%0 Thesis
%9 Skripsi
%A USWATUN KHASANAH D.R, NIM 08610029
%B fakultas sains dan teknologi
%D 2015
%F digilib:18353
%I UIN SUNAN KALIJAGA YOGYAKARTA
%K analisis regresi linear berganda, metode stepwise, metode fraksi
%P 69
%T PEMILIHAN MODEL REGRESI TERBAIK  DENGAN MENGGUNAKAN METODE STEPWISE DAN FRAKSI
%U https://digilib.uin-suka.ac.id/id/eprint/18353/
%X Analisis regresi digunakan untuk memprediksi nilai suatu variabel  dependen berdasarkan nilai variabel independen. Terdapat 4 metode dalam  pemilihan model regresi terbaik yang telah dipelajari dalam perkuliahan, yaitu  metode forward selection, metode backward selection, metode all possible  regression, dan metode stepwise. Penelitian ini menerapkan metode stepwise dan  fraksi ke dalam data sekunder dari Jakarta Islamic Index (JII) periode 2008  sampai 2010. Dalam data tersebut terdapat satu variabel dependen dan empat  variabel independen. Beta merupakan variabel dependen. Sedangkan inflasi,  jumlah uang beredar, kurs, dan bunga merupakan variabel independen yang  dinotasikan dengan X1, X2, X3, dan X4. Tujuan penelitian ini adalah mengetahui  langkah-langkah menggunakan metode stepwise dan fraksi serta menentukan  metode terbaik yang dapat digunakan untuk menentukan model regresi.  Penelitian ini menggunakan metode studi literatur yaitu dengan  mengumpulkan materi dari informasi tentang stepwise dan fraksi dari berbagai  sumber, mengkaji dengan seksama, kemudian menerapkan konsep tersebut ke  dalam data sekunder.  Berdasarkan penelitian yang telah dilakukan, pengolahan dengan metode  fraksi tidak menghasilkan model karena nilai sig. pada tabel ANOVA  menunjukkan 0,116, yang berarti tidak ada hubungan linear antara variabel  dependen dengan variabel independen. Sedangkan pengolahan dengan metode  stepwise nilai sig. pada tabel ANOVA menunjukkan 0,04, berarti terdapat  hubungan linear antara variabel dependen dengan variabel independen. Sehingga  metode terbaik yang dapat digunakan pada data sekunder JII adalah metode  stepwise dengan persamaan Y = 0,244 + -8,012 X2
%Z M. Farhan Qudratullah