TUGAS 1

Regresi Nonparametrik

Oleh
PUTU SUMARIANI PRATIWI (1917141026)
STATISTIKA 2019 KELAS B/02

PRODI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU

PENGETAHUAN ALAM UNIVERSITAS NEGERI MAKASSAR TAHUN
2020/2021
 Diberikan data produksi billet (dalam kg) merupakan produk besi batangan dari suatu
perusahaan besi baja. Produksi billet (y) dipengaruhi oleh variable independent yaitu SCRAP(x)
yang merupakan bahan baku (dalam kg) untuk produksi billet. Diambil sampel random sebanyak
64 produksi billet selama satu minggu. Berdasarkan data produksi tersebut ingin diestimasi model
pola hubungan antara produksi billet dengan variable independen SCRAP.

1. Buat plot data (xi, yi), I = 1,2,….,n

Membuat plot diatas dengan software R studio

Dari tampilan plot diatas dapat diperoleh informasi mengenai kasus ini, bahwa produksi
billet (dalam kg) adalah model regresi linier sederhana dengan bentuk plot line lurus dengan satu
variable independent yaitu SCRAP (bahan baku).

2. Berikan alasan mengapa anda menggunakan pendekatan regresi linier sederhana ?

Jawaban :
 Metote ini digunakan dikarenakan kasus ini hanya memiliki satu variable independent
(SCRAP) yang merupakan bahan baku yang menjadi variable pengaruh dari variable
dependent/produksi billet.

3. Dapatkan penduga untuk α dan β serta penduga untuk persamaan regresinya yi duga !

Menggunakan Software R studio untuk melakukan penaksiran parameter α dan β serta penaksiran
parameter.

Dependent variable (PROD)

a) Nilai α adalah angka konstan unstandardized coefficient dengan nilai sebesar (4699.5614)
b) Nilai β adalah koefisien regresi, dengan nilai sebesar (0.7978)
c) Dengan persamaan regresi yang diperoleh dari kasus produksi billet (dalam kg) adalah
Y = 4699.5614 + 0.7978X1
4. Apakah makna persamaan regresi estimasi yi duga ?
Jawaban :

Y = 4699.5614 + 0.7978X1

Dari persamaan diatas menunjukan tingkat rerataan jumlah produksi billet sebesar
4699.5614 kg., dengan tingkat produksi billet seterusnya akan bertambah sebanyak 0.7978 kg
apabila SCRAP yang dibunakan bertambah sebanyak 1 kg.

5. Tentukan perkiraan produksi billet jika besarnya SCRAP = 2.821.022 kg!

Jawaban :

Dengan persamaan yang telah diperoleh sebelumnya dapat dilakukan prediksi billet dengan
jumlah bahan baku yang tersedia

Y = 4699.5614 + 0.7978X1
Y = 4699.5614 + 0.7978(2.821.022)

Y = 2255310.913

Sehingga perkiraan produksi billet yang akan diperoleh apabila jumlah SCRAP tersedia sebanyak
2.821.022 kg adalah 2255310.913 unit.

6. Hitung koefisien determinasi R2. Apa makna R2 tersebut ?

Jawaban :

a) Berdasarkan hasil output yang diperoleh dari hasil run syntax dengan software R studio
diatas dapat diketahui bahwa nilai R2 yang diperoleh adalah sebesar 0.994 yang
menunjukkan bahwa variable independent memiliki pengaruh terhadap variable dependent
sebesar 0.994 atau sebesar 99,4%.
b) Makna dari R2 sebagai pemberi dampak oleh variable bebas (independent) X terhadap
variable dependent Y. Digunakan untuk melihat prediksi seberapa besar kontribusi dampak
yang diberikan variable independent secara simultan terhadap variable dependent.
7. Apakah pengaruh SCRAP berpengaruh signifikan terhadap produksi billet ? gunakan tingkat
signifikansi alpha 5%!
Jawaban :
dependent variable (PROD)

predictors (SCRAP)

Hipotesis :

H0 : SCRAP tidak memiliki pengaruh terhadap jumlah produksi

H1 : SCRAP memiliki pengaruh terhadap jumlah produksi

Dari output table anova diatas dapat diperoleh informasi bahwa nilai signifikan, p value < α
sehingga dapat disimpulkan bahwa H0 ditolak, atau menerima H1 yang berarti bahwa SCRAP
memiliki pengaruh yang signifikan terhadap jumlah produksi billet pada kasus ini.
Tabel 1.2 Produksi Billet dan SCRAP
No SCRAP(x) PROD(y) No SCRAP(x) PROD(y)
1 1717660 1367755 33 4227270 3293297
2 3059390 2413130 34 3821820 2934481
3 3320370 2712441 35 4038560 3112776
4 3315800 2760997 36 1186870 895903
5 2834050 2345903 37 2677110 2070943
6 3093320 2438376 38 3562760 2859096
7 2942100 2410316 39 4170950 3344664
8 3270580 2615852 40 2142890 1666761
9 2610070 2088708 41 1720320 1366369
10 2837020 2307446 42 3726510 2914987
11 3173870 2481937 43 3482410 2788464
12 3396230 2666952 44 3847570 3120556
13 2951690 2327497 45 3554140 2853166
14 1449900 1162485 46 3752890 3032997
15 1989890 1603849 47 2449170 1989003
16 2985500 2370753 48 2721410 2199404
17 3592110 2893971 49 761820 617394
18 3363890 2676826 50 2782540 2224014
19 1533930 1195899 51 3015060 2445331
20 2109610 1677514 52 3360000 2688095
21 3417080 2615917 53 3875950 3084504
22 3789540 2891862 54 458960 367404
23 2864220 2199089 55 1143470 923160
24 958180 756393 56 3712970 2899399
25 3636660 2907716 57 3248460 2610002
26 3444540 2788625 58 3546540 2867739
27 1187560 941644 59 3617850 2934126
28 1955470 1560180 60 2404430 2007523
29 2906530 2293562 61 3700590 3114000
30 304720 244119 62 2400770 2028285
31 3758720 2973873 63 4035780 3460889
32 3058340 2445853 64 569040 490788