TUGAS BESAR

NALISIS REGRESI KOMPONEN UTAMA UNTUK

MENGATASI MASALAH MULTIKOLINIERITAS DALAM
ANALISIS REGRESI LINIER BERGANDA

Disusun Oleh:
AGENANDA BBISMA RADJHASA 21032010210
TITO DWI NUGROHO 21032010176
BIMA PUTRA PRATAMA 21032010003

STATISTIK INDUSTRI II
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
2022
1 Menentukan Variabel Bebas dan Tidak Bebas. Penentukan variabel
dibuaberdasarkan data pencetakan spanduk yang terdapat pada tabel dibawah ini :

Variabel Bebas :
menggunakan analisis regresi komponen utama untuk mengatasi masalah
multikolinieritas antara variabel-variabel bebas sehingga diperoleh persamaan
regresi linier yang lebih baik dalam analisis linier berganda, serta penerapannya
pada kasus Curah Hujan di Kota ambon.
Y = Curah hujan

Persamaan regresi linier berganda:

𝑌̂ =−68166 + 38𝑥1 − 13.5𝑥2 + 65.6𝑥3 + 28.8𝑥4 − 119𝑥

• Diagram pencar (scatter Diagram)

Diagram scatter Y terhadap X1

28.5

28

27.5

27

26.5

26

25.5
0 100 200 300 400 500 600 700 800 900

Gambar 1.1 Y terhadap curah hujan X1

 Diagram scatter Y terhadap X2
80
70
60
50
40
30
20
10
0
0 100 200 300 400 500 600 700 800 900

Gambar 1.2 Y terhdap curah hujan X2

Diagram scatter Y terhadap X3

1200

1000

800

600

400

200

0
0 100 200 300 400 500 600 700 800 900

Gambar 1.3 Y Terhadap curah hujan X3

Diagram scatter Y terhadap X4

100
90
80
70
60
50
40
30
20
10
0
0 100 200 300 400 500 600 700 800 900

Gambar 1.4 Y terhadap curah hujan X4

 Diagram scatter Y terhadap X5
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0 100 200 300 400 500 600 700 800 900

Gambar 1.5 Y terhadap Curah hujan X5

Eliminasi persamaan (38) dan (40) diperoleh persamaan

(41), sebagai berikut :
−21.6439𝑏1 + 218.9868𝑏2 = −46293.518
(41)
Eliminasi persamaan (39) dan (40) diperoleh persamaan (42), sebagai
berikut :
1.1023𝑏1 + 5.2277𝑏2 = 1076.9397
(42)

Eliminasikan persamaan (41) dan (42), diperoleh nilai

𝑏2 = −204, kemudian subtitusi nilai 𝑏2 ke persamaan
(41) atau persamaan (42) diperoleh nilai 𝑏1 = 74.9. Subtitusikan nilai 𝑏1 =
74.9 dan 𝑏2 = −204 ke persamaan (38), (39) atau (40), diperoleh
nilai 𝑎 =
328. Sehingga diperoleh persamaan regresi yang dapat
dianalisis dengan program minitab, yaitu:

𝑌̂ = 328 + 74.9 W1 - 204 W

selanjutnya setelah model diperoleh maka akan dilakukan uji keberatiana
Langkah
dari model tersebut dengan menggunakan uji regresi secara parsial
𝐻0 : 𝛽j = 0 artinya koefisien regresi ke-j tidak signifikan atau variabel bebas ke-
j tidak berpengaruh nyata terhadap Y
𝐻1: 𝛽j G 0 artinya koefisien regresi ke-j signifikasi atau variabel bebas ke-j
berpengaruh nyata terhadap Y Ho ditolak
Kesimpulan
Dari pembahasan pada bab sebelumnya dapat ditarik kesimpulan bahwa:
1. Estimasi yang diperoleh dengan menggunakan metode kuadrat terkecil
2. Adanya multikolinieritas dalam persamaan regresi tersebut, ini terlihat dari
besarnya nilai korelasi antar variabel bebas 𝑟𝑥1𝑥2= 0.8068 dan nilai VIF
untuk
X1 dan X4 lebih dari 10.
𝑌̂= 328 + 74.9 W1 - 204 W2
3. Hasil transformasi persamaan regresi komponen utama dari W → 𝑍