Disusun oleh :
JURUSAN MATEMATIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2014
TUGAS AKHIR PRAKTIKUM ANALISIS REGRESI
REGRESI INDUKTIF / INFERENSI , REGRESI LINIER
BERGANDA & ANALISIS REGRESI LOGISTIK
Disusun oleh :
JURUSAN MATEMATIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2014
i
KATA PENGANTAR
Puji & Syukur berlimpah penulis haturkan kehadirat Tuhan yang Maha
Esa, karena atas berkat, rahmat, dan penyertaan-Nya , penulis dapat
menyelesaikan pembuatan Laporan Akhir Praktikum Analisis Regresi dengan
judul Regresi Induktif / Inferensi, Analisis Regresi Berganda dan Analisis
Regresi Logistik , ini dengan baik.
Penulis menyadari bahwa laporan ini masih jauh dari sempurna untuk itu
penulis mengharapkan kritik dan saran yang membangun demi perbaikan laporan
ini. Akhirnya penulis mengharapkan semoga laporan ini dapat menambah
wawasan pengetahuan para pembaca sekalian.
Penulis,
ii
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
iii
DAFTAR PUSTAKA
Lampiran
iv
BAB I
PENDAHULUAN
1
Informasi ini kemudian digabungkan dengan informasi dari sampel untuk
digunakan dalam mengestimasi parameter populasi. Pada metode bayesian,
seorang peneliti harus menentukan distribusi prior dari parameter yang
ditaksir. Distribusi prior ini dapat berasal dari data penelitian sebelumnya atau
berdasarkan intuisi seorang peneliti. Dugaan penentuan distribusi parameter
sangatlah subyektif (Hogg and Craig, 1978).
2
1.4 Tujuan
1.5 Manfaat
Bagi mahasiswa :
3
BAB II
LANDASAN TEORI
Variansi Diketahui
Uji hipotesis untuk mean jika variansi diketahui atau juga dikenal juga
sebagai uji Z yaitu :
4
Variansi tidak diketahui
Uji hipotesis untuk mean jika variansi tidak diketahui dikenal juga
sebagai uji t yaitu :
Inferensi proporsi
Satu populasi
Uji hipotesis untuk inferensi proporsi satu populasi yaitu :
5
Dua populasi
Uji hipotesis untuk inferensi proporsi dua pupulasi yaitu
Analisis regresi linier berganda adalah hubungan secara linier antara dua
atau lebih variable independent (X1, X2,., Xn) dengan variable dependen
(Y). analisis ini untk mengetahui arah hubungan antara variable independen
dengan variable dependent, apakah masing- masing variable independen
berhubngan positif atau negatif serta untuk memprediksi nilai dan variable
dependent apabila variable independent mengalami kenaikan atau penurunan
dengan data yang digunakan biasanya berskala interval atau rasio.
Bentuk persamaan linier berganda adalah sebagai berikut :
6
Pada uji regresi berganda, terdapat beberapa syarat- syarat yang harus
dipenuhi. Disebut dengan uji asumsi klasik, meliputi beberapa pengujian
antara lain : Uji Normalitas, uji Liniearitas, Heteroskedastisitas,
Multikolonieritas dan Autokorelasi.
a. Uji Normalitas
b. Uji Heteroskedastisitas
c. Uji Multikolonieritas
7
d. Uji autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada
korelasi antar satu periode t dengan periode sebelumnya (t-1). Gejala
autokorelasi dapat dideteksi dengan menggunakan uji Durbin Watson (DW)
pada output Model Summary. Ketentuan jika -2 < DW < 2 berarti tidak
terjadi autokorelasi.
e. Uji Kelinearan
Hipotesis
H0 : Persamaan regresi tidak linier
H1 : Persamaan regresi linier
8
logistik memiliki kelebihan dalam hal pelanggaran beberapa asumsi yang
harus ada pada regresi linier biasa seperti asumsi kenormalan dan
homokedastisitas. Estimasi nilai Y juga terletak pada range yang sangat luas
(dapat berada di luar interval 0-1). Dengan demikian secara matematis
penggunaan regresi logistik menjadi lebih mudah digunakan.
Model regresi logistik biner digunakan untuk melihat apakah variabel tak
bebas yang berskala dikotomi (Y = 0 dan Y = 1) dipengaruhi oleh variabel
bebas baik yang kategorik maupun numerik. Bentuk umum model peluang
regresi logistik dengan k variabel diformulasikan sebagai berikut :
9
Apabila terdapat sebanyak p peubah bebas dan peubah ke-j merupakan
merupakan peubah kategorik, maka akan terdapat peubah boneka sebanyak k-
1, dengan dummy variabel kj dinamakan Dju dengan koefisien Bju, u
= 1,2,.., kj-1. Sehingga model transformasi logit dapat dituliskan seperti
persamaan berikut ini :
10
BAB III
METODE ANALISIS
Data yang digunakan dalam penulisan laporan ini adalah jenis data
sekunder atau yang disalin.
11
Flowchart Analisis Regresi Induktif / Inferensi.
Start
Input data
Klik Stat
Basic
Paired t
Statistic
Samples in columns
Hasil perhitungan
End
12
Flowchart Analisis Regresi Berganda
Start
Input data
Klik Stat
Regressions Regressions
graph
Hasil analisis minitab
result
Uji Hipotesis
storage
kesimpulan
options
End
13
Flowchart Analisis Regresi Logistik:
Start
Input data
Klik Stat
Binary logistic
Regressions
regressions
graph
Hasil analisis
minitab
result
Uji Hipotesis
storage
options
kesimpulan
End
14
BAB IV
ANALISIS DAN PEMBAHASAN
No Sebelum Sesudah
1 67 68
2 75 76
3 81 80
4 60 63
5 80 82
6 75 74
7 71 70
8 68 71
9 80 82
10 78 79
11 71 78
12 80 77
13 65 69
14 57 67
15 78 68
Hasil Output :
15
Analisis :
Hipotesis
H0 : Tidak ada pengaruh sebelum dan sesudah kenaikan harga
BBM terhadap perbedaan penjualan mobil Toyota di
Kabupaten Boyolali
H1 : Ada pengaruh sebelum dan sesudah kenaikan harga BBM
terhadap perbedaan penjualan mobil Toyota di Kabupaten
Boyolali
Taraf signifikansi
= 5%
Statistik uji
Kriteria keputusan
H0 ditolak jika p-value <
Kesimpulan
Dari output diperoleh nilai p-value = 0,320 sehingga nilai p-value
< (0,05), maka H0 ditolak sehinggga dapat di simpulkan bahwa
ada perbedaan penjualan mobil Toyota di Kabupaten Boyolali
sebelum dan sesudah kenaikan harga BBM.
16
regresi linear berganda. Apakah uji asumsi klasik bisa terpenuhi
? Berdasarkan data berikut :
Angka
Jumlah
Laju Jumlah Rata-rata
Penduduk
NO Pertumbuhan Pengangguran Lama
Miskin (Ribu
Ekonomi (%) (Jiwa) Sekolah
Jiwa)
(Tahun)
17
28 179.2 5.84 15471 5.81
29 256.6 5.73 11343 5.31
30 24.9 5.91 9923 10.19
31 10.1 6.33 4371 9.84
32 48.4 6.52 34085 11.12
33 41.4 6.04 5444 8.46
34 168.8 6.33 5956 8.9
35 8.9 6.56 4623 9.76
36 10.4 6.92 8342 10.5
37 195.6 7.08 9139 10.01
38 9.7 7.06 5418 8.44
Hasil Output :
18
Uji Asumsi Klasik :
Uji Normalitas
19
Dari grafik di samping, dapat dilihat bahwa plot pada grafik mengikiti
garis lurus atau berada disekitar garis lurus. Maka dapat disimpulkan
bahwa residual terdistribusi normal.
Uji Heteroskedastisitas
Pada output diatas dapat dilihat bahwa plot pada grafik menyebar
sehingga dapat disimpulkan bahwa tidak terdapat gejala
heteroskedastisitas.
Uji Multikolonieritas
20
Pada output diperoleh nilai VIF = (1.0, 1.0, 1.0) < 10 sehingga dapat
disimpulkan bahwa tidak terjadi multikolonieritas sehingga uji asumsi
klasik terpenuhi.
Uji Autokorelasi
Uji F Regresi
21
Hipotesis
H0 : Secara simultan variable independen tidak mempunyai
pengaruh bermakna terhadap variable dependen
H1 : Secara simultan variable independen mempunyai
pengaruh bermakna terhadap variable dependen
Taraf signifikansi
= 5%
Kriteria keputusan
H0 ditolak jika p-value <
Kesimpulan
Dari output diperoleh nilai p-value = 0,000 sehingga nilai p-
value < maka H0 ditolak sehinggga dapat di simpulkan bahwa
Secara simultan variable independen mempunyai pengaruh
bermakna terhadap variable dependen
T Parsial
Hipotesis
H0 : Semua tidak ada pengaruh secara individu terhadap Y
dengan memperhatikan variable lain
H1 : Semua ada pengaruh secara individu terhadap Y dengan
memperhatikan variable lain
22
Taraf signifikansi
= 5%
Kriteria keputusan
H0 ditolak jika p-value <
Kesimpulan
Dari output diperoleh nilai p-value (Constant, Laju pertumbuhan
ekonomi, Jumlah pengangguran, Angka rata-rata lama sekolah)
= 0.000, 0.198, 0.000, 0.000) sehingga semua nilai p-value <
maka H0 ditolak sehinggga dapat di simpulkan bahwa semua ada
pengaruh secara individu terhadap Y dengan memperhatikan
variable lain.
Persamaan Regresi
23
Apabila variabel lain bernilai konstan maka Jumlah penduduk
miskin akan berubah sebesar 37.8 setiap satu satuan Rata-Rata
Lama Sekolah
R Square
R Square ditunjukan dengan nilai R-Sq dimana pada uji ini diperoleh
yaitu sebesar 62.1% artinya Jumlah Penduduk Miskin dapat dijelaskan
oleh sekelompok variable independen secara serentak atau simultan
sebesar 62.1% sedangkan sisanya 37.9% di jelaskan oleh variable lain
diluar model yang tidak diteliti.
Kasus : Uji Apakah variabel umur ibu, tingkat pendidikan tertinggi ibu,
status pekerjaan ibu, penolong persalinan, umur ibu pada saat
kawin, umur balita berpengaruh terhadap eksklusif tidaknya
pemberian ASI pada balita ?
24
12 non eklusif 29 2 1 medis 1 1
13 non eklusif 32 1 1 medis 1 1
14 non eklusif 21 2 1 medis 1 1
15 non eklusif 39 1 1 medis 1 1
16 non eklusif 24 1 1 medis 1 1
17 non eklusif 24 2 1 medis 1 1
18 non eklusif 33 1 1 medis 0 1
19 non eklusif 26 3 1 medis 1 1
20 non eklusif 36 3 1 medis 1 1
21 non eklusif 27 2 1 medis 1 1
22 non eklusif 26 1 1 medis 0 1
23 non eklusif 26 3 1 medis 1 1
24 non eklusif 25 2 1 medis 1 1
25 non eklusif 25 2 1 medis 1 1
26 non eklusif 28 2 1 medis 1 1
27 non eklusif 29 2 1 medis 1 1
28 Eklusif 29 3 1 medis 1 0
29 Eklusif 26 2 1 medis 1 0
30 non eklusif 26 2 1 medis 0 1
31 non eklusif 24 1 1 medis 0 1
32 Eklusif 22 3 1 medis 1 0
33 Eklusif 20 3 1 medis 1 1
34 Eklusif 22 1 0 medis 1 0
35 non eklusif 35 2 0 medis 1 0
36 non eklusif 23 1 1 medis 1 0
37 non eklusif 34 1 0 medis 1 1
38 non eklusif 21 2 0 medis 1 0
39 non eklusif 29 2 0 medis 1 0
40 non eklusif 22 2 0 medis 1 1
41 non eklusif 33 3 1 medis 1 0
42 non eklusif 39 2 1 medis 1 1
43 non eklusif 29 1 0 medis 1 0
44 non eklusif 36 2 1 medis 1 0
45 non eklusif 21 1 1 medis 1 1
46 non eklusif 19 1 1 medis 1 1
47 non eklusif 24 1 1 medis 0 1
48 non eklusif 28 2 1 medis 1 1
49 non eklusif 26 1 1 non medis 1 1
50 non eklusif 24 1 1 non medis 1 1
51 non eklusif 23 1 1 non medis 1 1
52 non eklusif 22 1 1 medis 1 1
25
53 non eklusif 22 2 1 medis 1 1
54 non eklusif 29 1 1 medis 1 1
55 non eklusif 39 1 0 medis 1 1
56 non eklusif 23 1 0 non medis 1 1
57 eklusif 22 2 1 non medis 1 1
58 eklusif 21 1 0 non medis 1 1
59 eklusif 20 1 0 non medis 1 1
60 eklusif 21 2 1 non medis 1 1
61 non eklusif 29 1 0 non medis 0 1
62 eklusif 28 1 0 non medis 1 1
63 eklusif 27 1 1 medis 0 1
64 eklusif 26 2 0 medis 0 1
65 eklusif 27 1 0 medis 0 1
66 eklusif 25 1 1 medis 0 1
67 eklusif 23 1 1 non medis 0 0
68 eklusif 22 1 1 non medis 0 0
69 eklusif 21 1 0 medis 1 0
70 non eklusif 23 1 0 medis 0 1
71 non eklusif 22 1 1 medis 0 0
72 non eklusif 27 2 0 medis 0 1
73 non eklusif 26 1 0 medis 0 0
74 non eklusif 27 1 1 medis 0 1
75 non eklusif 23 2 1 medis 1 0
76 non eklusif 25 1 1 medis 0 1
77 non eklusif 27 2 1 medis 0 0
78 non eklusif 26 1 1 medis 1 1
79 non eklusif 21 2 1 medis 0 1
80 non eklusif 38 1 1 medis 0 1
81 non eklusif 22 2 1 medis 0 1
82 non eklusif 20 2 1 medis 0 1
83 non eklusif 28 3 1 medis 1 1
84 non eklusif 26 2 1 medis 0 1
85 non eklusif 29 2 1 medis 0 1
86 non eklusif 26 2 1 medis 1 1
87 non eklusif 26 1 1 medis 0 1
88 non eklusif 25 2 1 medis 0 1
89 non eklusif 24 2 1 medis 1 1
90 non eklusif 27 2 0 medis 0 1
91 non eklusif 21 2 0 medis 0 1
92 eklusif 26 1 0 medis 0 1
93 eklusif 22 2 0 medis 1 1
26
94 non eklusif 21 2 0 medis 1 1
95 non eklusif 29 1 0 medis 0 1
96 non eklusif 27 1 0 medis 1 1
97 eklusif 26 1 0 medis 0 1
98 eklusif 25 2 0 medis 0 1
99 eklusif 23 2 0 medis 0 1
100 eklusif 29 2 0 medis 0 0
101 eklusif 21 1 0 medis 1 0
102 non eklusif 19 1 1 medis 1 0
103 non eklusif 38 1 0 medis 0 1
104 non eklusif 22 3 1 medis 1 1
105 non eklusif 32 2 1 medis 0 1
106 non eklusif 29 2 1 medis 0 1
107 non eklusif 27 3 0 medis 1 1
108 non eklusif 23 2 1 medis 1 1
109 non eklusif 25 1 1 medis 1 1
110 non eklusif 27 1 1 non medis 1 1
111 non eklusif 26 1 0 medis 0 1
112 non eklusif 25 1 0 medis 1 1
113 non eklusif 25 1 0 medis 1 1
114 non eklusif 25 1 0 non medis 0 1
115 non eklusif 25 1 0 non medis 0 1
116 non eklusif 27 1 0 medis 0 1
117 non eklusif 28 2 0 medis 1 1
118 non eklusif 26 2 1 medis 0 1
119 non eklusif 26 1 1 medis 1 1
120 non eklusif 22 3 0 medis 1 1
121 non eklusif 25 3 0 medis 1 1
122 non eklusif 29 1 0 non medis 0 1
123 non eklusif 27 1 0 non medis 0 1
124 eklusif 28 1 0 medis 0 1
125 eklusif 22 2 0 non medis 0 1
126 eklusif 23 2 0 medis 1 1
127 eklusif 21 2 0 medis 0 0
128 eklusif 20 1 0 medis 0 1
129 eklusif 24 1 1 medis 0 1
130 eklusif 23 2 1 medis 0 0
131 eklusif 23 2 0 medis 1 1
132 eklusif 23 2 0 medis 1 1
27
Keterangan simbol
Hasil Output :
28
Dari hasil ouput diatas di awali dengan response information.
Output ini menampilkan informasi yang berkaitan dengan kategori pada
variable respon.
29
Analisis :
Uji G
Hipotesis
H0 : 1 = 2 == k = 0
H1 : Minimal ada satu yang tidak sama dengan 0
Kriteria keputusan
H0 ditolak jika G > Chi-square
Kesimpulan
Dari output diperoleh nilai G = 27.928 , nilai Chi-square
(Pearson, Deviace, Hosmer-Lemeshow) = 43.1555, 51.7634,
10.2768 sehingga nilai G(dominan) < maka H0 ditolak
sehinggga dapat di simpulkan bahwa minimal ada satu tidak
sama dengan 0 tetapi untuk nilai chi-square Hosmer-Lemeshow
nilainya < G sehingga H0 - nya tidak ditolak sehingga dapat di
simpulkan bahwa 1 = 2 == k = 0
Catatan : Karena Uji G tidak terpenuhi makan tidak dapat dilanjutkan ke uji
uji selanjutnya.
30
BAB V
PENUTUP
5.1 Kesimpulan
5.2 Saran
31
32
DAFTAR PUSTAKA
Dra. Noeryanti, M.Si., Jatipaninggrum Maria Titah, S.Si.,M.Si, Tim Asisten Lab.
Statistika, 2013, Modul Praktikum Analisis Regresi, Yogyakarta
http://eprints.undip.ac.id/32785/2/4_BAB_1-Pendahuluan.pdf
diakses pada Minggu, 21 Desember 2014 pukul 09.00 Wib
http://storage.jak-
stik.ac.id/students/paper/penulisan%20ilmiah/30402068/BAB%20I.pdf
diakses pada Minggu, 21 Desember 2014 pukul 09.13 Wib
http://statistik4life.blogspot.com/2009/12/regresi-logistik.html
diakses pada Minggu, 21 Desember 2014 pukul 09.33 Wib
http://tnrawku.wordpress.com/2013/05/21/regresi-logistik-alat-analisis-spasial-
dan-evaluasi-kawasan-bagian-1/
diakses pada Senin, 22 Desember 2014 pukul 16.07 Wib
Lampiran
Pilih Options, kemudian isikan confidence level 95.0, test mean 0.0,
dan alternative not equal. Klik OK > OK.
2. Regresi Linear Berganda
Buat worksheet baru dengan menekan tombol Ctrl + N pada keyboard.
Kemudian pilih Minitab Worksheet.
Selanjutnya klik Graphs, tandai Regular dan Individual plot. Plot yang
digunakan yaitu Histogram of residual, Normal plot if residual dan
residual versus fits, karena itu ketiga plot ditandai > Klik OK.
Pilih Results tandai Regression Equation,. > Klik OK.
Pilih options > tandai Fit Intercep dan pada kolom Display tandai
Variance nflation factors dan Durbin-Watson statistic > Klik OK
3. Regresi Logistik
Masukkan data ke excel kemudian lakukan kodingan sesuai ketentuan.
Data setelah di lakukan kodingan
Masukkan data yang telah di koding ke worksheet Minitab