Nama : Zaahin Nadhifah

NIM : 170311611589
Latihan Soal
Data berikut dikumpulkan untuk hubungan antara panjang bayi. jenis kelamin. umur. dan
berat waktu lahir.
Panjang bayi. Jenis Kelamin. Umur. Bobot lahir.
Y (cm) X1 X2 (hari) X3 (kg)
57.5 P 78 2.75
52.8 P 69 2.15
61.3 P 77 4.41
67.0 P 88 5.52
53.5 L 67 3.21
62.7 L 80 4.32
56.2 P 74 2.31
68.5 L 94 4.30
69.2 L 102 3.71

Pertanyaan:
1. Bagaimana hasil analisis korelasi antar variabel?
Jawab :
Berikut tabel nilai korelasi antar variabel

Correlations
Jenis
Panjang Kelamin
Bayi (Y) (X1) Umur (X2)
Jenis Kelamin (X1) 0.376    
Umur (X2) 0.947 0.389  
Bobot (X3) 0.761 0.215 0.534

 Berdasarkan tabel diatas nilai korelasi variabel X1 terhadap Y adalah 0,376

artinya masih jauh terhadap 1 sehingga jenis kelamin tidak terlalu mempengaruhi
panjang bayi
 Nilai korelasi X2 terhadap Y adalah 0,947 dan mendekati 1 artinya umur bayi
mempengaruhi panjang bayi
 Nilai korelasi X2 terhadap X1 adalah 0,389 sehingga nilainya kecil maka umur
bayi dan jenis kelamin bayi tidak terlalu berpengaruh atau berpengaruh kecil
 Nilai korelasi X3 terhadap Y adalah 0,761artinya bahwa bobot bayi cukup
mempengarui panjang bayi namun tidak berpengaruh besar
 Nilai korelasi X3 terhadap X1 adalah 0,215 sehingga bobot bayi dengan jenis
kelamin bayi tidak saling berpengaruh
 Nilai korelasi X3 terhadap X2 adalah 0,534 sehingga bobot bayi dengan umur
bayi tidak saling berpengaruh
2. Lakukan analisis regresi pada data di atas. bagaimanakah interpretasi dari model
regresi dan grafik yang dihasilkan ? (menggunakan minitab)
Jawab :

Regression Equation
Jenis
Kelamin
(X1)
0 Panjang Bayi (Y) = 20.17 + 0.4125 Umur (X2)
+ 2.025 Bobot (X3)
       
1 Panjang Bayi (Y) = 20.23 + 0.4125 Umur (X2)
+ 2.025 Bobot (X3)

3. Bagaimana pengujian kecocokan model regresi linier berganda dengan Uji F?

Jawab :
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Regression 3 317.463 105.821 140.08 0.000
  Umur (X2) 1 116.285 116.285 153.93 0.000
  Bobot (X3) 1 29.296 29.296 38.78 0.002
  Jenis Kelamin (X1) 1 0.007 0.007 0.01 0.925
Error 5 3.777 0.755    
Total 8 321.240      

Kita dapat lihat dari tabel analysis of variance diatas, diketahui dari tabel tersebut
nilai F-hitung regresinya adalah 140.08. Kemudian untuk menentukan F-tabel kita
bisa langsung melihat dari nilai P-value , dimana nilai P-value yaitu 0,000 yang
artinya P-value (0,000) < α (0,05) bertarti F-hitung > F-tabel. Maka model regresi ini
 adalah berarti atau signifikan dengan kata lain data mendukung bahwa terdapat
hubungan antara variabel bebas dengan variabel terikatnya.

4. Bagaimana pengujian signifikasi koefisien model regresi regresi linier berganda

dengan Uji T?
Jawab:
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 20.17 2.26 8.91 0.000  
Umur (X2) 0.4125 0.0333 12.41 0.000 1.57
Bobot (X3) 2.025 0.325 6.23 0.002 1.40
Jenis Kelamin (X1)          
 1 0.062 0.633 0.10 0.925 1.18

Untuk melakukan uji ini kita bisa lihat dari tabel coefisien diatas, diketahui bahwa
nilai mutlak dari T-value adalah lebih dari 2, atau P value (0,000) < α (0,05) yang
berarti koefisien regresinya adalah berarti atau signifikan, dengan kata lain variabel
bebas berpengaruh terhadap variabel terikat.

5. Bagaimana hasil pengujian asumsi dari model regresi regresi linier berganda yang
kalian peroleh?
Jawab :
a. Uji Normal Residual

Diketahui dari data diatas nilai P-value = 0,135 sehinga P-value (0,135) > (0,05) ,
artinya memenuhi asumsi kenormalan sisaa, sehingga residual berdistribusi
normal. Atau dapat dilihat pada hasil grafiknya yaitu setiap plot data residualnya
mendekati garis normal (garis merah).
 b. Uji Homogenitas

Terlihat bahwa datanya berada diantar -2 dan 2, maka dapat dikatakan residual
atau sisa berada dalam sebaran sehingga mempunyai keragaman yang tetap
(homogen)
c. Uji Kebebasan Residual
Untuk uji ini kita menggunakan autokorelasi

Terlihat tidak ada garis biru yang melebihi garis merah, sehingga dapat dikatakan
residual saling bebas atau tidak ada korelasi antar residual / sisa.
Kesimpulan :
Dari ketiga uji asumsi diatas model regresi sudah memenuhi ketiga uji asumsi

6. Apakah ada kasus multikolinieritas? Jelaskan!

Jawab :
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 20.17 2.26 8.91 0.000  
Umur (X2) 0.4125 0.0333 12.41 0.000 1.57
Bobot (X3) 2.025 0.325 6.23 0.002 1.40
Jenis Kelamin (X1)          
 1 0.062 0.633 0.10 0.925 1.18

Berdasarkan tabel diatas nilai VIF kurang dari 10 sehingga tidak ada
multikolinieritas pada variabel bebasnya.
7. Berapa Besar Koefisien determinasinya?
Model Summary
S R-sq R-sq(adj) R-sq(pred)
0.869156 98.82% 98.12% 94.20%

Berdasarkan tabel diatas didapatkan besar koefisien determinasinya adalah 98,12%.

Disini nilai yang digunakan adalah R-sq (adj).