Langkah-Langkah Korelasi dan Regresi

Posted: Desember 26, 2009 in Uncategorized

LANGKAH-LANGKAH PENGERJAAN KORELASI DAN REGRESI LINEAR

  1. A. Korelasi Pearson dan Persamaan Regresi Linear

  • Statistik Parametrik

Langkah awal dengan melakukan pengujian untuk menentukan data tersebut memenuhi asumsi analisis keragaman. Jika memenuhi asumsi tersebut dilanjutkan dengan Uji Korelasi Pearson.

  • Uji Korelasi Pearson
  1. Stat>Basic Statistics>Correlation
  2. Pada kotak dialog Correlation, di Variable sorot C2 C3, lalu klik select; maka di variables tertera C2 C3. Klik di kotak Display p-value; sampai dengan tertera √, klik OK.
  3. Berdasarkan hasil penghitungan tersebut dicermati nilai korelasi Pearson dan nilai p-nya dan dapat disimpulkan.
  4. Data dapat disimpan klik File>Save.
  • Uji Regresi
  1. Di awali dengan Klik Stat>Regression>Regression
  2. Pada kotak dialog Regression, di Responses pasok C3. Sedangkan di Predictors pasok C2 lalu klik OK.
  3. Simpan olahan data dengan klik File>Save
  4. Pada lembar olahan data akan tampil grafik plotting, dengan sumbu X adalah Rankits dan Y adalah Ordered data. Di bawah gambar akan tampil nilai W (Shapiro-Wilk) dan P. Perhatikan nilai P jika P>0.05 maka H0 diterima data memenuhi asumsi pokok analisis keragaman untuk kebebasan galat.
  5. Statistics>Randomness>Normality Tests>Normal Probability Plot
  6. Pada kotak dialog Normal Probability Test klik Produksi lalu klik tanda panah arah kanan, klik OK. Di lembar olahan data akan tampil grafik plotting dengan sumbu X adalah Rankits dan Y adalah Ordered Data. Di bawah gambar akan tampil nilai W (Shapiro-Wilk) dan P. Perhatikan nilai P jika P>0.05 maka H0 diterima data memenuhi asumsi ANOVA  untuk kebebasan galat.
  7. Klik File>Save

Data penggunaan mesin tersebut memenuhi asumsi poko analisis keragaman sehingga untuk menghitung koefisien korelasi dan pesamaan regresi digunakan statistik parametrik.

  • Statistik Parametrik
    • Uji Korelasi Pearson

1.  Statistics>Linear Models>Correlation (Pearson)

Pada kotak dialog Correlation (Pearson) klik Lama lalu kik tanda panah arah kanan, klik Produksi klik tanda panah arahkanan, Klik OK. Pada Fit Constant dan Compute P-Values beri tanda √. Klik OK.

Pada lembar olahan data akan tampil hasil. Nilai koefisien korelasi berikut nilai P-nya. Jika P<0.05 mengindikasikan bahwa ditemukan hubungan keeratan (korelasi) antara sifat lama dan jumlah produksi mesin. Jika sebaliknya tidak demkian. Bila ditemukan hubungan kantara kedua sifat beda tersebut, pengolahan dapat diteruskan ke persamaan regresi linear.

2.  File>Save

  • Uji Regresi
  1. Statistic>Lineear Models>Linier Regression

Pada kotak dialog Linear Regression pada Variables sorot Produksi, sedangkan di Dependent Variable klik tanda panah arah kanan, kembali ke Variables sorot Lam, di Independent variable klik tanda panah arah kanan. Beri tanda √. Pada Fit Constant lalu klik OK.

Pada lembar olahan data akan tampil hasil. Nilai konstanta (a) dan koefisien regresi (b) diperoleh. Persamaan regresi dibuat dan hasil olahan juga menampilkan tabel analisis regresi.

  1. Klik File>Save

Korelasi Spearman dan Persamaan Regresi Linearnya

Jika suatu data merupakan nilai skor maka diolah secara statistic non-parametrik sehingga untuk mencari koefisien korelai dan persamaan regresi adalah

  1. Koefisien Korelasi Spearman (rs)
  2. Buka MINITAB 14
  3. Data pekerja dipasok pada kolom C1. Data ketangkasan jari dipasok pada kolom C2. Data kemampuan mekanikal dipasok pada kolom C3.
  4. Klik Data>Rank>di Rank data in; sorot C2, klik select; di Store ranks in; ketik C4, klik OK.
  5. Klik Data>Rank>di Rank data in; sorot C3, klik select; di Store ranks in; ketik C5, klik OK.
  6. Pada Worksheet tampil data rank (peringkat) pada C4 dab C5.
  7. Calc>Calculator. Di Store result in variable: ketil C6. Di Expression: sorot C4, klik select; klik tanda – ; sorot C5, select, klik OK.
  8. Calc>Calculator. Di Store result in variable: ketil C7. Di Expression: sorot C6, klik select; klik tanda * ; sorot C6, select, klik OK.
  9. Calc>Column Statisitcs

Di statistics : klik sum

Di input variable : sorot C7, klik select

Di store result in : ketik k1, klik OK

  1. Perhatikan Session, padanya terdapat nilai k1

10.  Perhatikan Worksheet; padanya terdapat C6 dan C7

11.  Calc>Calculator. Di store result in variable: ketik K2; di Expression :klik tanda 6, klik tanda *; sorot k1, select, klik OK.

12.  Calc>Calculator. Di store result in variable: ketik K3; di Expression :klik tanda 8, klik tanda *; klik tanda 8, select, klik OK.

13.  Calc>Calculator. Di store result in variable: ketik K4; di Expression :sorot K3; klik select;  klik tanda -; klik tanda 1, select, klik OK.

14.  Calc>Calculator. Di store result in variable: ketik K5; di Expression :sorot K4; klik select;  klik tanda *;  klik tanda 8, klik OK.

15.  Calc>Calculator. Di store result in variable: ketik K6; di Expression :sorot K2; klik select;  klik tanda /; sorot K5, klik OK.

16.  Calc>Calculator. Di store result in variable: ketik K7; di Expression : klik tanda 1; klik tanda -, sorot K6,klik select, klik OK.

17.  Data>Display Data → sorot k2-k8; klik select, klik OK

18.  Perhatikan Session yang terdapat pada nilai k1-k7. Nilai korelasi spearman (rs) adalah k7.

19.  Dilanjutkan dengan uji t

Calc>Calculator. Di store result in variable: ketik K8; di Expression :klik tanda 8;  klik tanda -; klik tanda 2, select, klik OK.

20.  Calc>Calculator. Di store result in variable: ketik K9; pada Function : sorot Square root; klik select; di Expression didapat SQRT(Number). Ganti number dengan k8,klik OK.

21.  Calc>Calculator. Di store result in variable: ketik K10; di Expression :sorot K7; klik select;  klik tanda *;sorot k9, klik OK.

22.  Calc>Calculator. Di store result in variable: ketik K11; di Expression :sorot K7; klik select;  klik tanda *;sorot K7,klik select, klik OK.

23.  Calc>Calculator. Di store result in variable: ketik K12; di Expression: klik tanda 1, klik tanda -,sorot k11, select, klik OK.

24.  Calc>Calculator. Di store result in variable: ketik K13; pada Function : sorot Square root; klik select; di Expression didapat SQRT(Number). Ganti number dengan K12,klik OK.

25.  Calc>Calculator. Di store result in variable: ketik K14; di Expression :sorot K10; klik select;  klik tanda /;sorot K13,klik select, klik OK.

26.  Data>Display data→ sorot K8-K14; klik select, klik OK

27.  Perhatikan Session padanya terdapat nilai k8-k14. Nilai t hitung adalah k14

28.  Buka tabel t (0.05/2) n=8 di buku teks statistic, tentukan daerah kritisnya. Bandingkan K14 dengan daerah kritis. Berikan kesimpulan.

29.  Calc>Calculator. Di store result in variable: ketik K15; di Expression :klik tanda 8; +;1; klik OK.

30.  Calc>Calculator. Di store result in variable: ketik K16; di Expression :klik tanda 1; -;sorot K7;klik select; klik OK.

31.  Calc>Calculator. Di store result in variable: ketik K17; di Expression : sorot K16; klik select; klik tanda /;2; klik OK.

32.  Calc>Calculator. Di store result in variable: ketik K18; di Expression : sorot K15; klik select; klik tanda*;sorot k17, klik select, klik Ok.

33.   Nilai k18 merupakan nilai a

34.  Buat persamaan regresi Y= a+bX

  1. A. Hasil Korelasi dan Regresi Korelasi Pearson dan Persamaan regresi Linear

Data Display

Row  kelas  lama  produksi

1      1     2        10

2      1     4        20

3      2     6        50

4      2     6        55

5      2     8        60

6      2     8        65

7      2     8        70

8      3     9        75

9      3     9        80

10      3    10        85

Correlations: lama, produksi

Pearson correlation of lama and produksi = 0.981

P-Value = 0.000

Regression Analysis: produksi versus lama

The regression equation is

produksi = – 11.1 + 9.73 lama

Predictor     Coef  SE Coef      T      P

Constant   -11.125    5.010  -2.22  0.057

lama        9.7321   0.6781  14.35  0.000

S = 5.07423   R-Sq = 96.3%   R-Sq(adj) = 95.8%

Analysis of Variance

Source          DF      SS      MS       F      P

Regression       1  5304.0  5304.0  206.00  0.000

Residual Error   8   206.0    25.7

Total            9  5510.0

Hasil data di atas dapat disimpulkan bahwa korelasi Pearson dari Lama dan Produksi Pellet ternak adalah dengan kenaikan lama penggunaan mesin produksi sebesar 1 satuan unit dapat meningkatkan kuantitas hasil produksi pellet sebanyak 1 satuan yaitu sebesar 11.125 + 9.732 lama.

R-Sq = 96.3%  dapat diartikan bahwa proporsi keragaman variable x thd y dapat diterangkan secara linear sebesar 96.3% dan sisanya yaitu 3.7% diterangkan dengan hal lain. Sedangkan R-Sq(adj) merupakan R square yang sudah disesuaikan atau di koreksi oleh computer.

Grafik 1. Probability Normal dari Produksi

Correlations (Pearson) menggunakan Stastistik 8.0

  • Correlations (Pearson)

LAMA

PRODUKSI   0.9811

P-VALUE  0.0000

Cases Included 10    Missing Cases 0

Hasil korelasi pearson memiliki nilai korelasi yang sama dengan penghitungan menggunakan minitab dengan nilai R (produksi) =0.9811 artinya berkorelasi linear positif sangat kuat. Sedangkan untuk nilai P-VALUE  0.0000 < 0,05 memiliki korelasi nyata.

  • Unweighted Least Squares Linear Regression of PRODUKSI

Predictor

Variables   Coefficient   Std Error         T         P

Constant       -11.1250     5.01040     -2.22    0.0571

LAMA            9.73214     0.67807     14.35    0.0000

R-Squared           0.9626      Resid. Mean Square (MSE)    25.7478

Adjusted R-Squared  0.9579      Standard Deviation          5.07423

Source        DF        SS        MS        F        P

Regression     1   5304.02   5304.02   206.00   0.0000

Residual       8    205.98     25.75

Total          9   5510.00

Cases Included 10    Missing Cases 0

Hasil regresi di atas dapat disimpulkan bahwa persamaan regresi yang dilakukan menggunakan Statistik 8.0 tidak menghasilkan persamaan melainkan angka yang dapat disusun menjadi suatu persamaan produksi yaitu  -11.1250 + 9.73214 lama.

B. Korelasi Spearman Dan Persamaan Regresi Linearnya

Data Display

Sum of C7 = 32.5

K2    195.000

K3    64.0000

K4    63.0000

K5    504.000

K6    0.386905

K7    0.613095

K8    6.00000

K9    2.44949

K10   1.50177

K11   0.375886

K12   0.624114

K13   0.790009

K14   1.90095

K15   9.00000

K16   0.386905

K17   0.193452

K18   1.74107

Berdasarkan Hasil olahan data dapat diperoleh bahwa :

Jadi K14= 1.90095 (k10/K13)

Nilai r = 0.613095

T hitung = 1,90095

Nilai T table = t0,05/2(n) >> t <-2,306 dan t>2,306

Berdasarkan t hitung =1,90095 berada di daerah penerimaan. Artinya tidak ada korelasi, Hoditolak tapi diasumsikan H0 diterima sehingga regresi dilanjutkan.

N= 8

Alpa =0.05

K18= a = (n+1)x (1-n)

2

A= 1.744107 (K18)

B= 0,613095 (K7)

Y= 1.74107 + 0,613095X

Kesimpulan : setiap penambahan ketangkasan jari (X) 1 satuan akan menambah kemampuan mekanikal pekerja (Y) 1 satuan.

LANGKAH-LANGKAH PENGERJAAN KORELASI DAN REGRESI LINEAR

  1. A. Korelasi Pearson dan Persamaan Regresi Linear

  • Statistik Parametrik

Langkah awal dengan melakukan pengujian untuk menentukan data tersebut memenuhi asumsi analisis keragaman. Jika memenuhi asumsi tersebut dilanjutkan dengan Uji Korelasi Pearson.

  • Uji Korelasi Pearson
  1. Stat>Basic Statistics>Correlation
  2. Pada kotak dialog Correlation, di Variable sorot C2 C3, lalu klik select; maka di variables tertera C2 C3. Klik di kotak Display p-value; sampai dengan tertera √, klik OK.
  3. Berdasarkan hasil penghitungan tersebut dicermati nilai korelasi Pearson dan nilai p-nya dan dapat disimpulkan.
  4. Data dapat disimpan klik File>Save.
  • Uji Regresi
  1. Di awali dengan Klik Stat>Regression>Regression
  2. Pada kotak dialog Regression, di Responses pasok C3. Sedangkan di Predictors pasok C2 lalu klik OK.
  3. Simpan olahan data dengan klik File>Save
  4. Pada lembar olahan data akan tampil grafik plotting, dengan sumbu X adalah Rankits dan Y adalah Ordered data. Di bawah gambar akan tampil nilai W (Shapiro-Wilk) dan P. Perhatikan nilai P jika P>0.05 maka H0 diterima data memenuhi asumsi pokok analisis keragaman untuk kebebasan galat.
  5. Statistics>Randomness>Normality Tests>Normal Probability Plot
  6. Pada kotak dialog Normal Probability Test klik Produksi lalu klik tanda panah arah kanan, klik OK. Di lembar olahan data akan tampil grafik plotting dengan sumbu X adalah Rankits dan Y adalah Ordered Data. Di bawah gambar akan tampil nilai W (Shapiro-Wilk) dan P. Perhatikan nilai P jika P>0.05 maka H0 diterima data memenuhi asumsi ANOVA  untuk kebebasan galat.
  7. Klik File>Save

Data penggunaan mesin tersebut memenuhi asumsi poko analisis keragaman sehingga untuk menghitung koefisien korelasi dan pesamaan regresi digunakan statistik parametrik.

  • Statistik Parametrik
    • Uji Korelasi Pearson

1.  Statistics>Linear Models>Correlation (Pearson)

Pada kotak dialog Correlation (Pearson) klik Lama lalu kik tanda panah arah kanan, klik Produksi klik tanda panah arahkanan, Klik OK. Pada Fit Constant dan Compute P-Values beri tanda √. Klik OK.

Pada lembar olahan data akan tampil hasil. Nilai koefisien korelasi berikut nilai P-nya. Jika P<0.05 mengindikasikan bahwa ditemukan hubungan keeratan (korelasi) antara sifat lama dan jumlah produksi mesin. Jika sebaliknya tidak demkian. Bila ditemukan hubungan kantara kedua sifat beda tersebut, pengolahan dapat diteruskan ke persamaan regresi linear.

2.  File>Save

  • Uji Regresi
  1. Statistic>Lineear Models>Linier Regression

Pada kotak dialog Linear Regression pada Variables sorot Produksi, sedangkan di Dependent Variable klik tanda panah arah kanan, kembali ke Variables sorot Lam, di Independent variable klik tanda panah arah kanan. Beri tanda √. Pada Fit Constant lalu klik OK.

Pada lembar olahan data akan tampil hasil. Nilai konstanta (a) dan koefisien regresi (b) diperoleh. Persamaan regresi dibuat dan hasil olahan juga menampilkan tabel analisis regresi.

  1. Klik File>Save

Korelasi Spearman dan Persamaan Regresi Linearnya

Jika suatu data merupakan nilai skor maka diolah secara statistic non-parametrik sehingga untuk mencari koefisien korelai dan persamaan regresi adalah

  1. Koefisien Korelasi Spearman (rs)
  2. Buka MINITAB 14
  3. Data pekerja dipasok pada kolom C1. Data ketangkasan jari dipasok pada kolom C2. Data kemampuan mekanikal dipasok pada kolom C3.
  4. Klik Data>Rank>di Rank data in; sorot C2, klik select; di Store ranks in; ketik C4, klik OK.
  5. Klik Data>Rank>di Rank data in; sorot C3, klik select; di Store ranks in; ketik C5, klik OK.
  6. Pada Worksheet tampil data rank (peringkat) pada C4 dab C5.
  7. Calc>Calculator. Di Store result in variable: ketil C6. Di Expression: sorot C4, klik select; klik tanda – ; sorot C5, select, klik OK.
  8. Calc>Calculator. Di Store result in variable: ketil C7. Di Expression: sorot C6, klik select; klik tanda * ; sorot C6, select, klik OK.
  9. Calc>Column Statisitcs

Di statistics : klik sum

Di input variable : sorot C7, klik select

Di store result in : ketik k1, klik OK

  1. Perhatikan Session, padanya terdapat nilai k1

10.  Perhatikan Worksheet; padanya terdapat C6 dan C7

11.  Calc>Calculator. Di store result in variable: ketik K2; di Expression :klik tanda 6, klik tanda *; sorot k1, select, klik OK.

12.  Calc>Calculator. Di store result in variable: ketik K3; di Expression :klik tanda 8, klik tanda *; klik tanda 8, select, klik OK.

13.  Calc>Calculator. Di store result in variable: ketik K4; di Expression :sorot K3; klik select;  klik tanda -; klik tanda 1, select, klik OK.

14.  Calc>Calculator. Di store result in variable: ketik K5; di Expression :sorot K4; klik select;  klik tanda *;  klik tanda 8, klik OK.

15.  Calc>Calculator. Di store result in variable: ketik K6; di Expression :sorot K2; klik select;  klik tanda /; sorot K5, klik OK.

16.  Calc>Calculator. Di store result in variable: ketik K7; di Expression : klik tanda 1; klik tanda -, sorot K6,klik select, klik OK.

17.  Data>Display Data → sorot k2-k8; klik select, klik OK

18.  Perhatikan Session yang terdapat pada nilai k1-k7. Nilai korelasi spearman (rs) adalah k7.

19.  Dilanjutkan dengan uji t

Calc>Calculator. Di store result in variable: ketik K8; di Expression :klik tanda 8;  klik tanda -; klik tanda 2, select, klik OK.

20.  Calc>Calculator. Di store result in variable: ketik K9; pada Function : sorot Square root; klik select; di Expression didapat SQRT(Number). Ganti number dengan k8,klik OK.

21.  Calc>Calculator. Di store result in variable: ketik K10; di Expression :sorot K7; klik select;  klik tanda *;sorot k9, klik OK.

22.  Calc>Calculator. Di store result in variable: ketik K11; di Expression :sorot K7; klik select;  klik tanda *;sorot K7,klik select, klik OK.

23.  Calc>Calculator. Di store result in variable: ketik K12; di Expression: klik tanda 1, klik tanda -,sorot k11, select, klik OK.

24.  Calc>Calculator. Di store result in variable: ketik K13; pada Function : sorot Square root; klik select; di Expression didapat SQRT(Number). Ganti number dengan K12,klik OK.

25.  Calc>Calculator. Di store result in variable: ketik K14; di Expression :sorot K10; klik select;  klik tanda /;sorot K13,klik select, klik OK.

26.  Data>Display data→ sorot K8-K14; klik select, klik OK

27.  Perhatikan Session padanya terdapat nilai k8-k14. Nilai t hitung adalah k14

28.  Buka tabel t (0.05/2) n=8 di buku teks statistic, tentukan daerah kritisnya. Bandingkan K14 dengan daerah kritis. Berikan kesimpulan.

29.  Calc>Calculator. Di store result in variable: ketik K15; di Expression :klik tanda 8; +;1; klik OK.

30.  Calc>Calculator. Di store result in variable: ketik K16; di Expression :klik tanda 1; -;sorot K7;klik select; klik OK.

31.  Calc>Calculator. Di store result in variable: ketik K17; di Expression : sorot K16; klik select; klik tanda /;2; klik OK.

32.  Calc>Calculator. Di store result in variable: ketik K18; di Expression : sorot K15; klik select; klik tanda*;sorot k17, klik select, klik Ok.

33.   Nilai k18 merupakan nilai a

34.  Buat persamaan regresi Y= a+bX

  1. A. Hasil Korelasi dan Regresi Korelasi Pearson dan Persamaan regresi Linear

Data Display

Row  kelas  lama  produksi

1      1     2        10

2      1     4        20

3      2     6        50

4      2     6        55

5      2     8        60

6      2     8        65

7      2     8        70

8      3     9        75

9      3     9        80

10      3    10        85

Correlations: lama, produksi

Pearson correlation of lama and produksi = 0.981

P-Value = 0.000

Regression Analysis: produksi versus lama

The regression equation is

produksi = – 11.1 + 9.73 lama

Predictor     Coef  SE Coef      T      P

Constant   -11.125    5.010  -2.22  0.057

lama        9.7321   0.6781  14.35  0.000

S = 5.07423   R-Sq = 96.3%   R-Sq(adj) = 95.8%

Analysis of Variance

Source          DF      SS      MS       F      P

Regression       1  5304.0  5304.0  206.00  0.000

Residual Error   8   206.0    25.7

Total            9  5510.0

Hasil data di atas dapat disimpulkan bahwa korelasi Pearson dari Lama dan Produksi Pellet ternak adalah dengan kenaikan lama penggunaan mesin produksi sebesar 1 satuan unit dapat meningkatkan kuantitas hasil produksi pellet sebanyak 1 satuan yaitu sebesar 11.125 + 9.732 lama.

R-Sq = 96.3%  dapat diartikan bahwa proporsi keragaman variable x thd y dapat diterangkan secara linear sebesar 96.3% dan sisanya yaitu 3.7% diterangkan dengan hal lain. Sedangkan R-Sq(adj) merupakan R square yang sudah disesuaikan atau di koreksi oleh computer.

Grafik 1. Probability Normal dari Produksi

Correlations (Pearson) menggunakan Stastistik 8.0

  • Correlations (Pearson)

LAMA

PRODUKSI   0.9811

P-VALUE  0.0000

Cases Included 10    Missing Cases 0

Hasil korelasi pearson memiliki nilai korelasi yang sama dengan penghitungan menggunakan minitab dengan nilai R (produksi) =0.9811 artinya berkorelasi linear positif sangat kuat. Sedangkan untuk nilai P-VALUE  0.0000 < 0,05 memiliki korelasi nyata.

  • Unweighted Least Squares Linear Regression of PRODUKSI

Predictor

Variables   Coefficient   Std Error         T         P

Constant       -11.1250     5.01040     -2.22    0.0571

LAMA            9.73214     0.67807     14.35    0.0000

R-Squared           0.9626      Resid. Mean Square (MSE)    25.7478

Adjusted R-Squared  0.9579      Standard Deviation          5.07423

Source        DF        SS        MS        F        P

Regression     1   5304.02   5304.02   206.00   0.0000

Residual       8    205.98     25.75

Total          9   5510.00

Cases Included 10    Missing Cases 0

Hasil regresi di atas dapat disimpulkan bahwa persamaan regresi yang dilakukan menggunakan Statistik 8.0 tidak menghasilkan persamaan melainkan angka yang dapat disusun menjadi suatu persamaan produksi yaitu  -11.1250 + 9.73214 lama.

B. Korelasi Spearman Dan Persamaan Regresi Linearnya

Data Display

Sum of C7 = 32.5

K2    195.000

K3    64.0000

K4    63.0000

K5    504.000

K6    0.386905

K7    0.613095

K8    6.00000

K9    2.44949

K10   1.50177

K11   0.375886

K12   0.624114

K13   0.790009

K14   1.90095

K15   9.00000

K16   0.386905

K17   0.193452

K18   1.74107

Berdasarkan Hasil olahan data dapat diperoleh bahwa :

Jadi K14= 1.90095 (k10/K13)

Nilai r = 0.613095

T hitung = 1,90095

Nilai T table = t0,05/2(n) >> t <-2,306 dan t>2,306

Berdasarkan t hitung =1,90095 berada di daerah penerimaan. Artinya tidak ada korelasi, Hoditolak tapi diasumsikan H0 diterima sehingga regresi dilanjutkan.

N= 8

Alpa =0.05

K18= a = (n+1)x (1-n)

2

A= 1.744107 (K18)

B= 0,613095 (K7)

Y= 1.74107 + 0,613095X

Kesimpulan : setiap penambahan ketangkasan jari (X) 1 satuan akan menambah kemampuan mekanikal pekerja (Y) 1 satuan.

About these ads

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s