Anda di halaman 1dari 16

BAB I METODOLOGI 1.

1 Data

Data yang digunakan untuk contoh pemakaian ini adalah data dari Rumah Sakit Sardjito Yogyakarta. Data ini menyangkut tentang jam kerja pegawai rumah sakit ( Y ) yang diduga bergantung pada rata rata peningkatan jumlah pasien ( X1 ), tempat tidur harian yang dipakai perbulan ( X2 ), dan populasi pasien yang memenuhi syarat pada area rumah sakit, dalam ribuan ( X3 ).
Y 566.5 696.8 1033.2 1603.6 1611.4 1613.3 1854.2 2160.6 2305.6 3503.9 3571.9 3741.4 4026.5 10343.8 11732.2 15414.9 18854.5 X1 15.57 44.02 20.42 18.74 49.2 44.92 55.48 59.28 94.39 128.02 96 131.42 127.21 252.9 409.2 463.7 510.22 X2 472.9 1339.8 620.3 568.3 1497.6 1365.8 1687 1639.9 2872.3 3655.1 2912 3921 3865.7 7684.1 12446.3 14098.4 15524 X3 18 9.5 12.8 36.7 35.7 24 43.3 46.7 78.7 180.5 60.9 103.7 126.8 157.7 169.4 331.4 371.6

1.2

Pendeteksian Asumsi Multikolinieritas 1

1. Klik Stat-Regression-Regression

2. Muncul kotak dialog Regression. Dan Memasukkan variabel y pada regression, dan x1, x2, x3 pada predictor.

3. Klik Option. Muncullah kotak dialog dan centang pada Variance Inflation Factors.

4.

Dan menghasilkan output sebagai berikut. Regression Analysis: Y versus X1, X2, X3
The regression equation is Y = - 12 - 164 X1 + 6.23 X2 + 13.0 X3 Predictor Coef Constant -12.4 X1 -163.9 X2 6.230 X3 13.023 SE Coef T P VIF 326.9 -0.04 0.970 119.0 -1.38 0.192 7182.3 3.834 1.62 0.128 6920.2 6.845 1.90 0.079 10.7

Karena semua nilai VIF nya > 10 maka asumsi Multikolinieritas terpenuhi untuk model regresi tersebut. 1.3 Penanganan Menggunakan Regresi Ridge 2

1.3.1 Mentransformasikan Data dalam Bentuk Baku 1. Klik Calc-Standardized

2. Muncul kotak dialog. Kemudian masukkan X1-X3 pada input column(s) dan Z1-Z3 pada Store result in. Klik OK.

3. Sehingga menghasilkan output sebagai berikut.

1.3.2 Menjadikan Matriks kolom b ke dalam Bentuk Matriks 1. Klik Copy-Column to Matriks

2.

Muncullah kotak dialog. Kemudian memasukkan Copy from column dengan b dan in current worksheet, in matriks

dengan m1. Klik OK.

1.3.3 Membentuk matriks b 1. Klik Calc-Matrics-Transpose

2. Muncullah kotak dialog. Mengisi Transpose from dengan M1 dan Store result in M2. Klik OK.

1.3.4 Melakukan Operasi perhitungan perkalian bb 1. Klik Calc-Matrics-Aritmatic

2. Muncullah kotak dialog. Memilih Multiply dan mengisi

dengan M2 dan by dengan M1, store result in dengan M3. Klik OK.

3. Sehingga menghasilkan output sebagai berikut.


Answer = 27247.8129

Yang berarti nilai dari perkalian bb sebesar 27247.8129. 1.3.5 Membentuk matriks Z Matriks Z terdiri atas X0 yang merupakan matriks 1, Z1, Z2, dan Z3. 1. Klik Copy-Column to Matriks

2. kotak dialog. Kemudian memasukkan Copy from column dengan X0-X3 dan in current worksheet, in matriks dengan m4. Klik OK.

1.3.6 Membentuk matriks Z 1. Klik Calc-Matrics-Transpose

2. Muncullah kotak dialog. Mengisi Transpose from dengan M4 dan Store result in M5. Klik OK.

1.3.7 Melakukan Operasi perhitungan perkalian ZZ 1. Klik Calc-Matrics-Aritmatic

2. Muncullah kotak dialog. Memilih Multiply dan mengisi dengan M5 dan by dengan M4 dan store result dengan m6.

3. Klik Data-Data Display. Dan muncullah kotak dialog kemudian memasukkan M6. Klik OK.

4. Sehingga menghasilkan output ZZ sebagai berikut. Data Display


Matrix M6 17 -0.0000 -0.0000 -0.0000 -0 16.0000 15.9985 14.9711 -0 15.9985 16.0000 14.9307

-0 14.9711 14.9307 16.0000

1.3.8 Menjadikan Kolom Y Ke dalam Bentuk Matriks 1. Klik Copy-Column to Matriks

2.

Muncullah kotak dialog. Kemudian memasukkan Copy from column dengan Y dan in current worksheet, in matriks dengan m7. Klik OK.

1.3.9 Melakukan Operasi perhitungan perkalian ZY 1. Klik Calc-Matrics-Aritmatic

2. Muncullah kotak dialog dan memilih Multiply dan mengisinya dengan M5 dan by dengan M7 serta Store Result in dengan M8. Klik OK.

3. Kemudian menampilkan hasil perhitungan ZY dengan klik Data-Data Display. 7

4. Muncullah kotak dialog dan mengisi Column, Constants and matrices to display dengan M8. Klik OK.

5. Sehingga muncul output sebagai berikut. Data Display


Matrix M8 84634.2 87691.5 87722.3 83662.1

1.3.10 Melakukan Operasi Perhitungan Nilai K Nilai K = p *KTG/bb Keterangan: p=banyaknya peubah predictor 1. Klik Calc-Calculator

2. Muncullah kotak dialog dan mngisi Store result in variable dengan k. dan mengisi Expression dengan 3*818290/27247.8129. kemudian klik OK. 8

3. Sehingga menghasilkan Output sebagai berikut. K= 90.0942 1.3.11 Membuat Matriks KI Matriks KI merupakan matriks K dalam bentuk konstanta dikalikan dengan matriks identitas berordo 4x4. 1. Klik Data-Copy-Column to matriks.

2. Muncullah kotak dialog. Mengisi Copy From Column dengan KI-C14(merupakan kolom yang akan diubah menjadi bentuk matriks) dan In current Worksheet, in Matrix dengan M11. Klik OK.

1.3.12 Melakukan Operasi Perhitungan Matriks ZZ + KI 1. Klik Calc-Matrices-Aritmatic 9

2. Muncullah kotak dialog dan memilih Add. Kemudian mengisi Add dengan M6 dan and dengan M11. Klik OK.

1.3.13 Melakukan Operasi Matriks (ZZ + KI)-1 1. Klik Calc-Matrices-Invert

2. Muncullah kotak dialog. Dan mengisi Invert fromdengan M12 dan Store result in dengan M13. Klik OK.

1.3.14 Melakukan Operasi Perhitungan Matriks (ZZ + KI)-1(ZY) 10

1. Klik Calc-Matrices-Aritmatic

2. Muncullah kotak dialog. Dan memilih Multiply dan mngisinya dengan M13 dan by dengan M8. Klik OK.

3. Kemudian untuk menampilkan hasil perhitungan (ZZ + KI)-1(ZY) dengan klik Data-Data Display.

4. Kemudian muncullah kotak dialog dan mengisi Column, constants, and matrices to display dengan M14. Klik OK.

5. Sehingga menghasilkan output sebagai berikut. Data Display 11

Matrix M14 790.278 643.720 644.334 607.051

1.3.15 Melakukan Perhitungan Untuk Mencari Rata-rata dan Ragam 1. Klik Stat- Basic Statistics- Display Descriptive Statistics

2. Muncullah kotak dialog dan mengisi variables dengan X1-X3.

3. Klik Statistics. Kemudian centang mean, variance. Klik OK 2 kali.

4. Sehingga menghasilkan output sebagai berikut. Descriptive Statistics: X1, X2, X3


Variable Mean Variance X1 148.3 25933.4 X2 4481 24075136 X3 106.3 11654.1

BAB II 12

HASIL PEMBAHASAN 2.1 Pendeteksian Asumsi Multikolinieritas Regression Analysis: Y versus X1, X2, X3
The regression equation is Y = - 12 - 164 X1 + 6.23 X2 + 13.0 X3 Predictor Coef Constant -12.4 X1 -163.9 X2 6.230 X3 13.023 SE Coef T P VIF 326.9 -0.04 0.970 119.0 -1.38 0.192 7182.3 3.834 1.62 0.128 6920.2 6.845 1.90 0.079 10.7

Karena nilai VIF > 10 maka asumsi Multikolinieritas terpenuhi sehingga perlu dilakukan penanganan asumsi multikolinieritas salah satunya dengan regresi Ridge. 2.2 Penanganan Asumsi Multikolinieritas Menggunakan Regresi Ridge Data Display
Matrix M14 790.278 643.720 644.334 607.051

Dari hasil perhitungan (ZZ + KI)-1(ZY) menghasilkan Output matrix M14. Dari Output tersebut didapatkan model regresi sebagai berikut. Y = 790.278 + 643.720 Z1 + 644.334 Z2 + 607.051 Z3 Kemudian didapatkan hasil rata-rata dan ragam sebagai berikut. Descriptive Statistics: X1, X2, X3
Variable Mean Variance X1 148.3 25933.4 X2 4481 24075136 X3 106.3 11654.1

13

Sehingga dari hasil rata-rata dan ragam yang telah diketahui dapat di substitusikan kedalam model regresi data yang dibakukan untuk mengetahui koefisien data awal dengan rumus sebagai berikut.

Dari rumus berikut didapatkan perhitungan sebagai berikut. 1 = b1(r) / s11= 643.720/25933.4 = 0.024822044 2= b2(r) / s22= 2.67635E-05 3= b3(r) / s33= 0.05208905 0 = 780.9399 Dan didapatkan model regresi data awal sebagai berikut Y = 780.9399 + 0.052 X1 + 0.00003 X2 + 0.025 X3

14

BAB III PENUTUP 5.1 Kesimpulan Dari hasil analisis regresi yang telah dilakukansebagai cara untuk mendeteksi adanya asumsi multikolinieritas pada model regresi yang dapat dilihat dari nilai VIF-nya. Karena nilai VIFnya >10 maka dapat disimpulkan bahwa asumsi multikolinieritas terpenuhi untuk kasus model regresi tersebut. Dan untuk penanganan asumsi multikolinieritas didapatkan model regresi baru yaitu Y = 780.9399 + 0.052 X1 + 0.00003 X2 + 0.025 X3 Saran Lebih teliti untuk melakukan penamaan matriks sehingga tidak melakukan kesalahan dalam melakukan operasi perhitungan matriks.

5.2

15

16