaikan dengan banyaknya "ariabel dera'at bebas dalam model.
Memang, 0 yang disesuaikan ini 'uga akan meningkat bersamaan meningkatnya
'umlah "ariabel, tetapi peningkatannya relatif ke&il.
Seringkali 'uga disarankan, 'ika "ariabel bebas lebih dari dua, sebaiknya
menggunakan ad'usted s>uare.
*tandard rror. Merupakan standar error dari estimasi "ariabel terikatdalam
kasus kita adalah permintaan. $ngka ini dibandingkan dengan standar de"iasi dari
permintaan. Semakin ke&il angka standar error ini dibandingkan angka standar
de"iasi dari permintaan maka model regresi semakin tepat dalam memprediksi
permintaan
Tabel 2. A%$/A
$@(A$
df SS MS F Signicance F
egression 0 =;8882.=? 2?<88;.?8 9?.9? +.++
esidual = <;++;.00 ;9=0.20
#otal 8 ?*;+++.++
#abel $@(A$ $nalysis of Aarian&e mengu'i penerimaan a&&eptability model dari
perspektif statistik dalam bentuk analisis sumber keragaman. $@(A$ ini sering 'uga
diter'emahkan sebagai analisis ragam.
Dari tabel $@(A$ tersebut diungkapkan bahwa keragaman data aktual "ariabel
terikat permintaan bersumber dari model regresi dan dari residual. Dalam
pengertian sederhana untuk kasus kita adalah "ariasi turun-naiknya atau besar
ke&ilnya permintaan disebabkan oleh "ariasi dari harga dan pendapatan model
regresi serta dari faktor-faktor lainnya yang mempengaruhi permintaan yang tidak
kita masukkan dalam model regresi residual.
Degree of Creedom df atau dera'at bebas dari total adalah n-*, dimana n adalah
banyaknya obser"asi. Karena obser"asi kita ada *+, maka dera'at bebas total
adalah 8. Dera'at bebas dari model regresi adalah 0, karena ada dua "ariabel bebas
dalam model kita harga dan pendapatan. Dera'at bebas untuk residual adalah
sisanya yaitu dera'at bebas total E dera'at bebas regresi 8 E 0 =.
Kolom SS Sum of S>uare atau 'umlah kuadrat untuk regression diperoleh dari
pen'umlahan kuadrat dari prediksi "ariabel terikat permintaan dikurangi dengan
nilai rata-rata permintaan dari data sebenarnya. Jadi se&ara manual kita &ari dulu
rata-rata permintaan dari data asli kita. Kemudian masing-masing prediksi
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 9/14
permintaan lihat tabel residual output di bawah dikurangi dengan rata-rata
tersebut kemudian dikuadratkan. Selan'utnya, seluruh hasil perhitungan tersebut
di'umlahkan. /ontohnya, rata-rata permintaan dari data kita ?0+. 5erdasarkan
tabel residual output dibawah, untuk obser"asi pertama prediksi permintaan
<8?.02;0*82. Selan'utnya kita hitung <8?.0< E ?0+ 0 *+292*.82. 1ntuk
obser"asi kedua dihitung 0;0.8? E ?0+0 2*+0=*.?. Demikian seterusnya sampai
data terakhir. Selan'utnya, hasil-hasil perhitungan tersebut di'umlahkan dan
hasilnya =;8882.=?.
Kolom SS untuk residual diperoleh dari 'umlah pengkuadratan dari residual. Lihat
&ara menghitung residual pada tabel residual output dibawah. @ilai-nilai residual
tersebut dikuadratkan, kemudian hasilnya di'umlahkan dan hasilnya
adalah<;++;.00.
Kolom SS untuk total adalah pen'umlahan dari SS untuk regresi dengan dengan SS
untuk residual. Sebenarnya SS total ini adalah "ariasi besar-ke&il,naik-turun dari
permintaan. Ini diukur dengan mengurangi nilai masing-masing permintaan aktual
dengan rata-ratanya, kemudian dikuadratkan. Basil perhitungan tersebut kemudian
di'umlahkan.
Lalu, apa artinya dari angka-angka tersebut Sekarang perhatikan ketiga hasil kita,
SS regresi, SS residual dan SS total.
SS total kita adalah ?*;+++. $rtinya, "ariasi dari pemintaan yang dikuadratkan
adalah sebesar nilai tersebut. Lalu apa yang menyebabkan permintaan tersebut
ber"ariasi Sebagian berasal dari "ariabel bebas harga dan pendapatan yaitu
sebesar =;8882.=? regresi. Lalu sisanya, yang sebesar <;++;.00 disebabkan oleh
"ariabel lain yang 'uga mempengaruhi pendapatan, tetapi tidak dimasukkan dalam
model residual.
Kalau kita bandingkan bagi antara SS regresi dengan SS total, maka akan kita
dapatkan proporsi dari total "ariasi permintaan yang disebabkan oleh "ariasi harga
dan pendapatan. /oba kita bagi =;8882.=? 6 ?*;+++ 0.9436. $nda ingat ini
angka apa .. 3a, benar. Ini adalah 0 atau koe7sien determinasi yang telah
kita bahas diatas.
Selan'utnya kolom berikutnya dari $@(A$ adalah kolom MS Mean of S>uare atau
rata-rata 'umlah kuadrat. Ini adalah hasil bagi antara kolom SS dengan kolom df.
Dari perhitungan MS ini, selan'utnya dengan membagi antara MS egresi dengan
MS esidual didapatkan nilai C. @ilai C ini yang dikenal dengan C hitung dalam
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 10/14
pengu'ian hipotesa dibandingkan dengan nilai C tabel. Jika C hitung C tabel, maka
dapat dinyatakan bahwa se&ara simultan bersama-sama harga dan pendapatan
berpengaruh signi7kan terhadap permintaan. Selain itu, kita 'uga bisa
membandingkan antara taraf nyata dengan p-"alue dalam istilah !%&el
adalahSignicance F& Jika taraf nyata dari p-"alue maka kesimpulannya sama
dengan di atas. Misalnya kita menetapkan taraf nyata 9:. Karena p-"alue
Signicance F +.+++, maka dapat disimpulkan bahwa harga dan pendapatan
se&ara bersama-bersama berpengaruh signi7kan terhadap permintaan.
Tabel 3. 0oe!sien Regresi
Coecient
s
Standard
Error
t
Stat
P-
value
Lower
95%
!!er
95%
Inter&ept ;+=.92 0=<.;= 0.0* +.+; -<*.8= *09=.+2
Barga -*2.2* <.98-
0.8+ +.+0 -0<.*= -0.<<
Pendapata
n +.2; +.+8 2.=? +.+* +.*2 +.9?
#abel berikutnya dari output !%&el menampilkan nilai-nilai koe7sien, standard error,
tsat, P-"alue dan selang keper&ayaan.
Dalam pengu'ian hipotesis regresi, tahap berikutnya setelah pengu'ian se&ara
simultan u'i C seperti yang telah kita sampaikan sebelumnya adalah pengu'ian
koe7sien regresi se&ara parsial. Pengertian pengu'ian se&ara parsial ini dalam kasus
kita adalah untuk men'awab pertanyaan Hdengan asumsi faktor-faktor lain
tetap6tidak berubah, apakah harga atau pendapatan berpengaruh terhadap
permintaan .
Dalam u'i parsial, kita menggunakan u'i t, yaitu membandingkan antara t-hitung t
Stat dengan t tabel. Jika t hitung t tabel pada taraf nyata tertentu, maka dapat
disimpulkan "ariabel tersebut berpengaruh se&ara signi7kan.
t hitung ditampilkan pada kolom <, yang merupakan hasil bagi antara kolom 0
&oe)&ients dengan kolom 2 Standard !rror. /atatan perhitungan ini dalam
kasus yang umum digunakan dimana Bipotesis nol B+ +. 1ntuk kasus dimana
kita merumuskan B+ lebih besar6ke&il dari +, maka perlu dilakukan perhitungan
manual.
Selain membandingkan dengan nilai t-tabel, kita 'uga bisa menarik kesimpulan
signi7kansinya dengan membandingkan taraf nyata dengan p-"alue kolom 9. Jika
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 11/14
misalkan kita menggunakan taraf nyata 9 :, maka "ariabel dengan p-"alue sama
atau lebih ke&il dari 9 :, dapat dinyatakan sebagai "ariabel yang se&ara parsial
berpengaruh signi7kan.
5erdasarkan hal tersebut, terlihat bahwa harga maupun pendapatan se&ara parsial
berpengaruh terhadap permintaan.
Selan'utnya, kolom ; dan = memberikan selang keper&ayaan untuk koe7sien. Di
'udulnya tertulis Lower 89: dan 1pper 89:. $ngka 89: adalah penetapan kita
pada waktu pengolahan dengan !%&el dan bisa dirubah sesuai keinginan.
$pa artinya selang keper&ayaan tersebut @ilai koe7sien yang diberikan pada
output regresi merupakan dugaan titik point estimate dari parameter koe7sien
regresi ingat, pengertian parameter koe7sien regresi adalah koe7sien regresi yang
dihasilkan dari pengolahan data populasi. Karena umumnya kita hanya mengolah
data sampel, maka koe7sien regresi yang diberikan sifatnya adalah dugaan6taksiran
kita terhadap keadaan6koe7sien populasi parameter yang sebenarnya. @amun,
'ika informasinya hanya dari dugaan titik, kita tidak tahu seberapa besar kesalahan
atau tingkat keper&ayaan dari dugaan parameter tersebut. (leh karenanya, dalam
statistika 'uga diberikan dugaan selang &on7den&e inter"al, dimana nilai
paramater sebenarnya diharapkan berada dalam selang tersebut dengan tingkat
keper&ayaan tertentu.
5erdasarkan hal tersebut, dari output !%&el terlihat bahwa dengan tingkat
keper&ayaan 89:, maka koe7sien regresi untuk pendapatan yang sebesar +.2;,
dalam faktanya di tingkat populasi akan berkisar antara +.*2 E +.9?
Selan'utnya dari informasi kolom * E 9 tabel 2 ditambah informasi dari tabel * dan
tabel 0, kita dapat meringkas persamaan regresi men'adi sebagai berikut banyak
&ara untuk menampilkan hasil regresi, menurut saya ini yang &ukup sederhana dan
informatif
Permintaan ;+=.92 E *2.2* Barga F +.2; Pendapatan 0 +.8<2;
Se 0=<.;= <.9= +.+8 C 9?.9?NN
t 0.0* -0.8+N 2.=?NN
Pada baris pertama, adalah persamaan regresi dengan koe7siennya. 5aris kedua
adalah standar error untuk masing-masing koe7sien dan baris ketiga adalah nilai t
hitungnya. Disampingnya nilai 0 dan C hitung. Perhatikan pada nilai t dan C ada
bintang * dan bintang 0. Seringkali orang menandai dengan bintang * yang
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 12/14
menun'ukkan u'i tersebut signi7kan pada taraf nyata 9 : dan bintang 0 sebagai
signi7kan pada taraf nyata * :.
Sekarang kita ba&a hasilnya. Dari persamaan regresi menun'ukkan koe7sien harga
bernilai negatif yang berarti ada pengaruh negatif berlawanan arah antara harga
dan permintaan. 5esaran koe7siennya berarti bahwa dengan asumsi pendapatan
tidak berubah, maka setiap kenaikan harga *+++ rupiah karena dalam kasus kita
satuannya adalah ribu rupiah, maka permintaan barang akan turun6berkurang
sebanyak *2.2* unit karena dalam kasus kita satuannya adalah unit.
5egitu 'uga untuk interpretasi koe7sien pendapatan. Dengan asumsi harga tidak
berubah, maka setiap kenaikan pendapatan sebesar *+++ rupiah akan
meningkatkan permintaan sebanyak +.2; unit ingat, karena koe7sien regresinya
positif, berarti pengaruhnya searah.
Konstanta yang sebesar ;+=.92 se&ara matematis berarti bahwa ketika "ariabel
bebas nilainya +, maka "ariabel terikat nilainya adalah sebesar konstanta tersebut.
#api hati-hati dalam memba&a konstanta dalam kasus kita ini. Selain karena nilainya
tidak signi7kan, 'uga se&ara logika kita tidak akan pernah berhadapan dengan harga
dan pendapatan yang nilai +. Barga barang dengan nilai + bukan barang ekonomi
yang tidak masuk dalam analisis kita. Demikian 'uga, tidak mungkin orang yang
tidak punya pendapatan bisa membeli barang yang ada harganya.
Tabel . Residual dan &robability $utput
!SID1$L (1#P1#
P(5$5ILI#3
(1#P1#
"#servati
on
Predicted
Per$intaan Residuals
Standard
Residuals
Percentil
e
Per$inta
an
* <8?.02;0*82
*.=;2=?+=
+= +.+0<;;82<2 9 2++
0 0;0.8=820?8
2=.+0+;=*
+; +.9*==8<20* *9 9++
2 =2?.0<?89*9
-
2?.0<?89*
<= -+.92<8=2?0* 09 ;++
< =<2.++<=822
9;.8890+;
=* +.=8=*=+=+2 29 =++
9 =<=.=;+;29* - -0.+;;;=08+2 <9 ?++
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 13/14
*<=.=;+;2
9*
; ??+.?2<22*8
*8.*;9;;?
+; +.0;?+;2+90 99 8++
= 80*.02;9*?8
=?.=;2<?*
*2 *.*+*;29<< ;9 *+++
? *+?8.89;9;*
-
?8.89;9;+
?* -*.09?*???=* =9 *+++
8 *+9<.2*+0*;
<9.;?8=?<
2 +.;28+<98=9 ?9 **++
*+ *0;2.<20<<9
2;.9;=999
<0 +.9**<9;=;0 89 *2++
RESIDA! O"#"
Kolom pertama dari residual output adalah nomor urutan data kita, sesuai dengan
urutan data yang kita input. Kolom kedua predi&ted permintaan adalah kolom
yang memuat perkiraan6prediksi "ariabel terikat dalam kasus kita adalah
permintaan untuk nilai-nilai dari "ariabel bebas dari data asli kita. Prediksi ini
didasarkan dari output persamaan regresi sebelumnya. Misalnya untuk obser"asi
pertama, harga 29 dan pendapatan *+++, maka prediksi permintaan adalah
Persamaan regresi Permintaan ;+=.92 E *2.2* Barga F +,2; PendapatanPrediksi Permintaan ;+=.92 E *2.2* 29 F +,2; *+++ 49$.%36%&93
Kolom ketiga residuals adalah selisih antara prediksi "ariabel terikat dalam hal ini
permintaan dengan nilai sebenarnya. Misalnya untuk obser"asi pertama, nilai
sebenarnya untuk permintaan adalah 9++. Sehingga selisihnya residual 9++ E
<8?.02;0*82 &.'63'$0'0'
Kolom keempat Standard esiduals adalah residual yang distandarisasikan, yang
'uga dikenal sebagai residual Pearson. ata-rata dari standar residual + dan
standar de"iasinya *. $nda bisa membuktikan dengan men&ari rata-rata danstandar de"iasi dari nilai-nilai kolom keempat ini.
Standar residual dihitung dengan &ara membagi residual kolom 2 dengan standar
de"iasi residual tersebut. Jadi, untuk men&ari standar residual, kita &ari dulu standar
de"iasi kolom 2, kemudian masing-masing nilai pada kolom ketiga, dibagi dengan
standar de"iasi. Sebagai &ontoh, standar de"iasi dari kolom ketiga setelah dihitung
7/23/2019 Analisis Regresi Dengan Excel
http://slidepdf.com/reader/full/analisis-regresi-dengan-excel 14/14
adalah =*.<8;?;9=<. @ah, pada obser"asi pertama, maka standar residualnya
adalah *.=;2=?+=+=6=*.<8;?;9=< 0.0%4669343. Demikian seterusnya.
#RO(A(I!I") O"#"
Disamping residual output terdapat tabel probability output. Inti dari tabel ini adalah
menggambarkan persentile dan nilai-nilai dari "ariabel terikat yaitu permintaan.
*RA+I,-*RA+I,
#erdapat beberapa gra7k yang ditampilkan dalam output regresi !%&el, yaitu
*. Ora7k yang menghubungkan antara "ariabel bebas harga dan pendapatan
dengan residual
0. Ora7k plot yang menghubungkan antara "ariabel bebas harga dan pendapatan
dengan "ariabel terikat permintaan baik permintaan atas dasar data aktual
maupun prediksi.
2. Ora7k normal probability atas dasar persentil untuk "ariabel terikat permintaan.
Dalam kasus kita, gra7k-gra7k tersebut dapat $nda lihat pada tulisan $nalisis
egresi dengan !%&el sebelumnya.