Analisis data menggunakan software Minitab A.

Persamaan Regresi

Langkah-langkahnya sebagai berikut: 1. 2. Entry data pada worksheet Copy data dari Ms. Excel dengan menggunakan variable

3. 4. 5.

Klik menu Stat Pilih regression pada sub menu Klik regression yang ada didalam sub menu

6.

Pada menu regression: Di dalam menu response masukkan variabel Y Di dalam menu predictors masukkan variabel X1, X2, X3

7.

Klik result pada menu regression, lalu pilih point kedua: Regression equation, table of coefficient, s, R-squared, and basic analysis of variance

8. 9.

Klik OK Hasil output adalah:

Dari output data diatas, diperoleh informasi sebagai berikut : Persamaan regresi dari analisis data diatas: Y= -30,316 + 0,561X1 + 1,426X2 - 0,238X3

Dari persamaan regresi diatas dapat disimpulkan bahwa setiap kenaikan nilai variabel X1 () dan variabel X2 () sebesar satu satuan maka diikuti pula dengan kenaikan nilai variabel Y () sebesar 0,561 untuk kenaikan varibel X1 dan 1,426 untuk kenaikan variabel X2. Sedangkan setiap kenaikan untuk nilai variabel X3 () sebesar satu satuan maka akan diikuti dengan penurunan nilai variabel Y () sebesar 0,238.

Koefisien determinasi: 0,887 Dari data diatas koefisien determinasinya adalah 0,887 yang dapat disimpulkan bahwa 88,7% data variabel respon Y () dapat dijelaskan oleh ketiga variabel diatas sedangkan sekitar 11,3 % data variabel respon dijelaskan oleh variabel lainnya.

B.

Analisis Varians

Hasil output dengan langkah-langkah yang sama seperti mencari persamaan regresi diatas, didapatkan:

Dari output data diatas, diperoleh informasi sebagai berikut : Ho: persamaan regresi tidak linear H1: persamaan regresi linear : 0,05

Kriteria uji : Fhitung= 42,06 > Ftabel= 3,24 maka Ho ditolak

Kesimpulan: dengan taraf signifikan 5 %, dapat disimpulkan bahwa terdapat hubungan linear antara variabel Y () dengan variabel X1(), X2 (), dan X3 () sehingga koefisien dari data diatas menunjukan keberartian.

C. Analisis Korelasi

Langkah-langkahnya sebagai berikut: 1. Klik menu statistics 2. Pilih basic statistics di dalam sub menu 3. Pilih correlation yang berada di dalam sub menu

4. Pada menu correlation, masukkan variabel Y,X1,X2,X3 dalam kotak variables

5. 6.

Klik OK Hasil output adalah:

Dari output diatas, diperoleh informasi sebagai berikut: Nilai korelasi antara variabel X1 () dengan X2 () sebesar 0,827, dengan variabel Y () sebesar 0,963 maka dapat disimpulkan bahwa hubungan antara variabel X1 (aliran udara) dengan X2 (suhu air pendingin) dan Y (presentasi amoniak yang hilang) sangat kuat sedangkan dengan variabel X3 (Konsentrasi pendingin) sebesar 0,475 maka dapat disimpulkan hubungan variabel X1 (aliran udara) dengan X3 (Konsentrasi

pendingin) kuat. Selanjutnya nilai korelasi antara variabel X2 (Suhu air pendingin) dengan X3 (Konsentrasi pendingin) sebesar 0,417, dengan variabel y(Presentasi amoniak yang hilang) sebesar 0,875 maka dapat disimpulkan hubungan variabel X2 (suhu air pendingin) dengan X3 (konsentrasi pendingin) kuat sementara dengan Y (presentasi amoniak yang hilang sangat kuat. Kemudian nilai korelasi antara variabel X3 (Konsentrasi pendingin) dengan variabel Y (Presentasi amoniak yang hilang) sebesar 0,421 maka dapat disimpulkan hubungan X3 (konsentrasi pendingin) dengan Y (presntasi amoniak yang hilang) kuat.

D.

Pendeteksian Multikolenearitas

Multikolinearitas adalah hubungan linear sempurna atau hampir sempurna diantara beberapa atau semua variabel bebas dari suatu model regresi. Pendekteksian multikolenieritas: a. Perhatikan korfisien korelasi antara variabel bebas atau prediktor. Koefisien korelasi lebih besar dari 0,5 patut dicurigai adanya multikolenieritas. b. Perhatikan koefisien determinasi yang mendekati 1 namun tidak ada satupun variabel bebas atau respon yang memiliki hubungan linear dengan variabel respon.

Analisis korelasi untuk variabel bebas

Korelasi antara variabel x1(aliran udara) dan x2(suhu air pendingin) sebesar 0,827, ini mengindikasi adanya multikolinearitas yang tinggi antara variabel x1(aliran udara) dan x2(suhu air pendingin), sementara korelasi antara variabel x1(aliran udara) dan x3(konsentrasi pendingin) sebesar 0,475 serta korelasi antara variabel x2(suhu air pendingin) dan x3(konsentrasi pendingin) sebesar 0,416 maka tidak ada indikasi adanya multikolinearitas antara variabel x1(aliran udara) dan x3(konsentrasi pendingin) serta x2(suhu air pendingin) dan x3(konsentrasi pendingin) Analisis varians secara keseluruhan:

Koefisien determinasi sangat tinggi, dimana uji anova untuk keseluruhan menghasilkan Ho ditolak (H1 significant) sehingga ada hubungan linear antara variabel y(presentasi amoniak yang hilang) dengan variabel x1(aliran udara), x2(suhu air pendingin) serta x3(konsentrasi pendingin). Analisis varians secara satu persatu: 1. Pada menu regression: Pada menu response masukkan variabel Y Pada menu predictors masukkan variabel X1

2. Klik OK 3. Hasil output adalah: Y terhadap X1

Dari tabel ANAVA diatas, H1 menunjukkan signifikan, maka terdapat hubungan linear antara variabel Y () dengan X1 ().

4.

Pada menu regression: Pada menu response masukkan variabel Y Pada menu predictors masukkan variabel X2

5. 6.

Klik OK Hasil output adalah:

Y terhadap X2

Dari tabel ANAVA diatas, H1 menunjukkan signifikan, maka terdapat hubungan linear antara variabel Y () dengan X2 (). 7. Pada menu regression: Pada menu response masukkan variabel Y Pada menu predictors masukkan variabel X3

8. 9.

Klik OK Hasil output adalah:

Y terhadap X3

Dari tabel ANAVA diatas, H1 menunjukkan tidak signifikan, maka tidak terdapat hubungan linear antara variabel Y () dengan X3 ().

Kesimpulan: setelah dideteksi dengan langkah-langkah diatas, maka dapat djelaskan bahwa multikolinearitas hanya terjadi antara variabel X1 () dengan X2 (). Dapat disimpulkan bahwa tidak terjadi multikolenieritas sempurna sehingga koefisien regresi masih berarti namun dengan kekeliruan penduga yang sangat besar.

E.

Pendeteksian Heteroskedastisitas

Pendeteksian ada tidaknya heteroskedastisitas bisa dilakukan dengan menggunakan metode Glejser Test, yaitu dengan cara meregresikan nilai absolut residual terhadap variabel independent. Langkah-langkahnya sebagai berikut: Menentukan nilai residual 1. 2. Entry data pada worksheet Copy data dari Ms. Excel dengan menggunakan variable

3. 4. 5.

Klik menu Stat Klik regression pada sub menu Pilih regression yang ada didalam sub menu

10. Pada menu regression: Di dalam menu response masukkan variabel Y Di dalam menu predictors masukkan variabel X1, X2, X3

11. Klik result pada menu regression, lalu pilih point kedua: Regression equation, table of coefficient, s, R-squared, and basic analysis of variance

12. Klik OK 13. Klik storage di dalam kotak regression 14. Check list kotak residuals di dalam daftar Diagnostic Measures

15. Klik OK 16. Hasil output dalam worksheet sebagai berikut:

Membuat absolute residual 1. Letakkan kursor pada column, yang terletak di samping column residual 2. Klik menu editor 3. Pilih formula pada sub menu 4. Klik Assign Formula To Column

5. Pada menu Assign Formula To Column pilih absolute value pada kotak function klik select yang ada dibawah kotak function pada menu expression akan muncul

6. Masukkan variabel residual 1 (RES1) 7. Klik OK 8. Hasil output pada worksheet adalah:

Menentukan statistik uji 1. 2. 3. Klik menu Stat Pilih regression pada sub menu Klik regression yang ada didalam sub menu

4.

Pada menu regression: Di dalam menu response masukkan variabel ABS RES1 Di dalam menu predictors masukkan variabel X1, X2, X3

17. Klik result pada menu regression, lalu pilih point kedua: Regression equation, table of coefficient, s, R-squared, and basic analysis of variance

18. Klik OK 19. Hasil output adalah:

Dengan ttabel (t0,05;18) = 2,10092 dapat dilihat bahwa semua nilai thitung kecil dari nilai ttabel sehingga tidak ada hasil yang signifikan. Maka dapat diambil kesimpulan bahwa tidak ada heteroskedastisitas pada data atau tidak ada variasi dari nilai kekeliruan data.

F.

Penaksiran model regresi menggunakan penkasir WLS

Heteroskedastisitas tidak merusak sifat ketakbiasan dari penaksir OLS tetapi penaksir tadi tidak lagi konsisten bahkan tidak asimptotik, maka dicari penaksir WLS nya. Langkah-langkahnya sebagai berikut: Mencari wi = 1/ |ei|, hasil wi sebagai berikut: Menentukan persamaan regresi: Langkah-langkahnya sebagai berikut: 1. 2. Entry data pada worksheet Copy data dari Ms. Excel dengan menggunakan variable

3. 4. 5.

Klik menu Stat Pilih regression pada sub menu Klik regression yang ada didalam sub menu

6.

Pada menu regression: Di dalam menu response masukkan variabel Y Di dalam menu predictors masukkan variabel X1, X2, X3

7.

Klik result pada menu regression, lalu pilih point kedua: Regression equation, table of coefficient, s, R-squared, and basic analysis of variance

8.

Klik OK