Laporan Praktikum Statistika Industri

Modul 2 Korelasi dan Regresi Linier

Kelompok 6

3.1.6 Uji Hipotesis

3.1.6.1 Uji Hipotesis Slop
1. H0 : = 0 (tidak terdapat kemiringan pada garis regresi)
2. H1 : 0 (terdapat kemiringan pada garis regresi)
3. = 0,025
4. Daerah kritis : t(0,025;28)> 2,048 dan t(0,025;28)< -2,048 (Lihat tabel L-4)
untuk derajat kebebasan v = n 2 = 30 2 = 28
5. Perhitungan:
Untuk menguji hipotesis nol bahwa = 0 digunakan distribusi-t dengan derajat
kebebasan n-2 untuk mendapatkan daerah kritis.
Sedangkan nilai t-hitung :
b 0 0,1575 0 0,1575
t= = = =2,7155
Sb 0,058 0,058

6. Keputusan : Tolak H0 karena nilai t hitung < -2,048.

7. Kesimpulan: Terdapat kemiringan pada garis regresi.

3.1.6.2 Uji Hipotesis Intersep

1. H0: = 0 (persamaan garis regresi melewati titik koordinat (0,0))
2. H1: 0 (persamaan garis regresi tidak melewati titik koordinat (0,0))
3. = 0,025
4. Daerah kritis : t(0,025;28)> 2,048 dan t(0,025;28)< -2,048 (Lihat tabel L-4)
untuk derajat kebebasan v = n 2 = 30 2 = 28
5. Perhitungan:
Untuk menguji hipotesis nol bahwa = 0 digunakan distribusi-t dengan derajat
kebebasan n-2 untuk mendapatkan daerah kritis.
Sedangkan nilai t-hitung :

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

a0 53,0450 53,045
t= = = =7,336
sa 7,23 7,23

6. Keputusan : Tolak H0 karena t-hitung > 2,048.

7. Kesimpulan : Persamaan garis regresi tidak melewati titik koordinat (0,0)

3.1.7 Validasi
3.1.7.1 Koefisien Determinasi
a. Manual
Nilai koefisien penentu (sampel) r2 adalah kuadrat nilai koefisien korelasi r dan
diberikan dengan rumusan sebagai berikut:

r=b
Jxx
=
Jxy
=
338714,27
Jyy JxxJyy 42081,467 x 5055,3667
=0,4545

r 2=(0,4545 )2=0,2065

b. SPSS
Tabel 3.28 Koefisien Determinan Regresi Sederhana Output Software SPSS

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 ,455 ,207 ,178 11,96854

a. Predictors: (Constant), Lux

b. Dependent Variable: Kelelahan

c. Minitab
Model Summary

S R-sq R-sq(adj) R-sq(pred)

11,9685 20,66% 17,83% 5,06%

d. Excel

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Tabel 3.29 Koefisien Determinan Regresi Sederhana Output Software Excel

Regression Statistics
0,4545
Multiple R 42
0,2066
R Square 09
Adjusted R 0,1782
Square 73
Standard 11,968
Error 54
Observation
s 30

Tabel 3.30 Perbandingan Koefisien Determinasi

No Perhitungan Nilai
1 Manual 0,2065
2 SPSS 0,207
3 Minitab 0,2066
4 Excel 0,206609

3.1.7.2 Uji Asumsi Klasik

3.1.7.2.1 Uji Linieritas
Hipotesis
1. H0 : Data bersifat regresi linier
2. H1 : Data tidak bersifat regresi linier
3. : 0,05
4. Daerah kritis : Sig. < 0,05
5. Perhitungan :
a. SPSS
Tabel 3.31 Uji Linearitas Regresi Sederhana Output Software SPSS

ANOVA Table

Sum of Mean
Squares df Square F Sig.

Kelelahan * Between (Combined) 3623,300 24 150,971 ,364 ,958

Lux Groups Linearity 1589,797 1 1589,797 3,833 ,108

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Deviation from
2033,503 23 88,413 ,213 ,996
Linearity

Within Groups 2073,667 5 414,733

Total 5696,967 29

6. Keputusan: Jangan tolak H0 karena nilai Sig. > 0,05.

7. Kesimpulan: Data bersifat regresi linier.

3.1.7.2.2 Uji Normalitas

Hipotesis
1. Ho : Data regresi berdistribusi normal
2. H1 : Data regresi tidak berdistribusi normal
3. : 0,05
4. Daerah kritis :
a. SPSS : plot data tersebar jauh dari garis normal
b. Minitab: KS > 0,242
5. Perhitungan :
a. SPSS

Gambar 3.1 Uji

Normalitas Regresi
Sederhana Output
Software SPSS
b. Minit
a b

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Normal Probability Plot

(response is Kelelahan)
99

95
90

80
70

Percent
60
50
40
30
20

10
5

1
-40 -30 -20 -10 0 10 20 30
Residual

Gambar 3.2 Uji Normalitas Regresi Sederhana Output Software Minitab

6. Keputusan: Jangan tolak H0 karena plots pada output SPSS berada disekitar
garis normal dan nilai KS < 0,242.
7. Kesimpulan: Data regresi berdistribusi normal.

3.1.7.2.3 Uji Autokorelasi

Hipotesis
1. Ho : Data regresi tidak terjadi autokorelasi (r = 0)

2. H1 : Data regresi terjadi autokorelasi (r 0)

3. : 0,05
4. Daerah kritis :
a. SPSS : DW < 1,49 dan DW > 2,51
b. Minitab : DW < 1,49 dan DW > 2,51
5. Perhitungan:
a. Manual
Mencari nilai y
= a+bx
= 53,045 + (-0,1575)x
Mencari nilai et
et = y
Mencari nilai Durbin-Watson (d)

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

( et ( et1 ) )2
d= t2 n

et 2
t2

Tabel 3.32 Perhitungan Manual Uji Autokorelasi Data Sederhana

N
X y et et-1 et-(et-1) et-(et-1)2 et2
o
1 70 58 42.020 15.9800
2 80 54 40.445 13.5550 15.9800 -2.4250 5.8806 183.7380
3 92 43 38.555 4.4450 13.5550 -9.1100 82.9921 19.7580
4 94 45 38.240 6.7600 4.4450 2.3150 5.3592 45.6976
5 119 35 34.303 0.6975 6.7600 -6.0625 36.7539 0.4865
6 94 46 38.240 7.7600 0.6975 7.0625 49.8789 60.2176
7 104 37 36.665 0.3350 7.7600 -7.4250 55.1306 0.1122
8 125 31 33.358 -2.3575 0.3350 -2.6925 7.2496 5.5578
9 88 51 39.185 11.8150 -2.3575 14.1725 200.8598 139.5942
10 94 45 38.240 6.7600 11.8150 -5.0550 25.5530 45.6976
11 90 48 38.870 9.1300 6.7600 2.3700 5.6169 83.3569
12 96 42 37.925 4.0750 9.1300 -5.0550 25.5530 16.6056
13 109 35 35.878 -0.8775 4.0750 -4.9525 24.5273 0.7700
14 121 33 33.988 -0.9875 -0.8775 -0.1100 0.0121 0.9752
15 131 30 32.413 -2.4125 -0.9875 -1.4250 2.0306 5.8202
16 156 28 28.475 -0.4750 -2.4125 1.9375 3.7539 0.2256
17 172 24 25.955 -1.9550 -0.4750 -1.4800 2.1904 3.8220
18 166 28 26.900 1.1000 -1.9550 3.0550 9.3330 1.2100
-
19 70 17 42.020 1.1000 -26.1200 682.2544 626.0004
25.0200
- - 1118.568
20 80 7 40.445 -8.4250 70.9806
33.4450 25.0200 0
- 2516.778
21 189 40 23.278 16.7225 50.1675 279.6420
33.4450 1
22 200 34 21.545 12.4550 16.7225 -4.2675 18.2116 155.1270
23 98 32 37.610 -5.6100 12.4550 -18.0650 326.3442 31.4721
24 124 29 33.515 -4.5150 -5.6100 1.0950 1.1990 20.3852
-
25 128 20 32.885 -4.5150 -8.3700 70.0569 166.0232
12.8850

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

-
26 147 23 29.893 -6.8925 5.9925 35.9101 47.5066
12.8850
27 175 21 25.483 -4.4825 -6.8925 2.4100 5.8081 20.0928
-
28 175 5 25.483 -4.4825 -16.0000 256.0000 419.5328
20.4825
- 1283.430
29 85 55 39.658 15.3425 35.8250 235.3923
20.4825 6
30 72 37 41.705 -4.7050 15.3425 -20.0475 401.9023 22.1370
6211.550 3755.524
Total
8 6
D 1.6540

( et ( e t 1 ) )2 6211.5508
d= t2 n
= =1.6540
3755.5246
et2
t 2

b. SPSS
Tabel 3.33 Uji Autokorelasi Regresi Sederhana Output Software SPSS

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson
a
1 ,455 ,207 ,178 11,96854 1,549

a. Predictors: (Constant), Lux

b. Dependent Variable: Kelelahan

c. Minitab
Durbin-Watson Statistic

Durbin-Watson Statistic = 1,54880

6. Keputusan: Jangan tolak H0 karena 1,49 < DW < 2,51.

7. Kesimpulan: Data regresi tidak terjadi autokorelasi.

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Tabel 3.34 Perbandingan Uji Autokorelasi Data Sederhana

No Cara Perhitungan Durbin-Watson
1 Manual 1,6540
2 SPSS 1,549
3 Minitab 1,54880

3.1.7.2.4 Uji Heteroskedastisitas

Hipotesis
1. H0 : Data regresi bersifat homokesdastisitas
2. H1 : Data regresi tidak bersifat homokesdastisitas
3. : 0,05
4. Daerah kritis : Scatterplot membentuk pola geometris
5. Perhitungan:
a. SPSS

Gambar 3.4 Scatter Plot Uji Heteroskesdastisitas Regresi Sederhana Output Software SPSS
b. Minitab

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Versus Fits
(response is Kelelahan)
20

10

0
Residual

-10

-20

-30

-40
20 25 30 35 40 45
Fitted Value

Gambar 3.5 Scatter Plot Uji Heteroskesdastisitas Regresi Sederhana Output Software Minitab
6. Keputusan: H0 diterima karena pola acak tidak geometris
7. Kesimpulan: Data regresi bersifat homokesdastisitas

3.1.7.3 Pengujian Garis Regresi

Berdasarkan hasil perhitungan taksiran intersep dan taksiran slop yang telah
diperoleh, maka didapatkan persamaan dari garis regresinya, yakni:
^y =53,0450,1575 x

Pengujian Hipotesa Kecocokan Model:

1. H0: Kadar Lux tidak mempengaruhi Kelelahan.
2. H1: Kadar Lux mempengaruhi Kelelahan.
3. = 0,025
4. Daerah kritis n = 30, f < -f(/2;1,n-2) dan f > f(/2;1,n-2) dari tabel L.6 didapat f < -4,2 dan f
> 4,2 dan derajat kebebasan v1 = 1 dan v2 = n-2 = 28.
5. Perhitungan:

a. Manual
JKR=b Jxy=(0,1575 ) (6629,73333 )=1044,183

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

JKT =Jyy=5055,366

JKG=JKT JKR=5055,3661044,183=4011,183

2 JKG 4011,183
S= = =143,257
( n2 ) 28

JKR 1044,183
Fhitung = = =7,289
S
2
143,257

b. SPSS
Tabel 3.35 Pengujian Garis Regresi Sederhana Output Software SPSS

ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1 Regression 1044,483 1 1044,483 7,292 ,012b

Residual 4010,884 28 143,246

Total 5055,367 29

a. Dependent Variable: Kelelahan

b. Predictors: (Constant), Lux

c. Minitab
Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 1 1044 1044,48 7,29 0,012
Lux 1 1044 1044,48 7,29 0,012
Error 28 4011 143,25
Lack-of-Fit 23 1937 84,23 0,20 0,997
Pure Error 5 2074 414,73
Total 29 5055

d. Excel
Tabel 3.36 Pengujian Garis Regresi Sederhana Output Software Excel

ANOVA
Significa
Df SS MS F nce F
Regress 1044, 1044, 7,291 0,01162
ion 1 483 483 539 1
Program Studi Teknik Industri
Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Residua 4010, 143,2

l 28 884 459
5055,
Total 29 367

Tabel 3.37 Perbandingan Nilai F Data Sederhana

No Cara Perhitungan Nilai F hitung
1 Manual 7,289
2 SPSS 7,292
3 Minitab 7,29
4 Excel 7,291539

6. Keputusan: Tolak H0 karena nilai Fhitung > 4,2.

7. Kesimpulan : Kadar Lux tidak mempengaruhi Kelelahan.

3.1.7.4 Pengujian Hasil Regresi

1. Uji T
Hipotesis

1. H0 : 1=2 (Tidak terdapat perbedaan rataan antara y dan ^y )

2. H1 : 1=2 (Terdapat perbedaan rataan antara y dan ^y )

3. : 0,025
4. Daerah kritis: t hitung 2,045 atau t hitung < - 2,045 (Tabel L.4
Walpole)
dengan v = n 1 = 30 1 = 29
5. Perhitungan:
a. Manual
Tabel 3.38 Perhitungan Manual Uji T Regresi Data Sederhana

No y ^y

1 58 42.02

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

2 54 40.445
3 43 38.555
4 45 38.24
5 35 34.303
6 46 38.24
7 37 36.665
8 31 33.358
9 51 39.185
10 45 38.24
11 48 38.87
12 42 37.925
13 35 35.878
14 33 33.988
15 30 32.413
16 28 28.475
17 24 25.955
18 28 26.9
19 17 42.02
20 7 40.445
21 40 23.278
22 34 21.545
23 32 37.61
24 29 33.515
25 20 32.885
26 23 29.893
27 21 25.483
28 5 25.483
29 55 39.658
30 37 41.705
1033.1
Total 1033
8
x 34.433 34.439
3 2
174.32 35.994
S2
3 9

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Sp=

S 12 ( n11 )+ S 22(n21)
n 1+ n22

Sp=
174,323 ( 29 ) +35,9949 ( 29 )
30+302

Sp=
6099,219
58

Sp=10,2547

( y ^y ) 0 (34,433334,4392)
= =0,0022
t= Sp
1 1

+
n 1 n2
10,2547
2
30
b. SPSS
Tabel 3.39 Pengujian Hasil Regresi Sederhana Uji T Output Software SPSS

Paired Samples Test

Sig. (2-
Paired Differences T df tailed)

95% Confidence Interval of

Std. Std. Error the Difference

Mean Deviation Mean Lower Upper

Pair y- -.0058
11.76038 2.14714 -4.39723 4.38556 -.003 29 .998
1 yprediksi 3

b. Minitab
Two-Sample T-Test and CI: y, y prediksi

Two-sample T for y vs y prediksi

N Mean StDev SE Mean

y 30 34.4 13.2 2.4
y prediksi 30 34.44 6.00 1.1

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Difference = (y) - (y prediksi)

Estimate for difference: -0.01
95% CI for difference: (-5.36, 5.35)
T-Test of difference = 0 (vs ): T-Value = -0.00 P-Value = 0.998
DF = 40

c. Excel
Tabel 3.40 Pengujian Hasil Regresi Sederhana Uji T Output Software Excel

t-Test: Paired Two Sample for Means

Variable 1 Variable 2
34.43333
Mean 333 34.43916667
174.3229
Variance 885 35.99492152
Observations 30 30
0.454541
Pearson Correlation 057
Hypothesized Mean
Difference 0
Df 29
-
0.002716
t Stat 79
0.498925
P(T<=t) one-tail 46
1.699127
t Critical one-tail 027
0.997850
P(T<=t) two-tail 921
2.045229
t Critical two-tail 642

6. Keputusan : Jangan tolak H0, karena nilai t hitung > -2,045.

7. Kesimpulan : Tidak terdapat perbedaan rataan antara y dan ^y

2. Uji F
Hipotesis

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

1. H0 : 12= 22 (tidak terdapat perbedaan variansi antara nilai y dan

^y )

2 2
2. H1 : 1 2 (terdapat perbedaan variansi antara nilai y dan ^y )

3. : 0,05
4. Daerah kritis: dengan derajat kebebasan v1 =v2= 29, f 1,858 atau f < 0,538
didapat dari tabel L.6 (Walpole) dengan menggunakan interpolasi.
1.85 x 30 29

x 1.90 29 24

1.85 x 1

x 1.90 5

1(x1.90) = 5(1.85x)
x1.90 = 9.255x
6x = 11.15
x = 1,858
5. Perhitungan:
a. Manual
y 174,323
=
F= ^y = 35,9949 4,843

b. Minitab
Tests

Test
Method DF1 DF2 Statistic P-Value
F 29 29 4.84 0.000

c. Excel
Tabel 3.41 Pengujian Hasil Regresi Sederhana Uji F Output Software Excel

F-Test Two-Sample for Variances

Program Studi Teknik Industri

Universitas Diponegoro
2017
 Laporan Praktikum Statistika Industri
Modul 2 Korelasi dan Regresi Linier
Kelompok 6

Variable Variable
1 2
34.4391
Mean 34.43333 7
35.9949
Variance 174.323 2
Observatio
ns 30 30
Df 29 29
F 4.842988
P(F<=f)
one-tail 2.9E-05
F Critical
one-tail 1.860811

6. Keputusan: Tolak H0, karena nilai F hitung > 1,858.

7. Kesimpulan: Terdapat perbedaan variansi antara nilai y dan ^y .

Program Studi Teknik Industri

Universitas Diponegoro
2017