PENDAHULUAN
1.2 Tujuan
Adapun tujuan dari praktikum ini adalah:
1. Mahasiswa mengerti dan memahami teori tentang penanganan
pelanggaran asumsi non multikolinieritas dengan menggunakan
regresi komponen utama (Principal Component Analysis).
2. Mahasiswa mampu menggunakan software Minitab untuk
menyelesaikan persoalan dalam mengatasi pelanggaran asumsi non
multikolinieritas dengan menggunakan regresi komponen utama
(Principal Component Analysis).
3. Mahasiswa mampu menginterpretasi hasil analisis software
Minitab.
1
2
BAB II
METODOLOGI
2. Setelah tampil lembar kerja dari Minitab, copy data ke kolom lembar
kerja.
3
4. Pada kolom Regression, isi variabel Y pada kolom Responses dan isi
semua variabel prediktor pada kolom Continous predictors. Kemudian
pilih menu Storage untuk menampilkan hasil koefisien regresi pada
kolom lembar kerja Minitab dan centang Coefficients.
6. Untuk mencari nilai PCA dan Omega, pilih menu Stat Multivariate
Principal Components.
4
7. Pada kolom Principal Components Analysis isi kolom Variables isi
dengan nilai hasil Standardize (Z1,Z2 dan Z3). Kemudian pilih Storage,
isi Coefficients dan Scores dengan kolom pada lembar kerja yang masih
kosong untuk menempatkan nilai PCA dan Omega.
8. Meregresikan PCA yang memiliki nilai eigen value > 1 dengan variabel
respon, dengan cara pilih menu Stat Regression Fit Regression
Model. Pada kolom Regression isi kolom Responses dengan variabel Y
dan kolom Continous predictors dengan W1.
5
10. Pada kolom Display Descriptive Statistics isi kolom Variables dengan
semua variabel prediktor (X1, X2 dan X3). Kemudian pilih menu
Statistics dan centang Mean serta Standard deviation.
6
BAB III
HASIL DAN PEMBAHASAN
4.1 Soal
Keterangan :
Y = Jumlah Uang Beredar
X1 = Pengeluaran Pemerintah
X2 = Gross Domestik Product (GDP)
X3 = Impor Barang
Tahun Y X1 X2 X3
1983 21469 585 75832 185
1984 18385 412 62665 200
1985 23417 766 86554 466
1986 28661 971 93638 471
1987 35885 1075 113718 575
1988 42998 1304 134105 804
1989 54704 1829 156851 1329
1990 86470 2495 198597 1995
1991 97105 2771 228450 2271
1992 118053 3554 269884 3054
1993 145303 3744 287976 3244
1994 186514 4504 372221 4004
1995 224368 4960 456381 4460
1996 366534 5955 557659 5455
1997 178120 2945 283782 2445
7
4.2 Hasil dan Interpretasi
4.2.1 Uji Asumsi Non Multikolinieritas
Term Coef SE Coef T-Value P-Value VIF
Constant -29776 28693 -1.04 0.322
X1 -62.7 63.2 -0.99 0.342 511.13
X2 1.063 0.204 5.21 0.000 38.75
X3 27.7 67.7 0.41 0.691 556.46
Dari output terlihat nilai VIF dari seluruh variabel prediktor (X1,
X2 dan X3) > 10 maka persamaan awal regresi ini tidak memenuhi
asumsi non multikolinieritas. Maka dari itu dilakukan penangan
dengan menggunakan regresi ridge.
Y = 108532 + 54676 W1
= 108532 + 54676(0.579055Z1 + 0.575713Z2
+ 0.578279Z3 )
= 108532 + 31605.74Z1 + 31477.68Z2
+ 31617.98Z3
Dari hasil substitusi didapatkan :
β̂PCA (k)
β̂0,PCA = 108532
β̂1,PCA = 31605.74
β̂2,PCA = 31477.68
β̂3,PCA = 31617.98
̂1R .x̅1
β ̂2R .x̅2
β ̂3R .x̅3
β ̂4R .x̅4
β
β0 ̂ 0R
=β + + + +
S1 S2 S3 S4
(31605.74)x(2525 ) (31477.68)x(225221 )
=108532 + + +
(1736) (147922)
(31617.98)x(2064 )
(1691)
= 108532 + 45970.32 + 47926.85 + 38592.26
= 241021.4
̂1PCA
β
β1
31605.74
= = = 18.20607
S1 1736
̂2PCA
β
β2
31477.68
= = = 0.212799
S2 147922
̂1PCA
β 31617.98
β3 = = = 18.6978
S3 1691
9
Jadi, model regresi komponen utama yang diperoleh adalah:
Y ̂ = β̂0 + β̂1 X1 + β̂2 X2 + β̂3 X3
Y ̂ = 241021.4 + 18.20607X ̂1 + 0.212799X
̂ 2 + 18.6978X
̂3
10
BAB IV
PENUTUP
5.1 Kesimpulan
5.2 Saran
Dengan adanya program Minitab ini diharapkan mahasiswa
maupun masyarakat lain dapat menggunakannya secara baik dan
optimal. Sebaiknya, mahasiswa memahami secara baik pengoperasian
dan pengaplikasian Minitab khususnya mahasiswa jurusan Statistika.
Selain itu perlu adanya ketelitian agar tidak salah menggunakannya /
menghitungnya.
11
Dengan demikian, Statistika khususnya mengenai penanganan
pelanggaran asumsi non multikolinieritas dengan regresi komponen
utama dapat dipahami mahasiswa dan diterapkan diberbagai bidang
secara lebih baik dan efektif serta lebih bermanfaat lagi bagi
masyarakat.
12
LAMPIRAN
13