Daftar Isi................................................................................................................... i
Daftar Tabel ............................................................................................................ ii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 1
1.1 R-Studio .................................................................................................. 1
1.2 Regresi Non-linear .................................................................................. 1
2 Deskripsi Kerja................................................................................................ 3
2.1 Studi Kasus ............................................................................................. 3
2.2 Langkah Kerja ......................................................................................... 4
2.2.1 Membuka Lembar Kerja R-Studio ...................................................... 4
2.2.2 Melakukan Penginputan Data ............................................................. 5
2.2.3 Melakukan Analisis Regresi Linier Sederhana ................................... 6
2.2.4 Menampilkan Analisis Regresi Kuadratik .......................................... 7
2.2.5 Menampilkan Analisis Regresi Kubik ................................................ 7
2.2.6 Membandingkan R-Squared dari Analisis Kuadratik dan Kubik ....... 8
3 Pembahasan ..................................................................................................... 9
3.1 Diagram Plot ........................................................................................... 9
3.2 Analisis Regresi Linier Sederhana ........................................................ 10
3.2.1 Identifikasi dan Estimasi Model........................................................ 10
3.2.2 Uji Overall ........................................................................................ 10
3.3 Analisis Regresi Non Linier .................................................................. 11
3.3.1 Analisis Regresi Kuadratik dan Kubik .............................................. 11
3.3.2 Interpretasi Hasil ............................................................................... 19
4 Penutup.......................................................................................................... 20
4.1 Kesimpulan ........................................................................................... 20
5 Daftar Pustaka ............................................................................................... 21
i
Daftar Tabel
Tabel 2.1. Data Dosis Obat dan Kadar Creatin ...................................................... 3
Tabel 3.1. Tabel Keputusan Uji T ........................................................................ 13
Tabel 3.2. Tabel Keputusan Uji T Tanpa Intercept. ............................................. 15
Tabel 3.3. Tabel Keputusan Uji T ........................................................................ 17
Tabel 3.4. Tabel Keputusan Uji T dengan Menghilangkan b2 ............................. 19
ii
Daftar Gambar
Gambar 2.1. Folder R-Studio ................................................................................. 4
Gambar 2.2. Tampilan Awal R-Studio .................................................................. 4
Gambar 2.3. Syntax untuk Menginputkan Data ..................................................... 5
Gambar 2.4. Pemilihan Data yang akan Diinputkan ............................................. 5
Gambar 2.5. Output Data yang telah Di-input-kan ............................................... 5
Gambar 2.6. Syntax untuk Menampilkan Variabel................................................ 6
Gambar 2.7. Syntax untuk Menampilkan Analisis Regresi Sederhana ................. 6
Gambar 2.8. Syntax untuk Menampilkan Diagram Plot ........................................ 6
Gambar 2.9. Syntax untuk Menampilkan Analisis Kuadratik ............................... 7
Gambar 2.10. Syntax Analisis Kuadratik Apabila Intercept dihilangkan.............. 7
Gambar 2.11. Syntax untuk Menampilkan Analisis Kubik ................................... 7
Gambar 2.12. Syntax Analisis Kuadratik Apabila Intercept dihilangkan.............. 7
Gambar 2.13. Syntax untuk Menampilkan Perbandingan R-Squared ................... 8
Gambar 3.1. Diagram Plot ..................................................................................... 9
Gambar 3.2. Output Summary Regresi Linier Sederhana ................................... 10
Gambar 3.3. Analisis Regresi Kuadratik ............................................................. 11
Gambar 3.4. Analisis Regresi Kuadratik bila Interceptnya dihilangkan ............. 14
Gambar 3.5. Analisis Regresi Kubik ................................................................... 15
Gambar 3.6. Analisis Regresi Kubik agar Signifikan ......................................... 17
Gambar 3.7. Perbandingan Nilai R-squared........................................................ 19
iii
1 Pendahuluan
1.1 R-Studio
R adalah salah satu dari program sumber terbuka yang dapat diunduh gratis
di http://cran.r-project.org/, yang mana situs resminya ada di http://www.r-
project.org/. R pertama kali diciptakan oleh Ross Ihaka dan Robert Gentleman (-
nama R berasal dari huruf pertama nama depan kedua orang ini-), R diluncurkan
pertama kali tahun 1997, dan versi terakhir ketika tulisan ini dibuat adalah 3.0.1.
(Nurmansyah, 2015)
𝛾1 𝛾2 𝛾𝑘
y = 𝛼 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + … + 𝛽𝑘 𝑋𝑘 + ε
1
Meskipun persamaan ini dapat mempresentasikan berbagai keragaman
yang luas, namun ada banyak situasi yang tidak dapat dianalisis oleh model
tersebut. Misalnya, dalam kasus tersedianya informasi yang pasti tentang
hubungan antara peubah respon dan peubah peramal. Informasi seperti itu
mungkin mengandung pengetahuan yang langsung tentang bentuk model yang
sesungguhnya atau mungkin dapat dipresentasikan melalui suatu persamaan
diferensial yang harus dipenuhi oleh model tersebut. Bila informasi membawa
kita pada model nonlinear, biasanya bila mungkin kita lebih suka menggunkannya
daripada mengambil model linear alternatif (hasil diferensial) yang mungkin
kurang realistis
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝛽2 𝑋 2 + 𝛽3 𝑋 3
2
2 Deskripsi Kerja
a. Analisis regresi apakah yang tepat digunakan untuk data tersebut? Alasannya?
b. Lakukan analisis regresi menggunakan jenis analisis regresi yang kalian pilih!
c. Tentukan model terbaik, sertakan alasannya!
3
2.2 Langkah Kerja
Pada bab sebelumnya telah dijelaskan mengenai analisis regresi non linier
kuadratik dan analisis regresi non linier kubik menggunakan program R-Studio.
Untuk lebih memahaminya, praktikan akan memberikan contoh pengerjaan dari
penjelasan diatas. Berikut deskripsi kerja pengaplikasiannya ke dalam aplikasi R-
Studio tersebut.
4
2.2.2 Melakukan Penginputan Data
Praktikan akan menggunakan metode analisis deskriptif, adapun langkah-
langkah dalam melakukan pengujian sampel dengan metode analisis deskriptif
adalah sebagai berikut :
1. Disajikan sebuah data yang terdapat dalam Tabel 2.1, praktikan akan
meng-input-kan data tersebut ke dalam program R-Studio dengan
mengetikkan syntax seperti Gambar 2.3.
5
dan kadar creatin. Selanjutnya, praktikan akan menampilkan isi data pada
dosis obat dan kadar creatin yang syntaxnya dapat dilihat pada Gambar
2.6.
6
2.2.4 Menampilkan Analisis Regresi Kuadratik
1. Praktikan akan mengetikkan syntax untuk menampilkan analisis regresi
kuadratik yang syntax nya dapat dilihat pada Gambar 2.9 setelah itu,
ketikkan “out4” lalu, klik menu run untuk memanggil syntax tersebut.
7
2.2.6 Membandingkan R-Squared dari Analisis Kuadratik dan Kubik
1. Praktikan akan mengetikkan syntax untuk menampilkan perbandingan r-
squared dari analisis kuadratik dan analisi kubik yang syntaxnya dapat
dilihat pada Gambar 2.13.
8
3 Pembahasan
9
3.2 Analisis Regresi Linier Sederhana
10
Karena nilai p-value 0,2577 > 0.05, maka keputusannya gagal tolak H0.
vi). Kesimpulan
Jadi dengan menggunakan tingkat kepercayaan 95% didapatkan bahwa p-
value 0,2577 > 0.05 maka gagal tolak H0 dan model tidak layak digunakan.
Dari output regresi linier sederhana menggunakan R-studio di peroleh p-
value sebesar 0,2577 lebih besar dari alpha 5%. Artinya model tidak layak pada
taraf nyata 5%, model ini lemah dlam pengepasan data dengan R2 = 9,7%. Cara
lain untuk melihat layak atau tidaknya suatu model adalah dengan melihat grafik
dari output tersebut. Terlihat bahwa garis tersebut tidak sesuai dengan pola
sebaran data. Sehingga model linier tidak tepat untuk data tersebut. Pola data
tersebut lebih mirip pola parabola. Maka, akan di uji regresi nonlinier kuadratik
dan kubik untuk menentukan jenis regresi yang cukup baik untuk digunakan.
11
1. Hipotesis
H0 = β1 = β2 = 0 (Model regresi tidak layak digunakan)
H1 = ada minimal satu i dimana βi ≠ 0, dengan (i=1,2) (Model regresi
layak digunakan)
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka tolak
H0.
4. Statistik Uji
p-value = 0,0000124 < α = 0,05
5. Keputusan
Karena p-value < α maka tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% yaitu data yang ada tidak
mendukung H0 yang artinya model regresi layak digunakan.
Uji Parsial
Karena dalam uji overall model regresi layak digunakan maka dalam hal
ini dilanjutkan dengan uji parsial menggunakan uji t. Uji t digunakan untuk
melihat pengaruh variabel independen (Kadar Creatin) dalam menerangkan
variasi variabel dependen (Dosis Obat). berikut adalah interprestasinya :
1. Hipotesis
H0 = βi = 0, dimana (i=0,1) (Koefisien regresi tidak signifikan dalam
model)
H1 = βi ≠ 0, dimana (i=0,1) (Koefisien regresi signifikan dalam model )
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka gagal
tolak H0.
12
4. Statistik Uji
Tabel 3.1. Tabel Keputusan Uji T
5. Keputusan
Berdasarkan nilai p-value dari β0>α didapatkan keputusan gagal tolak H0,
sedangkan pada nilai p-value dari β1 dan β2<α didapatkan keputusan tolak
H0.
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada mendukung H0 yang
berarti bahwa intercept koefisien x tidak signifikan terhadap model
sedangkan koefisien dosis obat dan koefisien dosis obat kuadrat
signifikan terhadap model regresi.
13
Gambar 3.4. Analisis Regresi Kuadratik bila Interceptnya dihilangkan
Dari output pada Gambar 3.4 dapat dilakukan uji F, berikut adalah
interprestasi dari output tersebut :
Uji Overall
1. Hipotesis
H0 = β1 = β2 = 0 (Model regresi tidak layak digunakan)
H1 = ada minimal satu i dimana βi ≠ 0, dengan (i=1,2) (Model regresi
layak digunakan)
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka tolak
H0.
4. Statistik Uji
p-value = 3,789 x 10-12 < α = 0,05
5. Keputusan
Karena p-value < α maka tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% yaitu data yang ada tidak
mendukung H0 yang artinya model regresi layak digunakan.
Uji Parsial
Karena dalam uji overall model regresi layak digunakan maka dalam hal
ini dilanjutkan dengan uji parsial menggunakan uji t. Uji t digunakan untuk
melihat pengaruh variabel independen (Kadar Creatin) dalam menerangkan
variasi variabel dependen (Dosis Obat). berikut adalah interprestasinya :
1. Hipotesis
H0 = βi = 0, dimana (i=0,1) (Koefisien regresi tidak signifikan dalam
model)
H1 = βi ≠ 0, dimana (i=0,1) (Koefisien regresi signifikan dalam model )
2. Tingkat signifikansi
14
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka gagal
tolak H0.
4. Statistik Uji
Tabel 3.2. Tabel Keputusan Uji T Tanpa Intercept.
5. Keputusan
Karena nilai p-valuedari β1 dan β2<α maka tolak H0.
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada tidak mendukung H0
yang berarti bahwa koefisien x signifikan terhadap model regresi.
15
H0 = β1 = β2 = 0 (Model regresi tidak layak digunakan)
H1 = ada minimal satu i dimana βi ≠ 0, dengan (i=1,2) (Model regresi
layak digunakan)
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka tolak
H0.
4. Statistik Uji
p-value = 5,462 x 10-05 < α = 0,05
5. Keputusan
Karena p-value < α maka tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% yaitu data yang ada tidak
mendukung H0 yang artinya model regresi layak digunakan.
Uji Parsial
Karena dalam uji overall model regresi layak digunakan maka dalam hal
ini dilanjutkan dengan uji parsial menggunakan uji t. Uji t digunakan untuk
melihat pengaruh variabel independen (Kadar Creatin) dalam menerangkan
variasi variabel dependen (Dosis Obat). berikut adalah interprestasinya :
1. Hipotesis
H0 = βi = 0, dimana (i=0,1) (Koefisien regresi tidak signifikan dalam
model)
H1 = βi ≠ 0, dimana (i=0,1) (Koefisien regresi signifikan dalam model )
2. Tingkat signifikansi
α=5%
3. Daerah kritis
16
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka gagal
tolak H0.
4. Statistik Uji
Tabel 3.3. Tabel Keputusan Uji T
5. Keputusan
Berdasarkan nilai p-value dari β0<α didapatkan keputusan tolak H0,
sedangkan pada nilai p-value dari β1, β2 dan β3>α didapatkan keputusan
gagal tolak H0.
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada mendukung H0 yang
berarti bahwa intercept koefisien x signifikan terhadap model sedangkan
koefisien dosis obat, koefisien dosis obat kuadrat, dan koefisien dosis obat
kubik tidak signifikan terhadap model regresi.
17
Analisis regresi kubik dilakukan dengan dua tahap yaitu uji overall (uji F)
dan uji parsial (uji t). Dari Gambar 3.7 dapat dilakukan uji overall menggunakan
nilai p-value, uji overall digunakan untuk menguji kelayakan model untuk melihat
apakah variabel independen secara bersama-sama berpengaruh terhadap variabel
dependen, berikut adalah inteprestasinya :
Uji Overall
1. Hipotesis
H0 = β1 = β2 = 0 (Model regresi tidak layak digunakan)
H1 = ada minimal satu i dimana βi ≠ 0, dengan (i=1,2) (Model regresi
layak digunakan)
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka tolak
H0.
4. Statistik Uji
p-value = 7,823 x 10-06 < α = 0,05
5. Keputusan
Karena p-value < α maka tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% yaitu data yang ada tidak
mendukung H0 yang artinya model regresi layak digunakan.
Uji Parsial
Karena dalam uji overall model regresi layak digunakan maka dalam hal
ini dilanjutkan dengan uji parsial menggunakan uji t. Uji t digunakan untuk
melihat pengaruh variabel independen (Kadar Creatin) dalam menerangkan
variasi variabel dependen (Dosis Obat). berikut adalah interprestasinya :
1. Hipotesis
18
H0 = βi = 0, dimana (i=0,1) (Koefisien regresi tidak signifikan dalam
model)
H1 = βi ≠ 0, dimana (i=0,1) (Koefisien regresi signifikan dalam model )
2. Tingkat signifikansi
α=5%
3. Daerah kritis
jika p-value < α maka tolak H0 dan sebaliknya jika p-value > α maka gagal
tolak H0.
4. Statistik Uji
Tabel 3.4. Tabel Keputusan Uji T dengan Menghilangkan b2
5. Keputusan
Berdasarkan nilai p-value dari β0<α didapatkan keputusan tolak H0,
sedangkan pada nilai p-value dari β1 dan β3<α didapatkan keputusan tolak
H0.
6. Kesimpulan
Dengan tingkat kepercayaan 95% data yang ada mendukung H0 yang
berarti bahwa intercept koefisien x, koefisien dosis obat, dan koefisien dosis
obat kubik signifikan terhadap model terhadap model regresi.
19
(β2), dan dosis obat kubik (β3) tidak signifikan terhadap model regresi kubik.
Maka dari itu model yang dipilih adalah model regresi nonlinear kubik dengan
menghilangkan koefisien dosis obat kuadrat (β2), sehingga koefisisen intercept,
dosis obat (β1), dan dosis obat kubik (β3) signifikan terhadap model regresi
kubik.
Pada output Gambar 3.7 terdapat koefisien intercept, dosis obat, dan dosis
obat kubik untuk nilainya dapat dilihat pada kolom estimate. Nilai pada kolom
estimate digunakan untuk mendapatkan persamaan model regresi yaitu:
Y = 6,184734 + 3,816160X + (-0,060582)X 3
Dapat dilihat dari output analisis regresi kubik tanpa dosis obat kuadrat
pada Gambar 3.7 terdapat nilai multiple R-squared (R2) sebesar 0,8591, yang
mempunyai arti bahwa variabel kadar creatin (X)mampu menjelaskan 85,91%
variasi variabel dosis obat (Y), sedangkan 14,09% sisanya dijelaskan oleh variabel
lain.
4 Penutup
4.1 Kesimpulan
1. Analisis regresi yang tepat untuk digunakan pada data dosis obat dan
kadar creatin adalah analisis regresi nonlinear kubik.
2. Berdasarkan hasil analisis regresi nonlinear kubik yang didapatkan
melalui uji F dilanjutkan dengan uji t, dosis obat dipengaruhi oleh kadar
creatin.
3. Nilai multiple R-squared (R2) pada output analisis regresi kubik adalah
sebesar 0,8591 yang mempunyai arti bahwa variabel kadar creatin
mampu menjelaskan 85,91% variasi variabel dosis obat, sedangkan
14,09% sisanya dijelaskan oleh variabel lain. Model regresi yang
20
didapatkan adalah Y = 6,184734 + 3,816160X + (-0,060582)X 3, dimana
X adalah variabel dosis obat dan Y adalah variabel kadar cratin.
5 Daftar Pustaka
Draper, N., & Smith, H. (1998). Applied Regression Analysis. 3th Edition. New
York: Wiley.
Hosmer, D. W., & Lemeshow, S. (2000). Applied Logistic Regression. New York:
John Wiley & Sons, Inc.
Nurmansyah. 2015. R Bahasa Pemrograman untuk analisis data dan Statistik..
Diakses pada tanggal 24 Juni pukul 12.08
21
dari :
https://www.kompasiana.com/nurmansyah/552fab4f6ea8349b138b456f/r-
bahasa-pemrograman-untuk-analisis-data-dan-statistik
Purwaningsih Tuti dan Utari Dina Tri. 2017. Modul Praktikum Analisis Regresi
Terapan. Yogyakarta : Universitas Islam Indonesia.
22