B12 - Regresi Dan Korelasi PDF
B12 - Regresi Dan Korelasi PDF
STATISTIKA INDUSRI II
MODUL REGRESI & KORELASI
LABORATORIUM SIOP
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
2019
MODUL IV
UJI REGRESI DAN KORELASI
4.1 Tujuan Penugasan
1. Mengetahui besarnya pengaruh variabel bebas (independen) terhadap perubahan
variabel terikat (dependen) dalam bentuk koefisien regresi.
2. Menggambarkan hubungan pengaruh variabel bebas (independen) terhadap variabel
terikat (dependen).
3. Mengetahui besarnya persentase pengaruh variabel bebas (independen) terhadap
variabel terikat (dependen) dalam bentuk koefisien determinasi.
4. Menentukan atau memprediksi nilai variabel terikat (dependen).
Harga b sebagai koefisien regresi atau sebagai koefisien arah garis regresi.
Σy Σx 958 202
a= -b = - (-0,0849) = 46,875
n n 30 30
(958)2 (202)2
= 32716 - - (- 0,0849)2 (1414 – ) = 2123,48
30 30
Sb = √1,231 = 1,10991
α
Dengan tingkat kepercayaan 95% berarti (1 – α) → α = 5% = 0,05 → 2 = 0,025
b - t 𝛼 √S2b ≤ B ≤ b + t𝛼 √S2b
2 2
958 (202)2
= 32716 - - (- 0,0849)2 (1414 - )
30 30
= 34034
∑ e2 34034
Se2 = n - 2i = = 1215,5
28
∑x - x̄)2 = 53,867
1 x̄2 1 (6,733)2
Sa2 = Se2 (n + 2 = 75,8385 (30 + ) = 66,3587
∑(xi - x̄) 53,867
Sa =√66,3587 = 8,14608
Se 2 66,3587
Sb2 = 2 = = 1,231
∑(xi - x̄) 53,867
Sb = √1,231 = 1,10991
b b - 0,0849
Thitung = = = 1,10991 = - 1,9990
1
√S2e ( ) √S2b
∑(xi - x̄)2
c. Tingkat Signifikansi α
Pada tingkat signifikansi α = 5% → α = 0,05
Karen bentuk uji hipotesis satu sisi kanan, maka dari table t pada α = 0,05 dan
derajat kebebasan (dk) = (30 – 2) maka bata penerimaan dan penolakan:
tα(n - 2)= t0,05 (30 – 2) = 2,048
2
d. Keputusan
2,048
Karena harga Thitung = - 1,9990 < Ttabel = 2,048 maka hipotesis adalah H0 diterima,
artinya Ha ditolak sehingga usia mesin tidak memengaruhi cacat genteng.
3. Harga Koefisien Determinasi
Harga koefisien determinasi adalah r2 = (- 0,35342) = 0,12489 yang menunjukkan
persentase pengaruh usia mesin terhadap penambahan cacat genteng sebesar 12,489%,
artinya masih ada 87,5109% factor lain yang berpengaruh terhadap penambahan cacat
genteng.
b. Mengisi data pada data view, kemudian klik Analyze > Regresion > Linear.
d. Memberi tanda centang pada kotak dialog Save pada Menu Unstandardized,
kemudian klik Continue. Lalu klik OK.
e. Maka tampilan di Data View akan berubah menjadi seperti gambar di bawah ini,
terdapat tambahan satu variabel residual.
f. Mengklik Analyze > Nonparametric Test > Legacy Dialogs > 1-Sample K - S.
g. Memindahkan variabel residual pada kolom Test Variabel List, kemudian memberi
tanda centang pada menu Normal, kemudian klik OK.
2. Uji Autokorelasi
a. Menguji asumsi Autokorelasi dengan mengklik Analyze > Regresion > Linear.
b. Memindahkan variabel Usia_Mesin (y) ke kolom Dependent dan variabel
Cacat_Genteng (x) ke kolom Independent. Kemudian mengklik Statistics.
b. Memilih menu Analyze > Regresion > Linear (untuk uji regresi secara linear).
c. Memasukkan variabel x ke kolom Independent dan variabel y ke kolom dependent.
5. Uji Asumsi dalam Regresi Linear Berganda (Uji Normalitas Residual, Uji
Heteroskedastisitas, Uji Multikolinearitas, dan Uji Autokorelasi)
a. Uji Normalitas Residual
1) Mengisi variable view, kemudian mengganti measure menjadi scale.
2) Mengisi data pada Data View, kemudian mengklik Analyze > Regresion >
Linear.
3) Memasukkan variabel Cacat_Genteng pada kolom Dependent dan variabel
Suhu_Lingkungan, Usia_Mesin, dan Jumlah_Air pada kolom Independent
kemudian klik Save.
4) Memberi tanda centang pada kotak dialog Save pada Menu Unstandardized,
kemudian mengklik Continue. Lalu mengklik OK.
5) Tampilan pada Data View akan berubah seperti gambar di bawah ini, terdapat
tambahan satu variabel residual yang digunakan menguji normalitas residual.
6) Mengklik Analyze > Nonparamtric Test > Legacy Dialogs > 1 - Sample K - S.
7) Memindahkan variabel residual pada kolom Test Variabel List, kemudian
memberi tanda centang pada Menu Normal, kemudian mengklik OK.
b. Uji Heteroskedastisitas
1) Mengklik Transform > Compute Variable.
2) Pada Target Variable mengetik ABS_RES, pada Numeric Expression mengetik
ABS(RES_1), kemudian mengklik OK.
4) Melakukan korelasi Spearmans Rho dengan mengklik Analyze > Correlate >
Bivariate.
c. Uji Multikolinearitas
1) Mengisi data pada Data View, kemudian mengklik Analyze > Regresion >
Linear.
d. Uji Autokorelasi
1) Kemudian menguji asumsi berikutnya, yaitu Autokorelasi dengan cara
mengklik Analyze > Regresion > Linear.
2) Memindahkan variabel Y pada kolom Dependent dan variabel x ke kolom
Independent. Kemudian mengklik Statistics.
b. Memilih menu Analyze > Regression > Linear (untuk uji regresi secara linear).
Masukkan variabel X ke dalam kolom independent dan variabel Y ke dalam kolom
dependen.
c. Selanjutnya pilih kolom Options. Isi nilai probabilitas sesuai dengan yang
diinginkan, dalam kasus ini nilai probabilitas sebesar 0,05. Checklist Include
Constant in Equation dan Exclude Cases Listwise.
d. Memilih kolom Statistics. Checklist Estimates, Confidence Interval (dan pastikan
bahwa levelnya adalah 95%), Model fit dan Casewise diagnostics serta pilih All
Cases.
Nilai Asymp. Sig (2-tailed) yang berarti nilai Signifikansi adalah 0,200 > 0,05, maka
data residual berdistribusi normal.
2. Uji Regresi Linear Sederhana
a. Coefficients
Chart diatas merupakan Normal Probability Plot yang menunjukkan uji normalitas
data yang digunakan sudah terpenuhi atau belum. Data pada chart di atas tersebar
di sekeliling garis lurus tersebut (tidak terpencar jauh dari garis lurus), artinya
persyaratan Normalitas bisa dipenuhi.
c. Tabel ANOVA
Tabel ANOVA menunjukkan apakah sebuah model regresi bisa digunakan untuk
melakukan sebuah prediksi atau tidak. Dari uji ANOVA atau F Test diatas, Fhitung
adalah 3,996 dengan tingkat signifikansi 0,055. Oleh karena probabilitas (0,055) >
0,05 maka model regresi tidak bisa digunakan untuk memprediksi cacat genteng.
d. Model Summary
Output Model Summary menunjukkan nilai R sebagai penjelas seberapa besar
sebuah variabel memengaruhi variabel lainnya. Angka Rsquare pada tabel di atas
adalah 0,124 yang merupakan pengkuadratan dari koefisien korelasi (0,352 × 0,352
= 0,125). Rsquare disebut koefisien determinasi (R2), berarti 12,5% dari variasi
tambahan pendapatan bisa dijelaskan oleh variabel biaya promosi. Sementara
sisanya (100% - 12,5% = 87,5%) karena sebab yang lain. Rsquare berkisar pada
angka 0 sampai 1, semakin kecil Rsquare maka semakin lemah hubungan kedua
variabel.
3. Uji Korelasi Linear Sederhana
4. Uji Asumsi dalam Regresi Linear Berganda (Uji Normalitas Residual, Uji
Heteroskedastisitas, Uji Multikolinearitas, dan Uji Autokorelasi)
a. Uji Normalitas Residual
b. Uji Heteroskedastisitas
Nilai tolerance sebesar 0,959, 0,999 dan 0,960 dan nilai VIF sebesar 1,043, 1,001
dam 1,042. Sehingga dapat disimpulkan bahwa pengujian ini tidak terjadi masalah
multikolinearitas karena Tolerance > 0,1 dan VIF < 10.
d. Uji Autokorelasi
Besar hubungan antara variabel cacat genteng dengan suhu lingkungan yang di
hitungan dengan koefisien korelasi adalah -0,200, sedangkan dengan usia mesin
dengan koefisien korelasi adalah 1 dan jumlah air dengan koefisien korelasi adalah
0,019. Karena korelasi yang oaling besar nilainya adalah usia mesin maka yang
paling berpengaruh terhadap cacat genteng.
d. Model Summary
Nilai R square pada table adalah 0,0221. Hal tersebut berarti 2,21% dari variasi
cacat genteng bias di jelaskan oleh suhu lingkungan, usia mesin dan jumlah air.
Sementara sisanya (100%- 2,21% = 97,79%) dijelaskan oleh sebab-sebab yang
lain. R square berkisar pada angka 0 sampai 1, dengan catatan semakin kecil angka
R square maka semakin lemah hubungan kedua variabel.
6. Uji Korelasi Linear Berganda
4.7 Rekomendasi
1. Uji Regresi dan Korelasi Linear Sederhana
2. Uji Regresi dan Korelasi Linear Berganda
4.8 Kesimpulan
1. Uji Regresi dan Korelasi Linear Sederhana
Persamaan regresi linear sederhana yaitu Y = 46,875 - 2,2190 x dengan nilai koefisien
korelasi 0,3534 yaitu sangat tinggi.
2. Uji Regresi dan Korelasi Linear Berganda
Persamaan regresi linear berganda antara perhitungan manual dan SPSS sudah sama
yaitu Y = 46,813 + 0,316 x1 - 2,154 x2 - 0,272 x3, begitu pula dengan nilai koefisien
korelasi antara suhu lingkungan dan cacat genteng pada perhitungan SPSS, yaitu
sebesar - 0,031 yang berarti hubungan korelasinya rendah. Koefisien korelasi antara
jumlah air dan cacat genteng yaitu sebesar - 0,200 yang berarti hubungan korelasinya
rendah. Koefisien korelasi antara jumlah air dan cacat genteng yaitu sebesar 0,071 yang
berarti hubungan korelasinya tinggi.
Daftar Pustaka
Permai, Syarifah & Jauri, Ronald & Chowanda, Andry. (2019). Spatial autoregressive (SAR)
model for average expenditure of Papua Province. Procedia Computer Science. 157. 537-
542. 10.1016/j.procs.2019.09.011.
Permai, Syarifah & Tanty, Heruna. (2018). Linear regression model using bayesian approach
for energy performance of residential building. Procedia Computer Science. 135. 671-
677. 10.1016/j.procs.2018.08.219.
Pudjihartati, Endang & Ilyas, Satriyas & Sudarsono, S.. (2006). Aktivitas Pembentukan secara
Cepat Spesies Oksigen Aktif, Peroksidase, dan Kandungan Lignin Kacang Tanah
Terinfeksi Sclerotium rolfsii. HAYATI Journal of Biosciences. 13. 166-172.
10.1016/S1978-3019(16)30313-8.