Tugas pemodelan statistika

Nursiah Manggasa
H12112001
Diberikan data nilai harapan perempuan (Y) dan pendapatan perkapita (X)
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Total

y
44
53
52
69
80
59
65
82
72
73
68
68
74
79
78
72
68
1156

x
265
202
260
377
14641
275
681
19860
2995
1000
406
867
6627
14990
7055
1800
230
72531

Tentukan metode yang paling sesuai untuk menjelaskan hubungan antara variabel Y dan X ?
Penyelesaian
Untuk menentukan metode yang paling sesuai untuk menentukan hubungan antara variabel X
dan Y terlebih dahulu memenuhi asumsi regresi klasik
1.
2.
3.

( )=0
( )=
( )=0

Asumsi yang pertama uji kenormalan untuk uji tersebut maka akan di lihat dari plot residual
untuk diketahui normal dan tidaknya data

SUMMARY OUTPUT
Regression Statistics
Multiple R
0,68872
R Square
0,47434
Adjusted R
Square
0,43929
Standard Error
7,94669
Observations
17

Intercept
X
Variable 1

Standard
Coefficients Error
t Stat
P-value
63,0412
2,3519 26,80441093 4,37E-14
0,00116

0,00032 3,679036731 0,002233

Dari hasil perhitungan program Excel terlihat bahwa nilai dari R square sebesar 0,47434 atu
47,434 % artinya variabel independet (X) dengan variabel X tidak memiliki p-value sebesar
0,002 ini dapat disimpulkan bahwa data tidak mengandung unsur multikolinearitas. Dan
untuk uji durbin-watson untuk mendeteksi terjadinya autokorelasi yang mana jika terletak -2
dan 2 dimana data diatas memiliki nilai nilai statistik durbin-watson sebesar 0,732 dapat
disimpulkan data tersebut tidak mengandung/bebas dari unsur autokorelasi.

Residuals

X Variable 1 Residual Plot

15
10
5
0
-5 0
-10
-15
-20
-25

5000

10000

15000

20000

25000

X Variable 1

hasil scatter plot terlihat data belum memenuhi asumsi uji kenormalan karena bentuk
grafik masih terlihat kurva naik dengan terbuka ke bawah maka dari itu akan dilakukan
transformasi dengan tujuan :menormalkan data , menghomogenkan data,dan melinearkan
hubungan antar variabel berikut data X dan Y hasil transformasi (

( )) , dan

a.

( )

Y
44
53
52
69
80
59
65
82
72
73
68
68
74
79
78
72
68

X Variable 1 Residual Plot

15
10
5
Residuals

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Data Setelah Transformasi

1/x
log(x)
x
0,00377
2,42325
16,2788
0,00495
2,30535
14,2127
0,00385
2,41497
16,1245
0,00265
2,57634
19,4165
4,16557
6,80E-05
121
0,00364
2,43933
16,5831
0,00147
2,83315
26,096
4,29798
5,00E-05
140,926
0,00033
3,4764
54,7266
0,001
3
31,6228
0,00246
2,60853
20,1494
0,00115
2,93802
29,4449
0,00115
3,82132
81,4064
4,1758
6,70E-05
122,434
0,00014
3,8485
83,994
0,00056
3,25527
42,4264
0,00435
2,36173
15,1658

0
-5

0.5

1.5

2.5

-10
-15
-20

X Variable 1

3.5

4.5

b.

X Variable 1 Residual Plot

10

Residuals

5
0
-5

20

40

60

80

100

120

140

160

-10
-15
-20

X Variable 1

c. 1/ x

X Variable 1 Residual Plot

15
10

Residuals

5
0
-5

0.001

0.002

0.003

-10
-15
-20

X Variable 1

0.004

0.005

0.006

Setelah melalui tahap tranformasi, model yang paling sesuai untuk data nilai harapan
perempuan (Y) dan pendapatan perkapita (X) yaitu tranfomasi dengan

karena plot residual

tranformasi sudah menenuhi asumsi untuk uji kenormalan.sehingga model yang sesuai untuk
data tersebut adalah sebagai berikut
Dengan plot Normal P-P

Regression Statistics
Multiple R
0,838426
R Square
0,702958
Adjusted R
Square
0,683155
Standard Error
5,973662
Observations
17

= 77,22287 5113,91

ANOVA
df
Regression
Residual
Total

SS
MS
F
1 1266,731 1266,731 35,49793
15 535,2695 35,68463
16
1802

Significance
F
2,62E-05

Intercept
X
Variable
1

Standard
Coefficients
Error
t Stat
77,22287 2,120219 36,42212

-5113,91 858,3245

-5,95801

Lower
Upper
Lower
P-value
95%
95%
95,0%
4,7E-16 72,70373 81,74201 72,70373
2,62E05

-6943,38

-3284,43

-6943,38

Karena jumlah residual (SSE) sudah mendekati nol dengan total residual sebesar -6,39E-14
dan nilai

= 70,29 % dengan nilai

tersebut signifikan dengan nilai

= 2,62 05 <

= 0,05 penolakan 0 sehingga dapat disimpulkan model yang sesuai adalah data tranformasi .

dan plot P-P juga hasil dari program SPSS menunjukan data sudah Normal dan model sudah sesuai.