1.

Data yang saya dapatkan diatas telah saya simpan dalam file excel dengan
nama Sarniah_proyek.txt (lihat pada file)

2. Berapa rata-rata semua data yang telah saudara dapatkan?

Rata-rata semua data diatas:
Pertama-tama sebelum kita mencari nilai untuk rata-ratanya, terlebih dahulu kita
inisialisasikan semua data yang akan kita cari nilai rata-ratanya, yaitu:
Sintaksnya:

>
penambahan_gula=c(40,40,40,40,40,40,50,50,50,50,50,50,60,6
0,60,60,60,60)
>
penambahan_tepungberas=c(5,5,10,10,15,15,5,5,10,10,15,15,5,
5,10,10,15,15)
>
kadar_air=c(24.36,24.35,28.13,28.15,32.26,32.24,20.34,20.31,2
3.56,23.54,26.92,26.89,16.41,16.39,20.21,20.17,24.23,24.27)
> data_hasil<data.frame(penambahan_gula=c(40,40,40,40,40,40,50,50,50,50,
50,50,60,60,60,60,60,60),penambahan_tepungberas=c(5,5,10,1
0,15,15,5,5,10,10,15,15,5,5,10,10,15,15),kadar_air=c(24.36,24.3
5,28.13,28.15,32.26,32.24,20.34,20.31,23.56,23.54,26.92,26.89,
16.41,16.39,20.21,20.17,24.23,24.27))

Hasilnya:

Nilai rata-rata
Setelah kita hasil seperti itu, maka kita carilah nilai rata-rata dari datanya.
Nilai Rata-rata untuk semua data
Sintaks beserta hasilnya :

3. Berapa nilai korelasi antara variabel dari data yang saudara dapatkan?
Setelah mencari nilai rata-ratanya, kita akan mencari nilai korelasinya, cara untuk
mencari nilai korelasinya, yaitu:

Sintaks:
> cor(data_hasil)

Dan hasilnya :

4. Estimasilah data yang saudara dapatkan berdasarkan faktor-faktor yang ada

pada data yang saudara dapatkan diatas dengan menjawab pertanyaan
berikut:
a. Tentukanlah persamaan regresinya
Kemudian kita akan mengestimasi data tersebut berdasarkan factor-faktor yang
ada pada data dengan mengerjakan pertanyaan, yang salah satu dari pertanyaannya
yaitu menentukan persamaan regresinya. Adapun persamaan regresi dari data,yaitu:
Sintaks:

> data_sarniah<-lm(kadar_air~penambahan_gula+penambahan_tepungberas,data=data_hasil)
> data_sarniah

Hasilnya:

b. Buatlah summary statistiknya dan analisis hasilnya.

Dari data tersebut, akan dibuat summarynya serta dianalisis data yang diperoleh,
berikut sintaks dan hasilnya:
Sintaks:
> summary(data_sarniah)

Hasilnya:

Setelah kita cari summarynya, kita akan analisis hasilnya, berikut analisisnya:
Analisis:
Bagian pertama dari hasil analisis dengan fungsi summary ini adalah ringkasan
lima angka (five number summary) dari residu, yaitu nilai minimum, kuartil pertama,
median, kuartil ketiga, dan nilai maximum. Tampilan ini menunjukan adanya
penyebaran residu yang mendekati normal. Pada bagian kedua ditampilkan nilai
estimasi dari intercept dan koefisien dari kedua variabel penambahan_gula (X1) dan
penambahan_tepungberas (X2) disertai dengan standard error, nilai statistik t (tvalue) dan Pr(>|t|) masing-masing. Dari tampilan ini dapat juga dilihat bahwa
persamaan regressi liniernya adalah :
Y =36.519720.39842 X 1+ 0.74417 X 2
Dari nilai statistik t, dan nilai Pr(>|t|) dari koefisien regressi X1 Pr(>|t|) = 5.25e-15 <
0.05, yang berarti koefisien regressi X1 bersifat nyata, sedangkan koefisien regressi
X2 mempunyai Pr(>|t|) = 1.44e-14 < 0.05 (taraf tidak nyata), ini berarti penambahan
tepung beras (X2) tidak berpengaruh nyata terhadap kadar air. Karenanya variabel
ini tidak dikeluarkan dari model regresi linier ganda. Bagian terakhir hasil ini
menunjukkan nilai standard error residu dari model adalah 0.446, nilai R squared
adalah 0.9917 yang artinya 99.17 % keragaman nilai kadar air ditentukan oleh
besarnya nilai penambahan gula (X1) dan nilai penambahan tepung beras ketan (X2)
dalam suatu penelitian itu, selebihnya 0.83% itu ditentukan oleh factor lain. Statistic
F= 896.5 lebih besar dari F0.05(2,16)=3.63 dengan peluang (p-value=2.463e-16) lebih
kecil dari taraf nyata 0.05. Dengan demikian dapat disimpulkan bahwa hubungan
antara variabel X1 dan X2 dengan nilai kadar air dalam persamaan Y=36.519720.39842X1 + 0.74417X2 bersifat tidak nyata.
c. Buatlah plot residu dengan variabel terkait dan analisislah

Setelah itu kita akan memplot nilai residu dengan variabel terkait serta akan dianalisis
hasil dari plot yang dihasilkan, namun sebelum itu, terlebih dahulu kita cari nilai
residunya, caranya yaitu:

Sintaks:
> nilai.residu<residuals(data_sarniah)
> nilai.residu

Hasilnya:

Setelah itu, dicari nilai predictnya,yaitu:

Sintaks:
> nilai.prd<-predict(data_sarniah)
> nilai.prd

Hasilnya:

Sintaks:
> s<-summary(data_sarniah)$sigma
> h<-lm.influence(nilai.fit)$hat
> nilai.residu<-nilai.residu/(s*sqrt(1-h))
> nilai.residu

Hasilnya:

> par(mfrow=c(2,1))
Lalu
akan dilanjutkan dengan memplot nilai residu tersebut, yaitu:
>
Sintaks:
plot(data_hasil[,"penambahan_gula"],nilai.residu,xlab="Penam
bahan_gula(X1)",ylab="Residual Baku")
> abline(h=0,lty=2)
> title("Residu Baku Vs Penambahan gula (X1)")
>
plot(data_hasil[,"penambahan_tepungberas"],nilai.residu,xlab
="Penambahan tepung beras (X2)",ylab="Residual Baku")
> abline(h=0,lty=2)
> title("Residu Baku Vs Penambahan tepung beras (X2)")

Hasilnya:

1
-3

Residual Baku

Residu Baku Vs Penambahan gula (X1)

40

45

50

55

60

Penambahan_gula(X1)

1
-3

Residual Baku

Residu Baku Vs Penambahan tepung beras (X2)

10

12

14

Penambahan tepung beras (X2)

Analisis:
Plot residu baik dengan variabel Penambahan gula (X1), penambahan tepung
beras (X2) maupun kadar air (Y) diatas menunjukkan tidak adanya masalah yang

mendasar dari model, hal ini ditunjukkan dengan tidak adanya kenaikan/penurunan
variance maupun hubungan curvilinier antara residu dengan ketiga variabel terikat.
d. Buatlah plot residu dengan dengan nilai estimasi
Selanjutnya, kita akan memplot hasil nilai residu dengan nilai estimasinya,
berikut sintaks dan hasilnya:

Sintaks:

par(mfrow=c(1,1))
plot(nilai.prd,nilai.residu,xlab="Nilai Estimasi",ylab="Residu Baku")
abline(h=0,lty=2)
title("residu Baku Vs Nilai Estimasi")
0
-1
-2
-3

Residu Baku

residu Baku Vs Nilai Estimasi

20

25

30

Nilai Estimasi

e. Buatlah plot peluang normal residu

Setelah itu, akan dilanjutkan lagi dengan memplot peluang normal residunya,
berikut sintaks dan hasilnya:

>
>
>
>

Hasilnya:

Sintaksnya:

> par(mfrow=c(1,1))
> qqnorm(nilai.residu,ylab="Residu Baku")
Hasilnya:

0
-1
-2
-3

Residu Baku

Normal Q-Q Plot

-2

-1

Theoretical Quantiles

f. Gambarkan data tersebut dengan histogram

Selanjutnya, data tersebut akan dicari histogramnya masing-masing, yaitu:
Histogram data dengan penambahan gula (X1)
Sintaks:
>
hist(data_hasil$penambahan_gula,col="pink"
Hasilnya:

4
3
2
0

Frequency

Histogram of data_hasil$penambahan_gula

40

45

50

55

60

data_hasil$penambahan_gula

Histogram data dengan penambahan tepung beras (X2)

Sintaksnya:
>
hist(data_hasil$penambahan_tepungberas,col="gr
Hasilnya:

4
3
2
1
0

10

12

data_hasil$penambahan_tepungberas

Histogram data dengan kadar air (Y)

Sintaks:

> hist(data_hasil$kadar_air,col="green")

Frequency

Histogram of data_hasil$penambahan_tepungberas

Hasilnya:

14

16

2
0

Frequency

Histogram of data_hasil$kadar_air

20

25

30

data_hasil$kadar_air

g. Buatlah ukuran letak untuk semua variabel dari data yang saudara dapatkan
Setelah kita peroleh hasil histogramnya, maka kita akan lanjut dengan mencari
nilai ukuran letak untuk semua variabel dari data tersebut. Berikut sintaks serta
hasilnya:
Ukuran tata letak untuk variabel X1 (penambahan gula)
Sintaks dan hasilnya:

Ukuran tata letak untuk variabel X2 (penambahan tepung beras)

Sintaks dan hasilnya:

Ukuran tata letak untuk variabel Y (kadar air)

Sintaks dan hasilnya:

h. Apakah kesimpulan dari estimasi data yang saudara dapatkan tersebut?

Adapun kesimpulan dari estimasi dari data yang saya peroleh diatas, yaitu:
Dari analisis dapat dilihat bahwa model regressi linier dengan menggunakan kedua
variabel bebas adalah:

Y =36.519720.39842 X 1+ 0.74417 X 2
dimana sesungguhnya variabel X2 berpengaruh nyata secara statistik, karena variabel
ini tidak dapat dikeluarkan dari model. Namun persamaan di atas setelah dianalisis
akan memberikan kekurang tepatan hasil peramalan..