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
Dari
Jumlah Cacat
14
12
10
8
6
4
2
20
22
24
26
28
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
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 <
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