Anda di halaman 1dari 14

Laporan Praktikum

REGRESI DAN KORELASI LINIER SEDERHANA














Asisten : 1. Rullianti Novianingrum
2. Vita Fibriyanti



NAMA : Ellen Demi Winata
NIM : 105100401111018
Jurusan : Ilmu Teknologi Pangan
Fakultas : Teknologi Pertanian




Laboratorium Statistika
Jurusan Matematika
Fakultas MIPA
Universitas Brawijaya


BAB I
PENDAHULUAN

1.1 Latar Belakang
Ketika kita menggunakan statistika untuk menguji hipotesis maka
muncullah dua macam hipotesis berupa hipotesis penelitian dan
hipotesis statistika. Tepatnya hipotesis penelitian kita rumuskan
kembali menjadi hipotesis statistika yang sepadan. Hipotesis
statistika harus mencerminkan dengan baik maksud dari hipotesis
penelitian yang akan diuji.

1.2 Tujuan
1.2.1 Tujuan Umum
Mahasiswa mampu membuat model regresi linier sederhana
dan menentukan korelasinya.
1.2.2 Tujuan Khusus
Mahasiswa mampu
a. Menentukan peubah respond an peubah penjelas dari
suatu data percobaan
b. Membuat diagram pancar dari data percobaan
c. Menghitung koefisien regresi dari model regresi linier
sederhana dan memeriksa ketepatan model regresi linier
secara parsiil (Uji t), secara serentak (Uji F) serta
meenentukan koefisien determinasi (R
2
)
d. Menggambarkan model regresi linier sederhana
e. Menentukan dan menguji (uji t) koefisien korelasi linier
pada model regresi linier sederhana

BAB II
TINJAUAN PUSTAKA
x Gagasan perhitungan ditetapkan oleh Sir Francis Galton
(1822-1911)
x Persamaan regresi :Persamaan matematik yang
memungkinkan peramalan nilai suatu
peubah takbebas (dependent variable) dari nilai peubah
bebas
(independent variable)
Untuk mengukur besarnya pengaruh variabel bebas terhadap
variabel tergantung dan memprediksi variabel tergantung dengan
menggunakan variabel bebas. Gujarati (2006) mendefinisikan analisis
regresi sebagai kajian terhadap hubungan satu variabel yang disebut
sebagai variabel yang diterangkan (the explained variabel) dengan satu
atau dua variabel yang menerangkan (the explanatory). Variabel
pertama disebut juga sebagai variabel tergantung dan variabel kedua
disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu,
maka analisis regresi disebut regresi linear berganda. Disebut berganda
karena pengaruh beberapa variabel bebas akan dikenakan kepada
variabel tergantung.



























BAB III
METODOLOGI

Dalam beberapa bulan terakhir ini, wabah ulat bulu yang
menyerang tanaman cabe, semakin menyebar di seluruh penjuru Pulau
Jawa. Diperkirakan jumlah produksi cabe berpengaruh pada harga cabe
per kilogram. Data yang diperoleh adalah sebagai berikut :

Jumlah cabe per kg
(x)
Harga Cabe per Kg (ribuan)
(y)
10 110
8 98
20 75
16 100
24 80
30 58
36 54
40 40
35 55
25 60
28 55
30 65
35 50
40 30
45 40

Langkah membuat grafik :
1. Open Minitab 15 lalu masukkan data sesuai soal diatas

2. Menu Graph di klik



3. Kemudian Scatterplot with Regression OK



4. Muncul kotak dialog sebagai berikut. Isikan Y variable dengan
variable yang tidak bebas / respon (yang dipengaruhi) caranya
dengan klik 2 kali pada C2 Y sedangkan X variable diisi dengan
variable yang bebas / predictor (yang mempengaruhi) caranya juga
sama yaitu dengan klik 2 kali pada C1 X. Setelah itu klik OK.


5. Kemudian muncul grafik. Jika plot atau titik-titik pada grafik
mendekati garis linier maka bias diartikan bahwa data menyebar
linieritas dan asumsi linieritas terpenuhi sehingga dapat dilakukan
regresi. Jika tidak terpenuhi maka tidak dapat dilakukan regresi.
Pengujian untuk Ragam
1. Open MINITAB dan input data yang telah ditentukan sebanyak 40
data acak dalam satu kolom dan beri nama kolom Data.


2. Klik Stat Basic Statistics 1 Variance



3. Muncul kotak dialog seperti gambar berikut lalu Pilih Enter
Variance :


4. Pada Samples in Columns klik 2x pada Data, beri tanda () pada
Perform Hypothesis Test, pd Hypothesized Variance ketik nilai
2
.


5. Klik Options, pada Confidence Level ketik nilai (1-), pada
Alternatives pilih sesuai soal. Klik OK OK.











BAB IV
PEMBAHASAN

Tabel Data Pengamatan


1. Apakah system pengajaran yang digunakan oleh dosen tersebut
mampu memperbaiki nilai statistika mahasiswa ?


Setelah dicari dengan MINITAB munculah data sebagai berikut :



Keputusan yang dapat diambil
Statistik Uji
Z
hitung
(-25,61) < Z
tabel
(-1.645) Terima H
o
, Tolak H
1

Selang Kepercayaan
(70) > Lower Bound (65.69) Terima H
o
, Tolak H
1

P-Value
P (1.000) > (0.05) Terima H
o
, Tolak H
1


Diketahui banyaknya sampel (Number of trials) = 40, Banyaknya
kejadian (Number of events ) didapat dari data sampel yang ada.
Dari hasil di atas dapat diketahui bahwa nilai rata-rata (mean =
65.950) lebih besar daripada Lower Bound (65.690). Selain itu nilai
juga lebih besar dari pada Lower Bound. Hal ini menunjukkan
nilai rata-rata Statistika mahasiswa menurun jika dibandingkan
dengan nilai rata-rata tahun lalu. Disini juga diperoleh nilai p-value
lebih besar dari pada nilai (derajat kesalahan). Sehingga
kesimpulan yang dapat diambil adalah menerima hipotesis awal H
0

dan tolak

sehingga pernyataan di atas bisa dikatakan benar.
Dengan demikian dapat disimpulkan bahwa rata-rata nilai
Statistika mahasiswa Fakultas Kedokteran pada semester pendek
tidak lebih besar dari 70 sehingga sistem pengajaran yang
digunakan oleh dosen pada fakultas tersebut tidak lebih bagus dan
sistem pengajaran yang digunakan oleh dosen tersebut ternyata
tidak mampu memperbaiki nilai statistika mahasiswa.
2. Apakah system pengajaran yang digunakan oleh dosen tersebut
mampu menaikkan homogenitas nilai mahasiswa ?


Nilai = 0.05 sehingga diketahui nilai Z
tabel
= -1.645


Keputusan yang dapat diambil :
Statistik Uji
Chi-Square
hitung
(23.61) < Chi-Square
tabel
(54.57223)
Jadi Terima H
o
, Tolak H
1

Selang Kepercayaan

2
(289) > Lower Bound (125)
Jadi Terima H
o
, Tolak H
1

P-Value
P (0.975) > (0.05)
Jadi Terima H
o
, Tolak H
1


Nilai Chi-Square tabel yang di dapatkan dari Ms. Excel dengan
rumus =CHIINV(probability, deg_freedom) sehingga didapat
54.57223. Disini bisa dilihat bahwa nilai Chi-Square hitung lebih
kecil daripada Chi-Square tabel. Selain itu nilai standar deviasi yang
lebih besar dari pada lower bound serta nilai P-value yang lebih
besar daripada derajat kesalahan ini membuktikan bahwa hipotesis
awal diterima dan menolak hipotesis alternative.
Sekali lagi, nilai yang digunakan adalah nilai Standard bukan
Adjusted sehingga berdasarkan keputusan dari 3 pengujian tersebut
menyatakan bahwa menerima pernyataan H
o
dan menolak
pernyataan H
1
. Maka kesimpulan berdasarkan pernyataan tersebut
adalah sistem pengajaran yang digunakan oleh dosen tersebut tidak
mampu menaikkan homogenitas nilai mahasiswa.



























BAB V
PENUTUP
5.1 Kesimpulan
Dari permasalahan yang diungkapkan di atas tentang mata
kuliah statistika mahasiswa Fakultas Kedokteran yang diambil pada
semester pendek yaitu 65 59 67 40 79 66 84 64 64 56 59 80
48 68 74 91 58 47 88 76 58 57 52 83 79 68 73 60 92 54
48 77 58 61 73 80 64 72 53 43 sehingga dilakukan perbaikan
system pengajaran dengan beberapa hipotesis. Yang pertama dalam
memperbaiki nilai statistika mahasiswa dan yang kedua sistem
pengajaran yang digunakan oleh dosen pada fakultas tersebut dapat
memperbaiki nilai Statistika mahasiswa. Dari hipotesis tersebut di
dapat kesimpulan bahwa sistem pengajaran yang digunakan oleh
dosen tersebut tidak mampu menaikkan homogenitas nilai
mahasiswa dan tidak mampu memperbaiki nilai statistika
mahasiswa.
Penentuan diterima atau ditolaknya suatu hipotesis dapat dilihat
dari nilai P-Value dan tingkat kesalahannya. Jika P-Value lebih
besar dari tingkat kesalahan maka hipotesis awal diterima dan
hipotesis alternatif yang ditolak.

5.2 Saran
Sebaiknya tetap di pertahankan seperti ini karena sudah
mencakupi sebagaimana mestinya laporan yang tidak di tulis tangan
dan karena yang terpenting dari statistika sebenarnya adalah Data,
Angka, dan sampel bukan teori-teori saja. Pendalaman mengenai
materi pratikum harus diperjelas. Agar lebih terarah tujuan
pratikumnya.













DAFTAR PUSTAKA

Gay, L. R. (1990). Educational Research: Competencies for Analysis and
Application. Third edition. New York: Macmillan Publishing
Company.

Kerlinger, Fred N. (1979). Behavioral Research: A Conceptual
Approach. New York: Holt, Rinehart and Winston.

Lock, Lawrence F., Waneen Wyrick Spirduso, and Stephen J. Silverman
(1993). Proposals that Work: A Guide for Planning Dissertaions
and Grant Proposals. Third edition. Newbury Park, CA: Sage
Publications.

Myers, Barbara E. and John T. Pohlman (1979 ERIC ED175905). The
Null Hypothesis as the Research Hypothesis. San Fransisco: 63
rd

Annual Meeting of the American Educational Research Association.

Naga, Dali S. (2006). Diktat Kuliah Statistika Terapan.

Wiersma, William (1995). Research Methods in Education: An
Introduction. Sixth edition. Boston: Allyn and Bacon.