Hendri Prabowo

1315100068

Habib Jazuli
1315100028

Analisis Regresi
Tugas : Mengidentifikasi grafik dan korelasi persamaan regresi pada kasus Lack of Fit.
Berikut merupakan data pengararuh suhu ruangan terhadap jumlah cacat produksi di
perusahaan X :
Tanggal
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Rata-rata
Suhu Ruangan
(x)
24
22
21
20
22
19
20
23
24
25
21
20
20
19
25
27
28
25
26
24
27
23
24
23
22
21
26
25
26
27

Jumlah
Cacat (y)
10
5
6
3
6
4
5
9
11
13
7
4
6
3
12
13
16
12
14
12
16
9
13
11
7
5
12
11
13
14

Hendri Prabowo
1315100068

Habib Jazuli
1315100028

Kemudian kita lakukan analisis

Scatterplot
Dari data suhu ruangan dan jumlah cacat produksi kita olah menggunakan Minitab.
Berikut merupakan scatterlplot dari data suhu ruangan dan jumlah cacat produksi :
Scatterplot Jumlah Cacat vs Rata-rata Suhu Ruangan
18
16

Dari
Jumlah Cacat

14
12
10
8
6
4
2
20

22

24

26

28

Rata-rata Suhu Ruangan

scatterplot diatas dapat diketahui bahwa data pengaruh suhu ruangan terhadap jumlah cacat
produksi linier karena plot-plot nya mengikuti garis linier.
2. Uji Korelasi
Untuk mengetahui apakah suhu ruangan memiliki hubungan dengan jumlah cacat
produksi maka dilakukan uji korelasi :
Hipotesis :
H0 : = 0 ( tidak terdapat korelasi )
H1 : 0 ( terdapat korelasi )
Taraf Signifikansi :
: 0,05
Statistik Uji :
r

n xy x y
2
2
2
2
n x ( x) n y ( y )

Hendri Prabowo
1315100068

Habib Jazuli
1315100028

Keputusan :
Tolak H0 jika Pvalue <
Hasil output minitab mengenai pengaruh suhu ruangan terhadap jumlah cacat
produksi adalah sebagai berikut :
Pearson Correlation
0.955

P-Value
0,00

Dari tabel diatas bisa diketahui jika nilai dari P-Value adalah 0,00. Karena nilai PValue<0.05 maka tolak H0. Kesimpulan yang dapat diambil adalah 0, artinya nilai
korelasi dari suhu ruangan dengan jumlah produksi cacat memiliki hubungan (terdapat
korelasi). Nilai korelasinya adalah 0.955.
3. Model Regresi
Setelah mengetahui apakah ada korelasi atau tidak, langkah selanjutnya adalah
mencari model regresi dari data tersebut. Berikut adalah hasil output minitab mengenai model
regresi dan R-sq dari data suhu ruangan dan jumlah produksi cacat.
Model Regresi
y = -24.38 + 1.4498 x

R-sq
90.98%

Dari tabel diatas dapat dijelaskan bahwa jika suhu ruangan naik 1 derajat maka
jumlah produksi cacat akan naik sebesar 1.4498. Kemudian dari nilai R-sq dapat dilihat jika
nilainya 90.98% artinya variabilitas jumlah produksi cacat yang dapat dijelaskan oleh suhu
ruangan sebesar 90.98% sisanya dijelaskan oleh variabel lain di luar model. Model regresi ini
hanya berlaku untuk suhu ruangan antara 19o-27o.
4. Pengujian Parameter

Uji Serentak
1. Hipotesis
H0 : 1 = 0
H1 : 1 0
2. Taraf Signifikan
: 0,05

Keputusan

Hendri Prabowo
1315100068

Habib Jazuli
1315100028

Tolak H0 jika F-hitung > F( v1,v2) atau P-value <

Dimana nilai F( v1,v2) = 4.20
Hasil output minitab tentang uji serentak ( ANOVA ) dari suhu ruangan terhadap jumlah
produksi cacat adalah sebagai berikut
Tabel 4.4 Uji Serentak ( ANOVA )

Source

DF

SS

Regression
Residual Error
Total

1
28
29

421.03
40.17
461.20

MS

421.03
1.43
-

293.47
-

0.000
-

Dari tabel diatas bisa diketahui jika nilai dari P-Value adalah 0,00 dan Fhitung adalah
293.47. Karena nilai P-Value<0.05 dan F-hitung > F( v1,v2) maka tolak H0. Jadi kesimpulan
yang dapat diambil model regresi antara suhu ruangan dengan jumlah produksi cacat adalah
signifikan.

Uji Parsial
1. Hipotesis :
H0 : 1 = 0
H1 : 1 0
2. Taraf Signifikansi :
: 0,05
3. Keputusan :
Tolak H0 jika T-hitung > t/2 dan T-hitung <- t/2, n-1
atau P-value <

Dimana nilai T/2=2.048

Hasil output minitab tentang uji parsial (ANOVA) dari pengaruh suhu ruang terhadap jumlah
produksi cacat adalah sebagai berikut:
Predictor
Constant
Rata-Rata Suhu Ruangan

Coef
-24.381
1.44983

SE Coef
1.984
0.088463

T
-12.29
17.13

P
0,000
0,000

Hendri Prabowo
1315100068

Habib Jazuli
1315100028

Dari tabel diatas diketahui bahwa P-value sebesar 0,000 dan T-hitung sebesar 134,96
dapat diambil keputusan tolak H0 karena P-value < atau T-hitung <- t/2 sehigga dari
keputusan tersebut dapat diambil kesimpulan bahwa parameter pada model persamaan regresi
signifikan pada model.
Uji Lack of Fit
1. Hipotesis
H0 : Lack Of Fit tidak bermakna
H1 : Lack Of Fit bermakan
2. Taraf Signifikansi :
: 0,05
3. Nilai kritis
P-value <
4. Keputusan
Tolak H0 jika F-hitung > F( v1,v2)
Dimana nilai dari F( v1,v2) = 2.00
Hasil output minitab tentang uji Lack Of Fit dari pengaruh suhu ruang terhadap jumlah
produksi cacat adalah sebagai berikut.
Tabel 4.6 ANOVA Lack Of Fit

Sumber

db

SS

MS

Regresi

421.03

421.03

Residual Eror

28

40.17

1.43

293.4
7

0.000

Lack Of Fit

14.34

1.79

Pure Error

20

25.83

1.29

1.39

0.261

Total

29

461.20

Berdasarkan tabel diatas dapat diketahui bahwa F-hitung untuk Lack Of Fit sebesar
1.39. Dapat diambil keputusan gagal tolak H0 karena F-hitung < F( v1,v2) yaitu 1.39 < 2.00
sehigga dari keputusan tersebut dapat diambil kesimpulan bahwa ada Lack Of Fit, sehingga
model linier orde 1 sesuai
5. Pemeriksaan asumsi IIDN.

Hendri Prabowo
1315100068

Habib Jazuli
1315100028
Residual Plots for J umlah Cacat
Normal Probability Plot

Versus Fits

99
2
Residual

Percent

90
50
10

1
0
-1
-2

1
-3.0

-1.5

0.0
Residual

1.5

3.0

Histogram

10
Fitted Value

15

Versus Order

Residual

Frequency

2
6
4
2
0

1
0
-1
-2

-2.4

-1.2

0.0
Residual

1.2

2.4

8 10 12 14 16 18 20 22 24 26 28 30

Observation Order