PENDEKATAN MULTIPLE REGRESI PADA ANALISIS RAGAM

KLASIFIKASI DUA ARAH

SKRIPSI

MARISA INDA PUTRI

080823023

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2010

Universitas Sumatera Utara

 2

PENDEKATAN MULTIPLE REGRESI PADA ANALISIS RAGAM

KLASIFIKASI DUA ARAH

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat mancapai gelar Sarjana Sains

MARISA INDA PUTRI

080823023

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2010

Universitas Sumatera Utara

 3

PERSETUJUAN

Judul : PENDEKATAN MULTIPLE REGRESI PADA

ANALISIS RAGAM KLASIFIKASI DUA ARAH
Kategori : SKRIPSI
Nama : MARISA INDA PUTRI
Nomor Induk Mahasiswa : 080823023
Program Stusi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM
(FMIPA) UNIVERSITAS SUMATERA UTARA

Disetujui
Medan, Juni 2010

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Marwan Harahap, M.Eng Drs. Suwarno Ariswoyo, M.Si

NIP 19461225197403001 NIP 195003211980303001

Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,

Dr. Saib Suwilo, M.Sc

NIP 196401091988031004

Universitas Sumatera Utara

 4

PERNYATAAN

PENDEKATAN MULTIPLE REGRESI PADA ANALISIS RAGAM

KLASIFIKASI DUA ARAH

SKRIPSI

Saya mengakui bahwa Skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2010

MARISA INDA PUTRI

080823023

Universitas Sumatera Utara

 5

PENGHARGAAN

Bismillahhirrahmanirrahhim, Segala Puji dan syukur penulis panjatkan kehadirat

Allah SWT atas berkat dan limpah-Nya sehingga penulis dapat menyelesaikan Skripsi
ini tepat pada waktu yang telah ditentukan.

Ucapan terima kasih saya sampaikan kepada Bapak Drs. Suwarno Ariswoyo,
M.Si dan Drs. Marwan Harahap, M.Eng selaku pembimbing pada penyelesaian skripsi
ini yang telah memberikan panduan dan penuh kepercayaan pada penulis dalam
menyempurnakan kajian ini. Panduan ringkas, padat dan profesional telah diberikan
agar penulis dapat menyelesaikan skripsi ini. Serta Bapak Drs. Djakaria Sebayang dan
Bapak Drs. H.Haluddin Panjaitan yang telah bersedia manjadi dosen penguji skripsi.
Terima Kasih atas saran dan masukannya.

Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen
Dr. Saib Suwilo, M.Sc dan Drs. Henry Rani Sitepu, M.Si, Dekan dan Pembantu
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas sumatera Utara,
semua dosen Departemen Matematika FMIPA USU, Pegawai di FMIPA USU, dan
rekan-rekan kuliah. Akhirnya, tidak terlupakan kepada ayahanda dan ibunda yang
saya sayangi dan ketiga adikku tercinta yang telah memberikan semangat, doa dan
motivasi tiada henti serta semua keluarga yang selama ini memberikan bantuan dan
dorongan yang diperlukan. Semoga Allah SWT akan Membalasnya.

Universitas Sumatera Utara

 6

ABSTRAK

Prosedur Regresi Berganda untuk memperoleh suatu jawaban b = ( X T X ) −1 ( X T Y )

bagi persamaan normal XTXb = ( X T Y ) maka disyaratkan bahwa matriks XTX bersifat
tidak singular. Dalam praktek, ini berarti bahwa persamaan normalnya harus terdiri
atas persamaan-persamaan yang bebas satu sama lain yang banyaknya sama dengan
banyaknya parameter yang harus diduga. Akan tetapi kalau datanya berasal dari
percobaan yang terancang, perlu diperiksa bahwa semua persamaan itu bebas, kalau
ternyata tidak demikian diambil langkah-langkah yang diperlukan untuk memperoleh
nilai dugaan.
Pendekatan Regresi dapat digunakan untuk memecahkan masalah Analisis Ragam,
baik ANOVA klasifikasi satu arah atupun klasifikasi dua arah. Dalam ANOVA,
model adalah faktor terpenting. Disini akan dipelajari ANOVA klasifikasi dua arah
dengan pendekatan regresi untuk masalah model pengaruh tetap. Permasalahan ini
dapat dikerjakan jika modelnya diidentifikasikan secara benar dan kalau langkah-
langkah pencegahan telah diambil agar diperoleh persamaan normal yang bebas.
Suatu ciri model analisis ragam adalah bahwa model terparameterisasikan secara
berlebih sehingga harus dibuat kendala-kendala pada parameter-parameternya.
Dalam model Regresi pada ANOVA, variabel bebas X diberi 0 atau 1 atau dengan
membuat peubah boneka pada baris dan kolom.

Universitas Sumatera Utara

 7

MULTIPLE REGRESSION APPROACH TO TWO WAYS CLASSIFICATION

ANALYSIS OF VARIANCE

ABSTRACT

The procedurs for multiple regression to obtained a solution b = ( X T X ) −1 ( X T Y ) , of

the normal equation XTXb = ( X T Y ) , it is necessary that XTX be a nonsingular matrix.
All this means in practise is that the normal equations must involve as many
independent equation as there are parameters to be estimated. If data are obtained
from a designed experiment, however, some case is needed to check that all the
normal equations are independent, or if they are not, take steps to obtained stimated
just the same.
Regression approach can be used for solving Analysis of Variance problems, whether
of one way or two ways ANOVA. In ANOVA, model is an important factor. This
study focus on two ways classification ANOVA with regression approach for solving
the fixed effect model. It can be done if the model is identified truly and if the
preventive procedure have been done so an independent normal equation has been.
A characteristic of ANOVA is that the analysis model is overparameterized, so have
to made constraint for parameters. In the Regression model approach for ANOVA
problem, the independent variable X at categorical form 0 and 1 or have to make
dummy variables at row and colomn factors.

Universitas Sumatera Utara

 8

DAFTAR ISI

Halaman

Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstrack vi
Daftar Isi vii
Daftar Tabel ix
Daftar Gambar x

Bab 1 Pendahuluan
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Tujuan Penelitian 3
1.4 Kontribusi Penelitian 3
1.5 Tinjauan Pustaka 3
1.6 Metodologi Penelitian 5

Bab 2 Landasan Teori 6

2.1 Analisis Regresi 6
2.1.1 Regresi Linear Sederhana 6
2.1.2 Metode Kuadrat Terkecil 8
2.1.3 Uji Kelinearan dan Keberartian Regresi 9
2.1.4 Pendekatan melalui Analisis Variansi 11
2.2 Pengertian Dasar Penyimpangan dan Ragam 13
2.3 Analisis Ragam (ANAVA) 15
2.3.1 Analisis Variansi Klasifikasi Satu Arah 15
2.3.2 Analisis Variansi Klasifikasi Dua Arah 21
2.3.3 Analisis Variansi Klasifikasi Dua Arah dengan Interaksi 28

Bab 3 Pembahasan 34
3.1 Multiple Regresi 34
3.1.1 Metode Kuadrat Terkecil dengan Matriks 37
3.1.2 Analisis Ragam dalam Regresi Linear Berganda 38
3.2 Pendekatan Multiple Regresi pada Analisis Ragam Klasifikasi 41
Dua Arah
3.3 Pendekatan Multiple Regresi pada Analisis Ragam Klasifikasi 45
Dua Arah dengan Interaksi
3.4 Penggunaan Peubah Boneka 47
3.5 Contoh Kasus 48

Universitas Sumatera Utara

 9

Bab 4 Kesimpulan dan Saran 56

4.1 Kesimpulan 56
4.2 Saran 56

Daftar Pustaka

Universitas Sumatera Utara

 10

DAFTAR TABEL

Halaman
Tabel 2.1 Tabel Analisis Variansi Regresi Sederhana 12
Tabel 2.2 k Sampel Acak 16
Tabel 2.3 Analisis Variansi untuk Klasifikasi Satu Arah 21
Tabel 2.4 Klasifikasi Dua Arah 22
Tabel 2.5 Analisis Variansi Klasifikasi Dua Arah 28
Tabel 2.6 Klasifikasi Dua Arah dengan Interaksi 29
Tabel 2.7 Analisis Variansi Klasifikasi Dua Arah dengan Interaksi 33
Tabel 2.8 Jumlah Kuadrat ANAVA Dua Arah dengan Interaksi 33
Tabel 3.1 Tabel ANAVA untuk Sumber Variasi Y 40
Tabel 3.2 Analisis Ragam Klasifikasi Dua Arah tanpa Interaksi 44
Tabel 3.3 Analisis Ragam Klasifikasi Dua Arah dengan Interaksi 46
Tabel 3.4 Data 24 Amatan dari Katalisator dan Pereaksi 49
Tabel 3.5 Data Contoh 49
Tabel 3.6 Analisis Ragam Klasifikasi Dua Arah 51
Tabel 3.7 Data Peubah Boneka X1, X2, X3 52
Tabel 3.8 Data Peubah Boneka X4, X5 52
Tabel 3.9 Analisa Ragam Klasifikasi Dua Arah dengan Pendekatan Regresi 55

Universitas Sumatera Utara

 11

DAFTAR GAMBAR

Halaman
Gambar 2.1 Diagram Pencar 7
Gambar 2.2 Menguraikan Variasi menurut Unsurnya 11
Gambar 2.3 Contoh Pengamatan dari Individu pertama sampai ke N 13

Universitas Sumatera Utara