NIM : 14037029/2014
PRODI : D3 STATISTIKA
Y X1 X3 X7 X10
18.9 350 260 3 3910
17 350 275 3 2860
20 250 185 3 3510
18.25 351 255 3 3890
20.07 225 170 3 3365
11.2 440 330 3 4215
22.12 231 175 3 3020
21.47 262 200 3 3180
34.7 89.7 81 4 1905
30.4 96.9 83 5 2320
16.5 350 250 3 3885
36.5 85.3 83 4 2009
21.5 171 146 4 2655
19.7 258 195 3 3375
20.3 140 109 4 2700
17.8 302 220 3 3890
14.39 500 360 3 5290
14.89 440 330 3 5185
17.8 350 250 3 3910
16.41 318 255 3 3660
23.54 231 175 3 3050
21.47 360 290 3 4250
31.9 96.9 83 5 2275
13.27 460 366 3 5430
23.9 133.6 120 5 2535
19.73 318 255 3 4370
13.9 351 243 3 4540
13.27 351 243 3 4715
13.77 360 295 3 4215
16.5 350 255 3 3660
Keterangan;
Variabelx7: transmisi no of
1. MATRIK PLOT
Matrix Plot of BYK BENSIN Y, JARAK TEMPUH, MOMEN, TRANSMISI NO, ...
100 300 500 3 4 5
30
BYK
20BENSIN YG DIHBISKAN PER MIL
10 500
300
JARAK TEMPUH
100
300
200 MOMEN
100
5
TRANSMISI NO OF 4
3
5000
3500 BERATMOBIL
2000
10 20 30 100 200 300 2000 3500 5000
kemungkinan hubungan kelinieran negatif karena persebaran titiknya berada disekitar garis
regresi(maksudnya semakin tinggi nilai x1 maka nilai y semakin rendah)
kemungkinan semakin jauh jarak tempuh maka semakin banyak bensin yang dihabiskan
b. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan momen( x3 )yaitu
kemungkinan hubungan kelinieran negatif karena persebaran titik berada disekitar garis
regresi,maksudnya semakin tinggi nilai x3 maka nilai y semakin rendah
Kemungkinan semakin jauh jarak yang ditempuh maka semakin besar momennya.
c. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan transmisi no of(x7) yaitu
kemungkinan terlihat bahwa tidak ada sama sekali hubungan kelinieran karena terlihat dari matrik
plotnya persebaran dari titiknya.
Kemungkinan bahwasanya tidak ada hubungan banyaknya bensin yang dihabiskan dengan transmisi no
of
d. Hubungan banyaknya bensi n yang dihabiskan per mil(y) dengan berat mobil(x10) yaitu
kemungkinan hubungan kelinieran negatif karena persebaran titik berada disekitar garis
regresi,maksudnya semakin tinggi nilai x10 maka nilai y semakin rendah.
Kemungkinan semakin berat mobil maka semakin banyak bensin yang dihabiskan .
e. Hubungan jarak tempuh( x1) dengan momen(x3) yaitu
kemungkinan hubungan kelinieran positif,karena persebaran titiknya berada disekitar garis regresi.
Kemungkinan semakin besar momen maka jarak tempuh semakin jauh
f. Hubungan jarak tempuh( x1) dengan transmisi no of( x7) yaitu
kemungkinan tidak ada membentuk kelinieran karena persebaran titik menyebar dari garis regresi.
kemungkinan hubungan kelinieran positif,karena persebaran titiknya berada disekitar garis regresi.
kemungkinan tidak ada membentuk kelinieran karena persebaran titk menyebar dari garis regresi.
Predictor SE T P
coef coef
Constant 6.877 4.51 0.000
Banyaknya bensin yang 31.017
dihabiskan per mil
X1(jarak tempuh) 0.04204 -1.57 0.128
-0.06615
(1-0.05,30-1)=(0.95,29)=1.70
Dengan syarat;
Pada variable X1/jarak tempuh didapatkan Thitung=-1.57 maka Thitung>Ttabel berarti terima
HO(data berdistribusi normal)
Pada variable X10/berat mobil Thitung=-0.57 maka Thitung>Ttabel berarti terima HO(data
berdistribusi normal)
Pada variabel x1 terdapat p-value 0.128 maka p-value > dari alfa
berarti terima H0(data berdistribusi normal).
Pada variabel x3 terdapat p-value 0.426 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).
Pada variabel x7 terdapat p-value 0.637 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).
Pada variabel x10 terdapat p-value 0.571 maka p-value > dari alfa
berarti terima H0 (data berdistribusi normal).
Analysis of Variance
Source DF SS MS F P
Regression 4 881.04 220.26 21.34 0.000
Residual Error 25 258.07 10.32
Total 29 1139.11
Dengan syarat;
Dilihat dari hasil analysis of variance terdapat Fhitung=21,34 maka Fhitung>Ftabel maka tidak
cukup terima h1 maka tolak ho modelnya layak digunakan
Dilihat dari hasil analysis of variance terdapat nilai p-value nya 0.000 dengan
mengambil taraf alfanya 0.05 berarti p-value < alfa maka dapat disimpulkan tidak cukup
terima H1 maka tolak H0 maka modelnya layak kita gunakan.
1. Interpretasi R(KUDRAT);
KET;
R-sq : koefisien korelasi darab
95
90
80
70
Percent
60
50
40
30
20
10
1
-8 -6 -4 -2 0 2 4 6 8
Residual
Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis
regresi tetapi kemungkinan masih ada pencilan
2. Normality galat
60
50
40
30
20
10
1
-8 -6 -4 -2 0 2 4 6 8
RESI1
Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal
3. Homoskedasititas
90 4
Residual
Percent
50 0
10 -4
1 -8
-8 -4 0 4 8 10 15 20 25 30
Residual Fitted Value
6 4
Frequency
4 Residual 0
2 -4
0 -8
-6 -4 -2 0 2 4 6 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Residual Observation Order
Unusual Observations
Y/Banyknya
X1/jarak bensin yg
Obs tempuh dihabiskan Fit SE Fit Residual St Resid
12 85 36.500 29.686 1.294 6.814 2.32R
15 140 20.300 26.485 1.044 -6.185 -2.04R
Dilihat dari hasi residual plotnya kemungikan masih terlihat pencilanya pada variable
x1 pada data ke 12 dan 15 itu dapat lihat dari hasil masing-masing plot diatas,
4. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic = 1.85714
Maka tidak terjadi auto korelasi
Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;
1. Linieritas
Normal Probability Plot
(response is Y/Banyknya bensin yg dihabiskan)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-5.0 -2.5 0.0 2.5 5.0 7.5
Residual
Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis regresi
tetapi kemungkinan masih ada pencilan
2. Normality galat
60
50
40
30
20
10
1
-10 -5 0 5 10
RESI1
Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal
3. Homoskedasitisitas
Residual Plots for Y/Banyknya bensin yg dihabiskan
Normal Probability Plot Versus Fits
99
5.0
90
2.5
Residual
Percent
50
0.0
10 -2.5
1 -5.0
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value
Residual 2.5
3.0 0.0
1.5 -2.5
0.0 -5.0
-4 -2 0 2 4 6 2 4 6 8 10 12 14 16 18 20 22 24 26 28
Residual Observation Order
Unusual Observations
Y/Banyknya
X1/jarak bensin yg
Obs tempuh dihabiskan Fit SE Fit Residual St Resid
9 90 34.700 28.870 1.181 5.830 2.39R
Dilihat dari hasi residual plotnya kemungikan masih terlihat pencilanya pada variable
x1 pada data ke 9 itu dapat lihat dari hasil masing-masing plot diatas,
4. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic =1.49227
Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;
1.linieritas
Normal Probability Plot
(response is Y/banyak bensn yg dihbiskan)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-5.0 -2.5 0.0 2.5 5.0
Residual
Dari hasil normal probability plot diatas dapat dilihat bahwa persebaran titik mndekati garis regresi
tetapi kemungkinan masih ada pencilan
2. Normality galat
Probability Plot of RESI1
Normal - 95% CI
99
Mean -0.2191
StDev 2.354
95 N 27
AD 0.149
90
P-Value 0.959
80
70
Percent
60
50
40
30
20
10
1
-8 -6 -4 -2 0 2 4 6 8
RESI1
Dengan mengambil taraf alfa 0.05 maka p-value>alfa maka tolak ho data berdistribusi normal
3. Homoskedasititas
Residual Plots for Y/banyak bensn yg dihbiskan
Normal Probability Plot Versus Fits
99
4
90
2
Residual
Percent
50
0
10 -2
1 -4
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value
3.6 2
Frequency
Residual
2.4 0
1.2 -2
0.0 -4
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order
Unusual Observations
Y/banyak
X1/jarak bensn yg
Obs tempuh dihbiskan Fit SE Fit Residual St Resid
19 360 21.470 16.838 0.938 4.632 2.09R
1. Autokorelasi
Cov(Ei,Ej)=0(makatidak terjadi auto korelasi)atau durbin-watson dekat ke 2
Setelah dilakukan pengujian terdapat Durbin-Watson statistic = 1.40147
Dengan cara;
Dilakukan penghapusan data yang terdeteksi pencilan tersebut;
1. Linieritas
Normal Probability Plot
(response is Y/banyak bensn yg dihbiskan)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-5.0 -2.5 0.0 2.5 5.0
Residual
2. Normality galat
60
50
40
30
20
10
1
-7.5 -5.0 -2.5 0.0 2.5 5.0
RESI1
90 2
Residual
Percent
50 0
10 -2
1 -4
-5.0 -2.5 0.0 2.5 5.0 10 15 20 25 30
Residual Fitted Value
Residual
2.4 0
1.2 -2
0.0 -4
-3 -2 -1 0 1 2 3 2 4 6 8 10 12 14 16 18 20 22 24 26
Residual Observation Order
4.autokoreasi
Source DF SS MS F P
Regression 1 494.34 494.34 102.92 0.000
Residual Error 24 115.27 4.80
Total 25 609.62
Analysis of Variance
Source DF SS MS F P
Regression 1 481.79 481.79 90.46 0.000
Residual Error 24 127.82 5.33
Total 25 609.62
Analysis of Variance
Source DF SS MS F P
Regression 1 351.06 351.06 32.59 0.000
Residual Error 24 258.56 10.77
Total 25 609.62
Analysis of Variance
Source DF SS MS F P
Regression 1 407.80 407.80 48.50 0.000
Residual Error 24 201.81 8.41
Total 25 609.62
Analysis of Variance
Source DF SS MS F P
Regression 2 494.34 247.17 49.32 0.000
Residual Error 23 115.27 5.01
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
Source DF SS MS F P
Regression 2 505.61 252.81 55.91 0.000
Residual Error 23 104.00 4.52
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X7/transmisi no of 1 11.27
Analysis of Variance
Source DF SS MS F P
Regression 2 494.65 247.33 49.48 0.000
Residual Error 23 114.96 5.00
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X10/berat mobil 1 0.31
Source DF SS MS F P
Regression 2 502.37 251.18 53.87 0.000
Residual Error 23 107.25 4.66
Total 25 609.62
Source DF Seq SS
X3/momen 1 481.79
X7/transmisi no of 1 20.57
Analysis of Variance
Source DF SS MS F P
Regression 2 485.35 242.67 44.92 0.000
Residual Error 23 124.27 5.40
Total 25 609.62
Source DF Seq SS
X3/momen 1 481.79
X10/berat mobil 1 3.55
Analysis of Variance
Source DF SS MS F P
Regression 2 467.93 233.96 37.98 0.000
Residual Error 23 141.69 6.16
Total 25 609.62
Source DF Seq SS
X7/transmisi no of 1 351.06
X10/berat mobil 1 116.87
Analysis of Variance
Source DF SS MS F P
Regression 3 506.25 168.75 35.92 0.000
Residual Error 22 103.37 4.70
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X7/transmisi no of 1 11.90
Source DF SS MS F P
Regression 3 494.66 164.89 31.56 0.000
Residual Error 22 114.96 5.23
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X10/berat mobil 1 0.32
Analysis of Variance
Source DF SS MS F P
Regression 3 506.55 168.85 36.04 0.000
Residual Error 22 103.06 4.68
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X7/transmisi no of 1 11.27
X10/berat mobil 1 0.94
Analysis of Variance
Source DF SS MS F P
Regression 3 505.56 168.52 35.63 0.000
Residual Error 22 104.06 4.73
Total 25 609.62
Source DF Seq SS
X3/momen 1 481.79
X7/transmisi no of 1 20.57
X10/berat mobil 1 3.19
Analysis of Variance
Source DF SS MS F P
Regression 4 507.41 126.85 26.06 0.000
Residual Error 21 102.21 4.87
Total 25 609.62
Source DF Seq SS
X1/jarak tempuh 1 494.34
X3/momen 1 0.00
X7/transmisi no of 1 11.90
X10/berat mobil 1 1.16
X1=5,127
3 X1,X10 79,5% 2,23569 X10=5,127
X3=2,003
4 X3,X7 80,9% 2,15937 X7=2,003
X3=4,401
5 X3,X10 77,8% 2,32442 X10=4,401
X7=1,656
6 X7,X10 74,7% 2,48200 X10=1,656
Cara menafsirkan;
B1 1 X1,X7 81,3%
C2 2 X1,X3,X10 74,5%
D4 1 X1,X3,X7,X10 73,7%