TUGAS 6

MIK623 ANALISIS DAN TEKNIK PEMODELAN

Sebuah penelitian mengenai tekanan darah (hypertension). Ingin diketahui
bagaimana hubungan antara tekanan darah diastolik (blood pressure level) dari
bayi yang baru lahir dan bayi usia kurang dari 1 tahun (infant) apakah
berhubungan dengan tekanan darahnya. Dilihat pengaruhnya dari birthweight and
day of life.

No Sex Birthweight Age Blood

Pressure
oz (days) (mm Hg)
1 Male 135 3 89
2 Female 120 4 90
3 Female 100 3 83
4 Female 105 2 77
5 Male 130 4 92
6 Male 125 5 98
7 Female 125 2 82
8 Female 105 3 85
9 Male 120 5 96
10 Female 90 4 95
11 Male 120 2 80
12 Female 95 3 79
13 Male 120 3 86
14 Male 150 4 97
15 Male 160 3 92
16 Female 125 3 88

Berdasarkan data di atas:

Lakukan pengecekan apakah asumsi analisis regresi terpenuhi ketika anda sudah
membuat model terbaiknya?
Jawab:
Variabel X1 (Independent Variabel): Birthweight
Variabel X2 (Independent Variabel): Age (Day of Life)
Variabel Y (Dependent Variabel): Blood Pressure
1. Uji Normalitas
Ho = Residual Menyebar Normal
Ha = Residual Tidak Menyebar Normal
Hasil grafik Normal P-P Plot dibawah terlihat bahwa residual menyebar disekitar
garis diagonal, sehingga menerima Ho yang artinya data residual terdistribusi
normal dengan tingkat keyakinan 95%

Untuk melihat nilai signifikan apakah data terdistribusi normal, maka dilakukan
uji normalitas dengan melihat nilai signifikan pada shapiro-wilk.
Tabel Test of Normality
Shapiro-Wilk
Statistic df Sig.
Tekanan Darah 0,958 16 0,631

Keputusan: Berdasarkan tabel diatas terlihat bahwa nilai signifikan 0,631

dimana nilai 0,631 > 0,05, yang artinya bahwa Ho gagal ditolak.
Kesimpulan: Karena Ho gagal ditolak artinya data residual menyebar normal
 Keterangan: Pemilihan ini didasarkan pada jumlah sampel yang akan diuji, “bila
sampel >50 digunakan Kolmogorov-Smirnov, bila sampel yang
digunakan <50 digunakan Shapiro-Wilk”. (Dahlan, 2010:48).
2. Uji Heteroskedastisitas
Ho = Varian Sama (Homoskedastisitas)
Ha = Varian Berbeda (Heteroskedastisitas)

Berdasarkan scatterplot diatas terlihat bahwa data tidak membentuk pola tertentu
sehingga dapat disimpulkan bahwa Ho gagal ditolak yang artinya tidak terjadi
heteroskedastisitas atau data varian sama (Homoskedastisitas), sehingga model
regresi yang baik terpenuhi.
3. Uji Multikolinearitas
Ho = Tidak terjadi Multikolinearitas
Ha = Terjadi Multikolinearitas
Coefficientsa
Standardized Collinearity
Unstandardized t Sig.
Model Coefficients Statistics
B Std.Error Beta Tolerance VIF
Constant 53,450 4,532 11,794 0,000
Berat
0,126 0,034 0,352 3,657 0,003 0,989 1,012
Lahir
Umur 5,888 0,680 0,833 8,656 0,000 0,989 1,012

Berdasarkan tabel coefficients terlihat bahwa nilai VIF 1,012, dimana nilai 1,012
< 10 dan nilai Tolerance 0,989, dimana nilai 0,989 > 0,1 maka Ho gagal ditolak,
karena Ho gagal ditolak maka tidak terjadi multikolinearitas dengan tingkat
keyakinan 95%
4. Uji Autokorelasi
Ho = Tidak terjadi Autokorelasi
Ha = Terjadi Autokorelasi
Model Summaryb

Model R R Adjusted R Std. Error of Durbin-

Square Square the Estimate Watson
1 0,939a 0,881 0,863 2,479 2,214

Diketahui:
N = 16
k = 3 (Jumlah parameter dalam model regresi yaitu b0, b1, dan b2)
Durbin Watson = d = 2,214
Berdasarkan tabel durbin Watson dengan α = 5% dengan k = 3 dan N = 16,
diperoleh dL = 0,8572 dan dU = 1,7277
Keputusan: Berdasarkan tabel di atas nilai durbin Watson (DW) adalah 2,214,
dimana nilai DW lebih besar dari nilai dU yaitu 2,214 > 1,7277 atau
 dU < d < 4-dU dimana 1,7277 < 2,214 < 2,2723 yang artinya Ho
gagal ditolak
Kesimpulan: Karena Ho gagal ditolak maka tidak terjadi Autokorelasi