Tugas Statistika Nur Salsabila Risky B2019
Tugas Statistika Nur Salsabila Risky B2019
Deskripsi Data
Tugas ini bertujuan untuk mengetahui pengaruh Brithweight (X1),
Headcirc (X2), Gestation (X3), mage (X4), mnocig (X5), mheight (X6),
mppwt (X7), fage (X8), fedyrs (X9), fnocig( X10) dan fheight (X11)
terhadap lenght (Y) di mana data ini mengandung informasi sebegai
berikut:
Variabel Deskripsi
Variabel yang mengandung informasi tentang
Lenght (tinggi bayi) dalam satuan centimeter
Lenght (Y) yang baru lahir . Ini adalah variabel respon
(variabel terikat / dependen) yang selanjutnya
akan diprediksi menggunakan prediktornya
(variabel bebas /
independen).
Variabel yang mengandung informasi tentang
Brithweight (X1) pengaruh Berat bayi (Brithweight) (dalam satuan
kilogram terhadap tinggi bayi yang baru lahir
Variabel yang mengandung informasi tentang
headcirc (X2) pengaruh lingkar kepala (headcirc) terhadap
tinggi bayi yang baru lahir.
Variabel yang mengandung informasi tentang
Gestation (X3) pengaruh Kehamilan (Gestation) (dalam satuan
celcius) terhadap tinggi bayi yang baru lahir.
Variabel yang mengandung informasi tentang
Mage (X4) pengaruh Usia ibu (Mage) terhadap tinggi bayi
baru lahir.
Variabel yang mengandung informasi tentang
Pengaruh jumlah batang rokok yang dihisap ibu
mnocig (X5) perhari (mnocig) terhadap tinggi bayi yang baru
lahir.
mheight (X6) Variabel yang mengandung informasi tentang
pengaruh tinngi ibu (mheight) dalam satuan
centimeter terhadap tinggi bayi yang baru lahir.
mppt (X7) Variabel yang mengandung informasi tentang
pengaruh berat badan ibu sebelum hamil (mppt)
dalam satuan kilogram terhadap tinggi bayi
yang baru lahir.
fage (X8) Variabel yang mengandung informasi tentang
pengaruh usia ayah terhadap tinggi bayi yang
baru lahir
fedyrs (X9) Variabel yang mengandung informasi tenang
pengaruh masa studi ayah (fedyrs) terhadap
tinggi bayi yang baru lahir
fnocig( X10) Variabel yang mengandung informasi tentang
pengaruh jumlah batang rokok yang dihisap ayah
perhari (fnocig) terhadap
fheight (X11) Variabel yang diasumsikan dalam benutk
peluang (0-1) di mana variabel ini mengandung
informasi tentang peluang responden terhadap
tinggi ayah (fheight) (dalam satuan cenimeter)
terhadap tinggi bayi. Nilai yang mendekati 1
artinya peluang responden diamati pada tinggi
ayah tinggi.
(dependent) dengan dua atau lebih variabel bebas (independent) (Uyanik &
Guler, 2013). Sehingga untuk melakukan prediksi pada Lenght (Tinggi Bayi)
regresi yang baik adalah distribusi datanya normal atau mendekati normal.
Jika data tidak berdistribusi normal, maka perlu dilakukan transformasi data
terlebih dahulu. Selanjutnya, model regresi yang baik adalah model regresi
a. Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah
sebuah data berdistribusi normal atau tidak untuk model asumsi
regresinya. Dasar pengambilan keputusan uji normalitas dengan grafik Q-
Q PLOT yaitu data dikatakan normal apabila data menyebar disekitar
garis diagonal dan sebaliknya data dikatakan tidak berdistribusi normal
jika data menyebar jauh dari arah garis atau tidak mengikuti garis
diagonal. Hasil uji Normalitas dapat dilihat pada Gambar 1.1 berikut:
Gambar 1.1 Plot Standarisasi Residu
Berdasarkan Gambar 1.1 diatas menunjukkan bahwa data residual model
b. Uji multikolinieritas
Multikolinieritas menunjukkan adanya korelasi (hubungan) yang
kuat antar variabel bebas dalam model regresi. Pendeteksian ada atau
tidaknya multikolinieritas dilakukan dengan melihat nilai tolerance dan nilai
VIF. Apabila nilai tolerance > 0,10 dan nilai VIF < 10, maka model regresi
bebas dari multikolinieritas.
Collinearity Statistics
Variabe
Tolerance VIF
l
artinya nilai tolerance > 0,10. Kemudian nilai VIF dari semua variabel
c. Uji Heteroskedastisitas
d. Uji Autokorelasi
Jika nilai p.value > 0.05, maka data tidak mengalami gejala
autokorelasi. Sedangkan jika nilai p.value < 0.05, maka data
mengalami gelaja autokorelasi.
Durbin-Watson
Mode
Autocorrelation Statistic p
l
H₁ -0.186 2.312 0.426
Beradasarkan tabel 1,5 terlihat bahwa nilai p.value > 0,05, sehingga
(X1), Headcirc (X2), Gestation (X3), Mage (X4), mnocig (X5), mheight (X6),
mppwt (X7), fage (X8), fedyrs (X9), fnocig (X10), fheight (X11) terhadap Length
Tabel 1.5
Collinearity Statistics
Birthweight (X1), Headcirc (X2), Gestatiom (X3), Mage (X4), mnocig (X5),
mheight (X6), mpptw (X7) , fage (X8), fedyrs (X9), fnocig (X10), fheight
headcirc (X2) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
gestatation (X3) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
e. Koefisien regresi mage (X4) sebesar 0.060 menyatakan bahwa apabila mage
(X4) meningkat sebesar 1 satuan maka akan menurunkan length (Y) sebesar
mnocig (X5) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
sebesar 0.020 cm, begitupun sebaliknya apabila mnocig (X5) menurun sebesar
mheight (X6) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
mpptw (X7) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
sebesar 0.028 cm, begitupun sebaliknya apabila mpptw (X7) menurun sebesar
i. Koefisien regresi fage (X8) sebesar –0.020 menyatakan bahwa apabila fage
(X8) meningkat sebesar 1 satuan maka akan menurunkan length (Y) sebesar
j. Koefisien regresi fedyrs X9) sebesar –0.010 menyatakan bahwa apabila fedyrs
(X9) meningkat sebesar 1 satuan maka akan menurunkan length (Y) sebesar
0.010 cm, begitupun sebaliknya apabila fedyrs (X9) menurun sebesar 1 satuan
k. Koefisien regresi fnocig (X10) sebesar 0.016 menyatakan bahwa apabila fnocig
(X10) meningkat sebesar 1 satuan maka akan menurunkan length (Y) sebesar
0.016 cm, begitupun sebaliknya apabila fnocig (X10) menurun sebesar 1 satuan
fheight (X11) meningkat sebesar 1 satuan maka akan menurunkan length (Y)
sebesar 1.003 cm, begitupun sebaliknya apabila fheight (X11) menurun sebesar
3. Pembuktian Hipotesis
a. Uji F Simultan
Setelah semua syarat untuk ditelitinya suatu model regresi terpenuhi
hipotesis yang diajukan yaitu dengan melakukan uji simultan (uji F) dan uji
0.83
0.693 0.580 1.901
2