Anda di halaman 1dari 12

ANALISIS REGRESI NON LINIER MODEL COMPOUND

Makalah Untuk memenuhi tugas mata kuliah Analisis Regresi Yang dibimbing oleh Bpk. Hendro Permadi

Oleh:s 1. Wida Rekno Agustian 2. Ari Dwi Cahyono 3. Siti Muyasaroh (409312413114) (409312417665) (409312417668)

4. Rizqi Tri Ramadayanti (409312417669) 5. Anisak Heritin 6. Krisna Trenggalih (409312417683) (409312417688)

Universitas Negeri Malang Fakultas matematika dan ilmu pengetahuan alam Jurusan matematika Oktober 2011

I. PENDAHULUAN 1.1. Latar Belakang

Analisa regresi merupakan salah satu analisa statistik yang cukup penting dan berkaitan dengan masalah permodelan matematik dari suatu pasangan data pengamatan. Dalam banyak kasus hubungan antara dua variable atau lebih tidak dapat direpresentasikan dalam bentuk linier, tetapi dapat direpresentasikan dalam bentuk non linier. Secara umum bentuk nonlinier dibedakan menjadi dua macam yaitu bentuk polinomial berderajat n dan bentuk khusus misalnya bentuk compound. Namun karena penggunaan model nonlinier sangat rumit. Sehingga seringkali model nonlinier tersebut ditransformasikan dalam bentuk linier. Analisis regresi sangat berguna untuk menyelesaikan masalah pengolahan data statistika dalam suatu perusahaan. Salah satu contohnya adalah perusahaan home industri krupuk rambak di Tulungagung. Permasalannya adalah memprediksi waktu yang dibutuhkan untuk memenuhi pesanan dalam setiap bulannya. Sehingga pesanan dapat terpenuhi tepat waktu. Dan data dari permasalahan tersebut diduga contoh dari model compound. Sehingga dari data tersebut akan diselesaikan dengan model persamaan yang berbentuk y = a b x. Dimana model tersebut dapat ditransformasikan ke dalam bentuk linier yaitu ln y = ln a + x ln b. 1.2. PERMASALAHAN 1. Menduga persamaan regresi yang berbentuk y = a .

2. Bagaimana tabel ANOVA dari persamaan regresi yang diperoleh? 3. Uji kenormalan, uji F untuk odel regresi, uji t untuk koefisien regresi, dan uji homogenitas

1.3. 1.

Tujuan

Agar mengetahui persamaan regresi dalam bentuk compound.

2. Agar mengetahui tabel ANOVA dari persamaan regresi yang diperoleh. 3. Agar mengetahui kenormalan data, kesignifikanan model regresi, ada tidaknya pengaruh antara lama waktu bekerja dengan hasil produksi.

II. MODEL REGRESI COMPOUND Model Regresi Compound mempunyai bentuk sederhana yaitu:

Dimana a dan b di sini merupakan parameter yang harus diduga dari data. Model di atas ditransformasikan ke dalam bentuk linier dengan mengalikan kedua sisi persamaan menjadi: ln y = ln a + x ln b persamaan standart : dimana : ln y = ln a = ln b = . Jadi dugaan untuk dan = = x ln a = , pada bentuk linier = + x adalah

Karena ln a = , sehingga e ln a a Dan ln b = =e =e , sehnigga =e =e .

ln b =

e ln b b

Data berikut adalah hasil produksi home industri krupuk rambak di Tulungagung (kg) dan lama waktu kerja (jam) pada tiap bulannya mulai Januari sampai Desember 2011. No. Lama Waktu Kerja (jam) X Hasil Produksi (kg) Y

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.

2000 2100 2175 2250 2350 2400 2475 2575 2625 2700 2850 3000

750 780 800 820 850 880 900 930 970 1000 1050 1180

Pendugaan Parameter Model Regresi Pengujian ini dengan menggunakan Regresi Non Linier Model Compound sehingga dalam pengerjaannya, data akan ditransformasikan dalam bentuk linier. Dengan mengubah y menjadi ln y, diperoleh data sebagai berikut: No. Lama Waktu Kerja (jam) x 2000 2100 2175 2250 2350 2400 2475 2575 2625 2700 2850 3000 Hasil Produksi (kg) y 750 780 800 820 850 880 900 930 970 1000 1050 1180 ln y

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.

6,62007 6,65929 6,68461 6,70930 6,74524 6,77992 6,80239 6,83518 6,87730 6,97755 6,95655 7,07327

( x
2

= 29500 )2 = 870250000 = 73545000 = 2458,333333

ln x ln ln y

= 81,65088731 = 201169,0794 = y* = 6,804240609

b1 = b1 = b1 = 4,499 x 10-4 b0 = y * - b1 x b0 = 6,804240609 ( 4,499 * 10-4 ) (2458,333333 ) b0 = 6,804240609 1,065699858 b0 = 5,70854 Dari penyelesaian tersebut diperoleh persamaan regresinya adalah : ln y = 5,70854 + 4,499 * 10-4 x sehingga dapat diperoleh: ln a = b0 dan ln b = b1

e ln a = e b0 a a a = e b0 = e5,70854 = 298,867

e ln b = e b1 b b b = e b1 = e 4,499 x 10-4 = 1,00045

Jadi, persamaannya adalah

y = ( 298,867 ) ( 1,00045 )x

Dengan Menggunakan Minitab Regression Analysis The regression equation is ln y = 5.70 +0.000450 x Predictor Constant x Coef 5.70386 StDev 0.06215 T P

91.77 0.000 17.92 0.000

0.00044998 0.00002511 R-Sq = 97.0%

S = 0.02541

R-Sq(adj) = 96.7%

Analysis of Variance Source Regression Residual Error Total 11 DF 1 10 SS 0.20738 0.00646 MS 0.20738 0.00065 F P 0.000

321.23

0.21383

Unusual Observations Obs 10 x 2700 ln y 6.97755 Fit StDev Fit 6.91880 Residual St Resid 2.49R

0.00952

0.05875

R denotes an observation with a large standardized residual

GRAFIK

Y
1200

1100

1000

900

800

Observed Linear

700 1800 2000 2200 2400 2600 2800 3000 3200

Compound

PENGUJIAN DATA Uji Normalitas Data

uji kenormalan

.999 .99 .95

Probability

.80 .50 .20 .05 .01 .001 2000 2500 3000


Anderson-Darling Normality Test A-Squared: 0.112 P-Value: 0.989

x
Average: 2458.33 StDev: 305.133 N: 12

Berdasarkan gambar grafik di atas diperoleh: P-value = 0.989. Ini berarti P-value > 0,05, sehingga data di atas normal. Pengujian Model Regresi Hipotesis H0 : model yang diperoleh tidak signifikan (tidak bermakna) H1 : model yang diperoleh signifikan (bermakna) Dengan menggunakan uji F: Dari hasil ANOVA diperoleh F hitung = 787,95718 dan dari tabel dengan =0,05 dan derajat bebas (1,10) diperoleh F tabel = 4,96. Karena F hitung lebih besar dari F tabel maka menolak H0. Kesimpulannya model yang diperoleh signifikan.

Pengujian Koefisien Regresi Hipotesis H0 : H1 : = 0 (tidak ada pengaruh lama waktu kerja terhadap hasil produksi) 0 (ada pengaruh lama waktu kerja terhadap hasil produksi)

Dengan menggunakan uji T: Dari hasil ANOVA diperoleh T hitung = 64752,594 dan dari tabel dengan =0,05 dan derajat bebas 12-2=10 diperoleh T tabel = 1,812. Karena T hitung lebih besar dari T tabel maka menolak H0Kesimpulannya ada pengaruh lama waktu kerja terhadap hasil produksi. Pengujian Homogenitas
uji homogenitas
1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0

Autocorrelation

Lag 1 2 3

Corr -0.27 0.03 0.01

T -0.94 0.09 0.03

LBQ 1.11 1.13 1.13

Berdasarkan grafik autokorelasi di atas, data garis hitam tidak melewati garis merah, maka data bebas.

KESIMPULAN

1.

Data yang tidak Linear bisa kita selesaikan dengan menggunakan Model Regresi Non-Linear, salah satunya yaitu dengan menggunakan Model regresi Compound.

2. Model Regresi yang sesuai dengan hasil produksi home industri keripik pisang (kg) dan lama waktu kerja (jam) pada tiap bulannya adalah model regresi compound. 3. Total lama waktu kerja (jam) pada tiap bulannya sangat berpengaruh terhadap hasil produksi home industri krupuk rambak (kg).