Oleh
Nama : Faisyal
Nim : 125090507111001
Asisten 1 : Windy Antika Antis Watin
Asisten 2 : Faikotur Rohima
LABORATORIUM STATISTIKA
PROGRAM STUDI STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
2014
BAB I
PENDAHULUAN
1.1 Latar Belakang
1
respon Y, yang masing-masing variabel Xi bekerja secara linier dan bebas
sesamanya.
(Anonim, 2012)
dengan :
Yi = variabel respon atau pengamatan ke i pada variabel yang
dijelaskan y
Xi = prediktor atau pengamatan ke i pada variabel penjelas xk
β1… βk = parameter atau koefisien regresi variabel penjelas xk
εi = variabel gangguan atau error
1.3 Tujuan
2
BAB II
KAJIAN PUSTAKA
2.1 Multikolinearitas
4
penanggulangan yang kecil pada masalah multikolinearitas. Oleh karena
itu, kita dapat mengunakan teknik lain yang dapat digunakan untuk
meminimumkan masalah multikolinearitas tanpa harus mengeluarkan
variabel prediktor yang terlibat hubungan kolinear, yaitu dengan metode
Principal Component Analysis (PCA) yang ada dalam analisis faktor.
Prinsip utama dari PCA atau biasa juga disebut dengan regresi
komponen utama ialah skor komponen utama yang diregresikan dengan
peubah respon atau dengan kata lain regresi komponen utama merupakan
analisis regredi dari peubah respon terhadap komponen-komponen utama
yang tidak saling berkorelasi.
5
Wj = Peubah prediktor komponen utama yang merupakan kombinasi
linear dari semua peubah baku Z (j=1,2,…,m),
α0 = konstanta,
αj = koefisien regresi (j=1,2,…,m),
ε = faktor pengganggu,
m = banyaknya komponen utama, m ≤ p.
6
𝛅 = (WTW)-1 WTY (7)
Dimana:
Y = vektor peubah respon (nx1),
X = matrik peubah prediktor (nx(p+1)),
𝛽 = vektor parameter regresi ((p+1)x1),
ε = vektor galat (nx1),
V = matrik (pxp) yang berisi vektor eigen yang telah dinormalisir dari
matrik korelasi XTX yang bersesuaian dengan nilai eigen λ1, λ2,….,λp.
W = (W1, W2,…..,WP) = ZV = matrik komponen utama dari Z(Zij =
(𝑋 𝑖𝑗 − 𝑋 𝑗 )
(Suci, 2014)
𝑉𝑎𝑟 (𝑋 𝑗 )
7
BAB III
METODOLOGI 8
3.1 Mendeteksi Multikolinearitas Menggunakan Software Minitab
4. Pada input column masukan X1, X2, X3, dan X4 dan pada store
results masukan Z1, Z2, Z3 dan Z4. Seperti gambar berikut:
8. Klik storage, pada kolom scores masukan W1, W2, W3 dan W4.
Seperti gambar berikut:
12
10. Tampilan pada session sebagai berikut:
11. Nilai cumulative dari W1 dan W2 sampai > 75% maka bisa
mewakili data yang lain. Sehingga regresikan W1 dan W2 dengan
Y. langkahnya klik Stat – Regressions – Regression Sehingga
muncul berikut:
13
12. Substitusikan nilai W1 dan W2 pada persamaan regresi yang baru.
Sehingga akan dihasilkan persamaan regresi PCA.
13. Mencari mean dan variance. Klik stat => basic statistics => store
descriptive statistics. Sehingga muncul gambar berikut:
Lalu klik ok. Maka pada worksheet maka akan muncul tampilan
berikut:
14
14. Selanjutnya mencari nilai b0, b1, b2 dan b4. Siapin dulu tempat
untuk b0, b1, b2 dan b4 pada worksheet. Klik calc => calculator
maka muncul gambar berikut:
15
16
BAB IV
HASIL DAN PEMBAHASAN
4.1 Permasalahan
4.2 Penyelesaian
17
Dari output minitab terlihat bahwa nilai VIF untuk semua prediktor
yaitu > 10 sehingga mengakibatkan tolak H0 yang berarti terdapat
multikolinearitas pada variabel-variabel prediktornya. Jadi dapat
disimpulkan bahwa sudah cukup bukti untuk mengatakan bahwa
terdapat hubungan atau korelasi antara keempat zat aditif yang
ditambahkan pada poros semen. Maka dalam hal ini variabel-
variabel prediktor memerlukan penanganan yaitu menggunakan
PCA.
18
Sehingga didapatkan nilainya adalah:
20
BAB V
PENUTUP
5.1 Kesimpulan
21
5.2 Saran
22
DAFTAR PUSTAKA
23
24
LAMPIRAN-LAMPIRAN
25
Lampiran 2. Tampilan Hasil Uji Multikolinearitas Menggunakan Minitab
26
27