SEPTIANI MUCHTAR

H12112259
TUGAS REGRESI
Diberikan data :

N
o
1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2

X1
80
80
75
62
62
62
62
62
58
58
58
59
58
58
50
50
50
50
50
56
70

X
2
27
27
25
24
22
23
24
24
23
18
18
17
18
19
18
18
19
19
20
20
20

X3

89
88
90
87
87
87
93
93
87
80
89
88
82
93
89
86
72
79
80
82
91

42
37
37
28
18
18
19
20
15
14
14
13
11
12
8
7
8
8
9
15
15

X1 = Aliran Udara
X2 = Suhu Air Pendingin
X3 = Konsentrasi Dingin
Y = Presentasi Amoniak yang hilang yang tak terikat.
Pilih model terbaik dengan menggunakan :
a. Metode Seleksi Maju
b. Metode semua kombinasi yang mungkin
c. Metode Penyisihan
d. Metode Bertahap

Penyelesaian :
a. Metode Seleksi Maju
Setelah dihitung, diperoleh matriks korelasi 4 variabel :
Tabel 1 :
X1
X2
X3
y
X1
1
0.7756
X2
878
1
0.5024 0.39093
X3
714
954
1
0.9183 0.87550 0.399
Y
051
44
83
1
Dari table 1 terlihat bahwa variable bebas X1 memberi korelasi terbesar dengan Y,
sehingga X1 masuk pertama kali kedalam model.

Sehingga menghasilkan persamaan regresi linier sederhana (model regresi Y

x1
terhadap
) yaitu
^y =44,16+ 1,019 x 1
dengan

s ( b1 ) =0,1008

Fhit =F (1,19 )=102,24

R =84,32 ,

MSE

(RJKG)= s = 17,06749.

, nilai kritis 0,0001.

Selanjutnya periksa keberartian

yang diberikan ini, terlihat bahwa

melalui uji hipotesis.

1 0

Dari statistik

berbeda dengan nol secara

amat berarti). Hal ini dapat diverifikasi melalui uji:

H 0 : 1=0
H 1: 1 0
Karena persamaan ini adalah regresi linier sederhana, maka uji keberartian
1
sbb
Fhit =

MSR 1744,956
=
=102,2386
MSE 17,06749

untuk =0,05, Ftab =F ( 0,95 ; 1 ; 19 )=4,38

Karena

Fhit > F tab , maka H 0 ditolak

, berarti

1 0

. Karena

1 0

maka

x1

mempunyai pengaruh yang signifikan terhadap Y.

Langkah berikutnya adalahmemilih dari peubah bebas yang tersisa yang
x1
paling besar pengaruhnya terhadap Y setelah
dikontrol. Yaitu,
memeriksa

r y x . x , j=2
j

dan 3, sebagai berikut :

Tabel 4 : Kuadrat korelasi

X2
X3

r y x . x , j=2

dan 3

r(yxj.x1
)
0.6532
-0.1799

r2(yxj.x1
)
0.4266
0,0324

Dari tabel 4 terlihat bahwa calon peubah berikutnya yang masuk ke dalam
x2
x2
model adalah variabel
, karena
memiliki kuadrat korelasi parsial
terbesar dengan y , ketika

x1

dikontrol.

diperoleh model regresi dengan dua variabel bebas

Sehingga
x2
dan
, yaitu

x1

^y =50,63+0,667 x 1+1,318 x 2
dengan

s ( b1 ) =0,1243

10,3299.

s ( b2 ) =0,3603

Fhit =F (2,18)=91,1573
x2

pemasukan

kedalam

R2=91,01 ,

2
MSE (RJKG)= s =

, nilai kritis 0,0001. Tambahan

model

R2

91,0184,32=6,69 ,

adalah

akibat
suatu

penambahan yang tidak kecil begitupula RJKG yang mengecil menjadi kirakira separuhnya.
F(2,18)=91,1573
Uji koefisien secara keseluruhan dengan
dengan nilai kritis
0,0001. Bagian ini menguji kedua koefisien dan tenryata keduanya tidak
sama dengan nol (salah satu masih mungkin nol). Uji bagian kedua yaitu
x2
melihat p-value pada variable 1 untuk
4,25236E-05 yang jauh lebih
kecil dari

1 0.

=0,05 sehingga terlihat bahwa

benar untuk

2 0

Hal yang sama juga

dengan p-value pada variable 2 untuk

yang jauh lebih kecil dari

=0,05.

Hal ini membuktikan bahwa

x2

masuk kedalam model.

Sekarang tinggal X3 diluar model dengan

r 2y x . x x =
3

Sehingga persamaan regresi secara lengkap :

x2

0,00179

^y =39,83+0,7131 x1 +1,319 x 20,1576 x 3

Keterangan :
R2=0,9153=91,53

SSR (JKR )=1893,9658

MS=RJKG=10,31 ;

b1=0,713 ,

s ( b1 ) =0,1322

b2=1,319 ,
b3 =0,157
Uji F keseluruhan (F = 61,23318)
=0,05
Bila dipilih
ataupun

SSE (JKG )=175,2721

s ( b2 ) =0,3599
,

s ( b3 ) =0,1549

=0,1 , maka

x3

tidak satupun yang

memenuhui syarat untuk dimasukkan kedalam model regresi.

x3
value untuk
0,3233 jauh lebih besar dari 0,05 ataupun 0,1.
Sehingga

x3

tidak masuk kedalam model regresi.

Jadi, model terbaik untuk metode seleksi maju adalah :

^y =50,63+0,667 x 1+1,318 x 2

Karena p-

F masuk untuk

x1

adalah F(1,19) = 31,62, merupakan uji individu ketika

yang lainnya sudah dalam model.

SSR ( x 1|x 2 , x 3 ) SSE ( x1 , x 2 , x 3 ) MSR ( x 1|x 2 , x 3 )

F ( x1 )=
:
=
1
n p
MSE

326,048 175,27
:
=326,048 :10,31=31,62
1
214

dimana
SSR ( x 1|x 2 , x 3 )=SSE ( x 2 , x 3 )SSE ( x 1 , x 2 , x 3 )
475,058175,27=326,048

F masuk untuk

x2

adalah F(1,19) = 13,434, merupakan uji individu ketika

yang lainnya sudah dalam model.

F ( x2 )=

SSR ( x 2|x 1 , x 3 ) SSE ( x 1 , x 2 , x 3 ) MSR ( x2|x 1 , x 3 )

:
=
1
n p
MSE

138,51 175,27
:
=138,51 :10,31=13,434
1
214

dimana
SSR ( x 2|x 1 , x 3 )=SSE ( x 1 , x 3 )SSE ( x 1 , x 2 , x 3 )
313,78175,27=138,51

F masuk untuk

x3

adalah F(1,19) = 14,45, merupakan uji individu ketika

yang lainnya sudah dalam model.

SSR ( x 3| x1 , x2 ) SSE ( x 1 , x 2 , x 3 ) MSR ( x3|x 1 , x 2 )

F ( x3 )=
:
=
1
n p
MSE

10,668 175,27
:
=10,668 :10,31=0,358
1
214

dimana
SSR ( x 3|x 1 , x 2 )=SSE ( x 1 , x 2 )SSE ( x1 , x 2 , x 3 )
185,938175,27=10,668

b. Metode semua kombinasi yang mungkin

Cp

Mallows untuk model regresi

C p ( y , x1 ) =

{212 ( 2 ) }

Mallows untuk model regresi

C p ( y , x2 ) =

SSE ( X 2 )
SSE ( X 1 , X 2 , X 3, )
214

^y =41,9109+2,8174 x 2

{212 ( 2 ) }

483,1506
{ 214 }=29,86
175,27
17

Cp

Mallows untuk model regresi

C p ( y , x3 ) =

SSE ( X 1 , X 2 , X 3, )
214

324,28
{ 214 }=14,45
175,27
17

Cp

SSE ( X 1 )

^y =44,16+ 1,019 x 1

SSE ( X 3 )
SSE ( X 1 , X 2 , X 3, )
214

^y =47,96+ 0,7589 x 3

{212 ( 2 ) }

1738,442
{214 }=151,6154
175,27
17

Cp

Mallows untuk model regresi

^y =50,63+0,667 x 1+1,318 x 2
C p ( y , x1 , x2 ) =

SSE ( X 1 , X 2 )
SSE ( X 1 , X 2 , X 3 )
214

{212 ( 3 ) }

Cp

Mallows untuk model regresi

C p ( y , x1 , x3 ) =

SSE ( X 1, X 3 )
SSE ( X 1 , X 2 , X 3, )
214

^y =33,440,1564 x 1+ 1,0059 x 3

{212 ( 3 ) }

313,78
{ 216 }=15,434
175,27
17

Cp

Mallows untuk model regresi

C p ( y , x2, x 3 )=

185,93
{ 216 }=3,033
175,27
17

SSE ( X 2, X 3 )
SSE ( X 1 , X 2 , X 3, )
214

^y =51,236+2,732 x2 +0,1289 x 3

{212 (3 ) }

475,058
{ 216 }=31,077
175,27
17

Cp

Mallows untuk model regresi lengkap

^y =39,83+0,7131 x1 +1,319 x 20,1576 x 3

adalah
C p ( y , x1 , x2 , x3 , ) =

SSE ( X 1 , X 2 , X 3 , )
SSE ( X 1 , X 2 , X 3, )
165

{212 ( 4 ) }

175,27
{ 218 }=4
175,27
17

Terdapat 3 variavel bebas X1, X2, dan X3 , maka periksa 23 = 8 kombinasi

persamaan regresi, seperti pada table dibawah ini :

Kelompok

Cp

Kombinasi
peubah
x1

0,8432

14,45

17,0675

x2

0,7665

29,86

25,4289

x3

0,1598

151,6154

91,4969

x1 , x2

0,9101

3,03

10,329

x1 , x3

0,8484

15,43

17,4323

x2 , x3

0,7704

31,077

26,3921

x1 , x2 , x3

0,9153

10,3101

R2

Mallows

MSSE(RJKG)

Perwakilan persamaan terbaik :

Kombinasi Peubah

R2

Cp

MSSE(RJKG)

^y =44,16+ 1,019 x 1

0,8432

Mallows
14,45

17,0675

^y =50,63+0,667 x 1+ 1,318 x 2

0,9101

3,03

10,329

10,3101

Kelomp
ok

^y =39,83+0,7131 x1 +1,319 x 20,1576

x3
0,9153

Model yang mana sebaiknya digunakan banyak tergantung pada

pemahaman kita tentang permasalahan yang dihadapi dan untuk apa model
itu digunakan. Jika pada contoh diatas kita diperhadapkan kepada pemilihan
satu model saja, maka salah satu dari B atau C dapat diambil, karena paling
dekat memenuhi 3 kriteria kebaikan.