POLITEKNIK STATISTIKA STIS

Jl. Otto Iskandardinata No. 64C, Jakarta 13330

Telp. (021) 8508812, 8191437, Fax. 8197577
Website: www.stis.ac.id, Email: info@stis.ac.id

Ujian Akhir Semester Genap TA. 2021/2022

Mata Kuliah
Prodi/Tingkat/Peminatan
Dosen
Tanggal/Sesi/Durasi
Keterangan Ujian
: Analisis Regresi
: Diploma IV/II
: Tim Dosen
: Senin, 20 Juni 2022/ II/ 120 Menit
: (Terstruktur/Tidak Terstruktur) Boleh Buka
Buku/Buka Rumus/Pakai Laptop/Pakai Kalkulator

Petunjuk mengerjakan soal:

1) Kerjakan semua soal berikut secara MANDIRI dan JUJUR
2) Jawaban boleh ditulis tangan/diketik (format pdf)
3) Gunakan tingkat signifikansi 5% pada pengujian hipotesis yang dilakukan

1. (Nilai Maksimal 40). Kementerian Perindustrian Republik Indonesia sedang mempelajari

aktivitas industri negara maju seperti Amerika Serikat. Berdasarkan data Inventories and
Sales in US Manufacturing, 1950–1990 (millions of dollars) berikut, ingin dilihat pengaruh
sales terhadap inventories (Data 1 UAS Regresi 2022.xlsx).

Year Sales Inventories Year Sales Inventories

1950 46,486 84,646 1971 224,619 369,374

1951 50,229 90,56 1972 236,698 391,212
1952 53,501 98,145 1973 242,686 405,073
1953 52,805 101,599 1974 239,847 390,95
1954 55,906 102,567 1975 250,394 382,51
1955 63,027 108,121 1976 242,002 378,762
1956 72,931 124,499 1977 251,708 379,706
1957 84,79 157,625 1978 269,843 399,97
1958 86,589 159,708 1979 289,973 424,843
1959 98,797 174,636 1980 299,766 430,518
1960 113,201 188,378 1981 319,558 443,622
1961 126,905 211,691 1982 324,984 449,083
1962 143,936 242,157 1983 335,991 463,563
1963 154,391 265,215 1984 350,715 481,633
1964 168,129 283,413 1985 330,875 428,108
1965 163,351 311,852 1986 326,227 423,082
1966 172,547 312,379 1987 334,616 408,226
1967 190,682 339,516 1988 359,081 439,821
1968 194,538 334,749 1989 394,615 479,106
1969 194,657 322,654 1990 411,663 509,902
1970 206,326 338,109

Halaman 1 dari 5
 a. Tuliskan persamaan regresi dari data tersebut!
b. Buatlah plot residual terhadap waktu dan interpretasikan!
c. Ujilah apakah pada data tahunan tersebut terjadi pelanggaran autokorelasi? Jelaskan!
d. Apakah konsekuensi yang terjadi jika pelanggaran asumsi autokorelasi terjadi pada
model regresi linier tersebut?
e. Jika pada poin (c) terjadi pelanggaran autokorelasi, maka lakukan perbaikan dengan
metode Cochrane-Orcutt. Periksa apakah autokorelasi telah teratasi dan jelaskan!

2. (Nilai Maksimal 30). Seorang peneliti ingin membuat model yang mampu menjelaskan
hubungan antara tingkat kriminalitas (Y) yaitu banyaknya tindak kejahatan per 100.000
penduduk di suatu wilayah dengan persentase penduduk miskin (X1), PDRB perkapita
dalam ribuan rupiah (X2), tingkat pengangguran terbuka (X3), Angka Partisipasi Murni SMA
(X4), kepadatan penduduk (X5) dalam satuan jiwa per kilometer persegi, dan rasio
ketergantungan (X6) yaitu perbandingan antara penduduk usia belum produktif (0-14 tahun
dan 65 tahun ke atas) dengan penduduk usia produktif (15-64 tahun).
Berikut adalah Tabel Anova yang diperoleh dari beberapa kemungkinan model:

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 894465.740 2 447232.870 39.766 .000b

1 Residual 303661.626 27 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X5
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 824608.805 2 412304.403 29.804 .000b

1 Residual 373518.561 27 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X3
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 861688.842 2 430844.421 34.576 .000b

1 Residual 336438.525 27 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X2

Halaman 2 dari 5
 ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 928265.575 3 309421.858 29.811 .000b

1 Residual 269861.791 26 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X5, X3, X6
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 912292.968 3 304097.656 27.661 .000b

1 Residual 285834.398 26 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X5, X6, X2
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 754081.792 3 251360.597 14.718 .000b

1 Residual 444045.575 26 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X5, X1, X2
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 916985.878 4 229246.469 20.385 .000b

1 Residual 281141.489 25 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X3, X2, X4
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 873546.410 4 218386.602 16.821 .000b

1 Residual 324580.957 25 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X3, X4, X1

Halaman 3 dari 5
 ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 930497.133 4 232624.283 21.730 .000b

1 Residual 267630.234 25 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X3, X4, X5

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 953198.490 6 158866.415 14.918 .000b

1 Residual 244928.877 23 …

Total 1198127.367 29

a. Dependent Variable: Y
b. Predictors: (Constant), X6, X3, X2, X4, X5, X1

a. Hitunglah nilai R2, MSE, Cp-Mallow, AIC dan SBC untuk masing-masing model di atas!
b. Dengan menggunakan nilai-nilai yang diperoleh pada poin (a), tentukan model terbaik
menurut Anda. Jelaskan!

3. (Nilai Maksimal 30). Seorang ahli gizi ingin meneliti rata-rata banyaknya bakteri per milligram
(mg) pada makanan yang sudah kadaluarsa dengan lama hari sejak expired date yang
tersedia pada kemasan (Data 3 UAS Regresi 2022.xlsx).
Rata-rata Rata-rata
Makanan Lama hari sejak Makanan Lama hari sejak
bakteri bakteri
ke- expired date ke- expired date
per mg per mg
1 40,5 3 14 48,6 4
2 42,1 3 15 48,7 6
3 42,6 3 16 48,9 6
4 43,2 3 17 49,2 5
5 43,9 3 18 49,6 5
6 46,2 4 19 50,3 6
7 46,4 4 20 50,4 7
8 47,0 5 21 51,1 6
9 47,0 4 22 51,2 7
10 48,0 5 23 51,5 7
11 48,0 4 24 51,5 6
12 48,1 5 25 51,7 7
13 48,4 7

Jika pengaruh lama hari setelah expired date terhadap rata-rata banyaknya bakteri per
miligram makanan dibuat model regresi 𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 + 𝛽11 𝑋𝑖2 + 𝜀𝑖 , dimana 𝑌𝑖 adalah rata-
rata banyaknya bakteri per miligram makanan dan 𝑋𝑖 adalah lama hari setelah expired date

Halaman 4 dari 5
a. Ujilah apakah efek kuadratik berpengaruh dalam menjelaskan hubungan antara kedua
variabel? Jelaskan jawaban Anda!
b. Dari model yang Anda bangun pada poin (a), apakah terdapat pelanggaran
multikolinearitas? Jelaskan!
c. Berdasarkan jawaban pada poin (b), langkah apa yang dapat Anda lakukan untuk
menyelesaikan permasalahan tersebut? Jelaskan dan buktikan bahwa pelanggaran
multikolinearitas telah teratasi!

-o0o-

Halaman 5 dari 5