Hasil Tk Peternak

ASUMSI KLASIK 1. Uji normalitas Ho : Resiudal R esiudal menyebar normal H1 : Residual tidak menyebar normal

Uji kenormalan Kolmonogrov-Smirnov -

Test statistic

P value

0.1297

Alternative hypothesis

0.06909

two-sided

Kesimpulan: Keputusan Terima Ho. Dapat disimpulkan bahwa residual menyebar normal 2. Uji Heteroskedastisitas Ho : tidak ada gejala Heteroskedastisitas H1 : ada gejala Heteroskedastisitas 3. Uji Autokorelasi Hipotesis:

Ho : Tidak terjadi autokorelasi pada residual H1 : Terjadi autokorelasi pada residual

Test statistic

P value

Alternative hypothesis

1.827

0.1832

true autocorrelation is greater than 0

Kesimpulan: Keputusan Terima Ho. Dapat disimpulkan bahwa Tidak terjadi autokorelasi pada residual. 4. Uji Multikolinieritas

X1

X2

X3

X4

X5

X6

X7

1.273

1.019

1.43

1.032

2.245

2.567

1.326

Nilai VIF < 10 pada masing-masing peubah. Sehingga dapat disimpulkan disimpulkan bahwa hubungan antar peubah bebas tidak beresiko terhadap asumsi multikolinieritas.

Pendugaan Model regresi: Estimate

Std. Error

t value

Pr(>|t|)

-33.16

57.07

-0.581

0.5627

X1

0.01889

0.006555

2.882

0.00492

X2

-4.158

21.4

-0.1943

0.8464

X3

0.2092

0.09311

2.247

0.02701

X4

20.6

26.56

0.7757

0.4399

X5

0.1294

0.08593

1.506

0.1354

X6

-0.032

0.126

-0.254

0.8001

X7

0.07104

0.03675

1.933

0.05633

(Intercept)

Fitting linear model: Y ~ X1 + X2 + X3 + X4 + X5 + X6 + X7 -

Observations

Residual Std. Error

100

51.24



2

Adjusted  2

0.2724

0.217

Seleksi Variabel:

## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ##

Call: lm(formula = Y ~ X1 + X3 + X5 + X7, data = data.reg.gnd3) Residuals: Min 1Q -106.06 -30.79

Median -14.64

3Q 24.53

Max 252.06

Coefficients: Estimate Std. Error t value Pr(>|t|) 2.192079 15.849839 0.138 0.8903 0.018956 0.006425 2.950 0.0040 ** 0.208668 0.085127 2.451 0.0161 * 0.116868 0.060235 1.940 0.0553 . 0.069909 0.034008 2.056 0.0426 *

(Intercept) X1 X3 X5 X7 --Signif. codes:

0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 50.62 on 95 degrees of freedom Multiple R-squared: 0.2667, Adjusted R-squared: 0.2358 F-statistic: 8.637 on 4 and 95 DF, p-value: 5.459e-06

Estimate

Std. Error

t value

Pr(>|t|)

2.192

15.85

0.1383

0.8903

X1

0.01896

0.006425

2.95

0.003998

X3

0.2087

0.08513

2.451

0.01606

X5

0.1169

0.06024

1.94

0.05532

X7

0.06991

0.03401

2.056

0.04256

(Intercept)

Table: Fitting linear model: Y ~ X1 + X3 + X5 + X7