OLEH:
ANGGIH TRI CAHYADI
(P1800216001)
Jawaban:
a. Model regresi:
Y= 0 + 1 X 1 + 2 X 2 + 3 X3 + 4 X4 + 5 X5 +
Taksiran parameter diperoleh dari hasil pengolahan data tersebut tersebut,
adalah 0 = 73,93, 1 = 0,371, 2 = - 0,524, 3 = 0,671, 4 = 1,626, 5 = 0,294,
sehingga diperoleh taksiran model regresi:
= 73,915 + 0,371 X1 0,524 X2 + 0,671 X3 + 1,626 X4 + 0,294 X5 +
b. NilaiFhitung= 2,431 dengan nilai p= 0,0406 (p < 0,05) memberikan informasi
tentang kesignifikanan model. Jadi, model ini signifikan (good of fit) sehingga
dapat digunakan untuk membuat inferensi misalnya meramalkan kemampuan
mengelola kelas (Y) untuk suatu nilai X tertentu yang diberikan.
c. Daya ramal model diberikan oleh nilai R2= 0,1145. Jadi, model mempunyai
daya ramal 11,45% atau sekitar 12% variasi Y dapat dijelaskan oleh model.
Nilai R2terkoreksi= 0,0674. Angka ini menunjukkan bahwa X1, X2, X3, X4,
dan X5 secara bersama-sama dapat menjelaskan sekitar 6,74% variasi Y yang
berbeda sekitar 5% dari daya ramal model. Sementara itu, sisanya (93,26%)
dipengaruhi oleh faktor lain. Jadi, konstanta (0) mempunyai kontribusi
sekitar 5% terhadap model dalam kaitannya dengan peramalan Y.
d. Kesignifikanan masing-masing peubah bebas dapat dilihat pada nilai t (T for
HO: Parameter = 0) dengannilai p (Prob>T) sebagai berikut:
X1 t = 1,430; p= 0,1560 p > 0,05
X2 t = - 0,673; p = 0,5024 p > 0,05
X3 t = 0,418; p = 0,6769 p > 0,05
X4 t = 2,160; p = 0,0105 p < 0,05
X5 t = 0,844; p = 0,4008 p > 0,05
Jadi, dari kelima peubah tersebut, satu-satunya peubah yang signifikan adalah
X4 yang mempunyai t= 2,610 dengan nilai p= 0,0105< 0,05 sehingga dapat
kelas,
maka
= 73,915 + 1,626 X4
model
regresi
yang
diperoleh
adalah:
siswatiap kelas (X4) dinaikkan satu satuan skor maka kemampuan guru
mengelola kelas (Y) dapat ditingkatkan sebesar 1,626 satuan apabila peubahpeubah lainnya dipertahankan tidak berubah. Sementara itu, tidak
signifikannya beberapa peubah bebas dapat diakibatkan oleh adanya
interkorelasi diantara peubah-peubah tersebut.
e. Model tersebut dapat ditingkatkan daya ramalnya dengan melakukan
penambahan peubah bebas atau dengan mempertimbangkan model lain seperti
kuadratik, eksponen dan sebagainya.
2. Jelaskan pengertian istilah berikut:
a. Pencilan (out lier);
b. Pencilan peubah banyak (multivariate out lier);
c. Kelebihan parameter (over parameterized);
d. Kekurangan parameter (under parameterized);
e. Nilai luar (outside value);
f. Nilai tempelan (detached value);
g. Sisaan baku;
h. Sisaan student;
i. Toleransi;
j. Dekat kekolinearan (near collinearity);
k. Proporsi variansi (variance proportion);
l. Korelasi parsial ganda (multiple-partial correlation);
m. Koreksi Bonferroni (-splitting)
Jawaban:
a. Pencilan adalah pengamatan yang aneh atau tidak umum terjadi pada salah
satu dari nilai ekstrem rentang data. Jika sebuah pengamatan sudah
diidentifikasi sebagai pencilan harus diperiksa kewajarannya (plausibility).
Kemudian kita perlu mempertimbangkan pentinya sebuah pengamatan dalam
menentukan pilihan peubah-peubah dalam model, taksiran koefisien, dan
statistik yang terkait sebelum memutuskan tindakan yang akan diambil.
b. Pencilan peubah banyak (multivariate out lier) adalah beberapa pencilan atau
dikatakan pula beberapa data yang memiliki karakteristik berbeda dari data
lainnya atau tidak konsisten dengan kelompoknya.
c. Kelebihan parameter (over parameterized) adalah kondisi dimana ada
parameter yang sebenarnya tidak dibutuhkan dalam pemilihan model terbaik
karena parameter lain sudah cukup mewakili pemilihan model kekolineran.
Parameter menunjukkan bilangan nyata yang menyatakan sebuah karakteristik
dari sebuah populasi (mean populasi, varians populasi dan simpangan baku).
d. Kekurangan parameter (under parameterized) adalah kondisi dimana tidak
terpenuhinya unsur-unsur pemilihan model terbaik dikarenakan ada parameter
yang kurang.
e. Nilai luar (outside value) adalah nilai/ data yang nilainya berada pada antara
batas kotak atas dan nilai maksimal atau antara batas kotak bawah sampai
nilai minimal, berdasarkan rentang antar kuartil dalam diagram kotak.
f. Nilai tempelan (detached value) adalah nilai/ data yang nilainya berada di luar
dari batas nilai maksimal dan nilai minimal dalam diagram kotak.
g. Sisaan baku adalah besaran perbandingan antara rerata sisaan dengan taksiran
variansi populasi, dimana sisaan baku memiliki variansi 1. Dalam analisis
sisaan, sisaan baku lebih sering diperiksa daripada nilai sisaan itu sendiri.
h. Sisaan student adalah besaran sisaan yang mendekati sebaran student t dengan
dk=nn-k-1 jika data mengikuti asumsi HEIL Gauss dalam annalisis sisaan.
i. Toleransi adalah batas ukur atau penyimpangan yang masih dapat diterima.
j. Dekat kekolinearan (near collinearity) adalah suatu kondisi kekolinerran yang
muncul ketika nilai R2 ganda dari sebuah peubah bebas dan peubah bebas
lainnya mendekati 1.
k. Proporsi variansi (variance proportion) adalah suatu kondisi dari peubah
bebas yang menunjukkan indeks kondisi. Jika proporsi variansi tinggi dari
peubah bebas, maka hal itu mengindikasikan sebuah komponen utama dengan
indeks kondisi yang tinggi. Ini digunakan untuk menilai ada atau tidaknya
masalah serius dari sebuah data.
l. Korelasi parsial ganda (multiple-partial correlation) digunakan untuk
mengetahui hubungan antara dua variabel dimana variabel lainnya yang
dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel
kontrol).
m. Koreksi Bonferroni (-splitting) adalah suatu proses koreksi yang digunakan
ketika beberapa uji statistik untuk kebebasan dilakukan secara bersamaan
yang biasanya digunakan dalam pembandingan berganda
3. Jelaskan pengertian dan kegunaan dari :
a. Diagram pencar (scatter diagram);
b. Diagram batang dan daun (steam leaf);
c. Faktor pengangkat variansi (variance inflation factor);
d. Pengungkit (leverage);
e. Beban (loading);
f. Indeks kondisi (condition index);
g. Bilangan kondisi (condition number);
h. Jarak Mahalanobis
Jawaban:
a. Diagram pencar (scatter diagram);
Diagram pencar merupakan gambaran yang menunjukkan kemungkinan
hubungan (korelasi) antara pasangan dua macam variabel dan menunjukkan
keeratan hubungan antara dua variabel tersebut yang sering diwujudkan
sebagai koefisien korelasi. Manfaat Scatter diagram yakni menunjukan
hubungan antara dua variabel. Scatter diagram sering digunakan sebagai
analisis tindak lanjut untuk menentukan apakah penyebab yang ada benarbenar memberikan dampak kepada karakteristik kualitas.
b. Diagram batang dan daun (steam leaf);
Diagram batang daun (steam and leaf diagram) menyajikan penyebaran dari
suatu data sehingga secara keseluruhan data individu-individu dapat terlihat
apakah ada kecenderungan data tersebut menyebar atau memusat pada suatu
nilai tertentu, atau nilai manakah yang paling sering muncul dan yang jarang
muncul. Diagram batang daun merupakan variasi dari histogram yang
mengarahkan banyaknya nilai data ditempatkan pada interval kelas dan
frekuensi setiap kelas yang menentukan tingginya batang
c. Faktor pengangkat variansi (variance inflation factor);
Merupakan suatu kondisi faktor yang semakin besar apabila r 2(X1,X2)
mendekati 1,0. Hal ini diakibatkan ketidakstabilan taksiran koefisien korelasi
direfleksikan ke dalam besarnya taksiran variansi koefisien regresi sehingga
faktor ini mampu membesarkan taksiran variansi koefisien regresi.
d. Pengungkit (leverage);
Yaitu ukuran jarak geometris titik-titik pada ruang peubah bebas dari titik
pusat, yang menjadi ukuran pentingnya pengamatan dalam menentukan
kesesuaian model. Pengungkit merupakan sebuah ukuran seberapa jauh
100xberat
. Dan umur (X2 dalam tahun) untuk sebuah sampel hipotesis
tinggi 2
Subjek
1
Y
135
X1
2,876
X2
45
122
3,251
41
130
3,100
49
148
3,768
52
146
2,979
54
129
2,790
47
162
3,668
60
160
3,612
48
144
2,368
44
10
180
4,637
64
11
166
3,877
59
12
138
4,032
51
13
152
4,116
64
14
138
3,673
56
15
140
3,562
54
16
134
2,996
50
17
145
3,360
49
18
142
3,024
46
19
135
3,171
57
20
142
3,401
56
21
150
3,628
55
22
144
3,751
58
23
137
3,296
53
24
132
3,210
50
25
149
3,301
54
26
132
3,317
48
27
120
2,789
43
28
126
2,956
43
29
161
3,800
63
30
170
4,132
63
31
152
3,962
62
32
164
4,010
65
2. Variabel umur
5. Berdasarkan hasil soal nomor 4 pilih sebuah model untuk analisis lebih lanjut
untuk menentukan apakah suku interaksi X1*X2 harus ditambahkan dalam
model?
Jawaban:
Marital
conflict index), dan indeks depresi (DEP= depression index) untuk sampel
dari 39 pegawai baru klinik psikologi pada sebuah rumah sakit universitas
yang besar.
Subjek
1
AGE
45
WP
90
MC
DEP
70
69
35
90
75
75
32
70
32
35
32
80
30
73
39
85
55
86
25
85
161
22
75
20
202
30
70
63
91
49
75
113
10
47
84
12
68
11
48
64
11
109
12
49
85
92
13
45
80
80
14
41
80
15
82
15
45
82
156
16
59
72
198
17
42
70
17
170
18
35
70
29
188
19
31
70
80
82
20
45
70
126
37
21
28
85
30
194
22
37
90
294
23
29
80
14
94
24
29
70
24
126
25
31
80
21
192
26
29
60
11
232
27
29
70
10
184
28
23
80
10
238
29
44
78
19
112
30
28
70
22
141
31
32
70
21
108
32
36
74
77
87
33
22
78
67
33
34
46
70
25
73
35
21
70
14
168
36
34
80
17
218
37
27
80
18
175
38
31
80
42
126
39
19
75
36
135
Jawaban:
a. AGE dimasukkan ke dalam model pertama
Variabel MC dan WP
variasi Y yang berbeda sekitar 10% dari daya ramal model. Diketahui nilai F
= 7,079 dan p = 0,000 yang berarti bahwa bisa diramalkan nilai Y untuk satu
nilai X yang diberikan.
c. Jika memasukkan MP*WP ke dalam model