Disusun oleh :
Fadil Muhammad Aziz
140610160020
Universitas Padjadjaran
Fakultas Matematika dan Ilmu Pengetahuan Alam
Statistika
2017/2018
Brownlee's Stack Loss Plant Data
I. Pendahuluan
Analisis regresi linear sederhana digunakan untuk mencari pola
hubungan fungsional antara variabel X 1 dengan Y , dan X 2 dengan Y ,
Adapun persamaan regresi linear sederhana dinyatakan dengan :
Y a bX (Sudjana, 1992:315)
Pada praktikum kali ini kita akan mencari ;
Taksiran dari 0 , 1 , 2 , 3 .
Bentuk taksiran interval untuk ˆ0 , ˆ1 , ˆ2 , ˆ3 dengan taraf
konfidensi sebesar 90%.
Taksiran interval untuk rata – rata stakloss dari proses yang
memiliki Air.Flow = 60, Water.Temp = 21, Acid.Conc = 86
dengan taraf konfidensi sebesar 90%.
Taksiran interval satu proses yang memiliki Air.Flow = 60,
Water.Temp = 21, Acid.Conc = 86 dengan taraf konfidensi
sebesar 90%.
Derajat determinasi ( R 2 ) dan penaksir ekspalanatori ( R 2 adj )
Data yang digunakan pada praktikum kali ini adalah data yang sudah
tersedia dalam program R yaitu data icecream. Icecream adalah data frame
dengan 30 hasil pengamatan ditiap variabelnya dan memiliki 4 variable
masing – masing adalah price, cons, income, dan temp. Variabel dependen dari
data ini adalah cons sedangankan untuk variabel eksplanatorinya adalah price,
income, dan temp.
II. Pembahasan
Berikut ini adalah data dari sebuah tumbuhan yang mengoksidasi
amonia menjadi asam nitrit.
data=as.matrix(stackloss)
data
Air.Flow Water.Temp Acid.Conc. stack.loss
[1,] 80 27 89 42
[2,] 80 27 88 37
[3,] 75 25 90 37
[4,] 62 24 87 28
[5,] 62 22 87 18
[6,] 62 23 87 18
[7,] 62 24 93 19
[8,] 62 24 93 20
[9,] 58 23 87 15
[10,] 58 18 80 14
[11,] 58 18 89 14
[12,] 58 17 88 13
[13,] 58 18 82 11
[14,] 58 19 93 12
[15,] 50 18 89 8
[16,] 50 18 86 7
[17,] 50 19 72 8
[18,] 50 19 79 8
[19,] 50 20 80 9
[20,] 56 20 82 15
[21,] 70 20 91 15
Taksiran dari 0 , 1 , 2 , 3 .
X=cbind(matrix(1,21,1),data[,-4])
y=data[,4]
btop=(solve(t(X)%*%X))%*%t(X)%*%y
[,1]
-39.9196744
Air.Flow 0.7156402
Water.Temp 1.2952861
Acid.Conc. -0.1521225
H 0 : ˆ0 0
H1 : ˆ0 0
- 60.6140306 0 19.2253183 .
0.4810400 1 0.9502404 .
Taksiran interval untuk 2
Sehingga taksiran interval untuk 2 adalah
0.6550686 2 1.9355036 .
- 0.4240127 3 0.1197676 .
Taksiran interval untuk rata – rata stakloss dari proses yang memiliki
Air.Flow = 60, Water.Temp = 21, Acid.Conc = 86 dengan taraf
konfidensi sebesar 90%.
X0=matrix(c(1,60,21,86),4,1)
y0=t(X0)%*%btop
se_y1=sqrt(sk*t(X0)%*%solve(t(X)%*%X)%*%X0)
bb_y1=y0-se_y1*qt(0.95,17)
ba_y1=y0+se_y1*qt(0.95,17)
bb_y1
[,1]
[1,] 15.90373
ba_y1
[,1]
[1,] 18.37069
Jadi taksiran interval untuk rata – rata stakloss dari proses yang
memilikiAir.Flow = 60, Water.Temp = 21, Acid.Conc = 86
dengan taraf konfidensi sebesar 90% adalah
15.90373 18.37069
Taksiran innterval satu proses yang memiliki Air.Flow = 60,
Water.Temp = 21, Acid.Conc = 86 dengan taraf konfidensi sebesar
90%.
se_y2=sqrt(sk+se_y1^2)
bb_y2=y0-se_y2*qt(0.95,17)
ba_y2=y0+se_y2*qt(0.95,17)
bb_y2
[,1]
[1,] 11.36178
ba_y2
[,1]
[1,] 22.91264
Jadi taksiran interval satu proses yang memiliki Air.Flow = 60,
Water.Temp = 21, Acid.Conc = 86 dengan taraf konfidensi
sebesar 90% adalah 11.36178 Yˆ 22.91264
Derajat determinasi ( R 2 ) dan penaksir ekspalanatori ( R 2 adj )
ytop=X%*%btop
r_2=var(ytop)/var(y)
r_2
[,1]
[1,] 0.9135769
Berarti sebesar 91.35769% variasi dari variabel Y(respon)
dapat diterangkan dengan variabel X(explanatory), sedang
sisanya 0.08654231 dipengaruhi oleh variabel – variabel yang
tidak diketahui atau variabilitasnya inheren
r_2adj=1-(sk/var(y))
r_2adj
[,1]
[1,] 0.8983258
Digunakan untuk mengoptimalkan model regresi, saat variabel
independen yang kita gunakan dalam regresi lebih dari 1 Nilai
determinasi adjusted untuk men-seleksi variabel apa saja “dari
var x” yang paling memberikan kontribusiterhadap perubahan
variabel dependen dalam model regresi.