Naomi sitanggang

225090507111057

Tugas 1 Responsi PAR

1. a) Tingkat asosiasi
diketahui : ∑ 𝑥 = 5160 ∑ 𝑥2 = 2222600 ∑ 𝑥 𝑦 = 2604 n = 12
∑ 𝑦 = 6,1 ∑ 𝑦2 = 3,29 ∑ 𝑥 𝑧 = 1400500
∑ 𝑧 = 3250 ∑ 𝑧2 = 892500 ∑ 𝑦𝑧 = 1620

(∑ 𝑥 ∑ 𝑦)
∑ 𝑥𝑦 −
𝑟𝑥𝑦 = (∑ 𝑥) 2 𝑛 (∑ 𝑦)2
√(∑ 𝑥2 − ) − (∑ 𝑦2 − )
𝑛 𝑛
(5160)(6,1)
2604 −
𝑟𝑥𝑦 = (5160)2 12 (6,1)2
√(2222600 − ) − (3,29 − )
12 12
𝑟𝑥𝑦 = -0,708663

(∑ 𝑥 ∑ 𝑧)
∑ 𝑥𝑧 −
𝑟𝑥𝑧 = (∑ 𝑥) 2 𝑛 (∑ 𝑧)2
√(∑ 𝑥2 − ) − (∑ 𝑧 2 − )
𝑛 𝑛
(5160)(3250)
1400500 −
𝑟𝑥𝑧 = (5160) 2 12 (3250)2
√(2222600 − ) − (892500 − )
12 12
𝑟𝑥𝑧 = 0,438959

(∑ 𝑦 ∑ 𝑧)
∑ 𝑦𝑧 −
𝑟𝑦𝑧 = (∑ 𝑦)2 𝑛 (∑ 𝑧)2
√ (∑ 𝑦 2 − ) − (∑ 𝑧 2 − )
𝑛 𝑛
(6,1)(3250)
1620 −
𝑟𝑦𝑧 = (6,1)2 12 (3250)2
√(3,29 − ) − (892500 − )
12 12
𝑟𝑦𝑧 = -0,665352

Korelasi parsial

𝑟yX|z 𝑟𝑥𝑦−𝑟𝑥𝑧𝑟𝑦𝑧
= √(1−𝑟2 )(1−𝑟2 )
𝑥𝑧 𝑦𝑧

𝑟yX|z
−0,708663−(0,438959)(−0,665352)
= √(1−(0,438959)2)(1−(−0,665352)2)

𝑟yX|z = -0,621086 ≈ -0,621

 Dapat disimpulkan bahwa tingkat asosisasi antara suhu dengan warna yang terjadi pada produk
akhir berdasarkan kontrol kualitas bahan sebesar -0,621
b) Uji Hipotesis
H0: 𝜌YX|Z1 = 0 ((Tidak ada hubungan antara variabel x dengan variabel y yang dikontrol oleh
variabel z)
H0: 𝜌YX|Z1 ≠ 0 (Ada hubungan antara variabel x dengan variabel y yang dikontrol oleh variabel
z)
Statistik uji
𝑟yx|z √𝑛−3 (−0,621) √12−3
t = = = -2,37
hit 1−𝑟2 √1−(−0,621)2
√ 𝑟yx|z

ttabel = t(0.025;10) = 2,228

|𝑡ℎ𝑖𝑡|(2,37) > ttabel (2,228), maka tolak H0

c) Kesimpulan
Dengan taraf nyata 5% dapat disimpulkan bahwa ada hubungan antara suhu dengan warna yang
dikontrol oleh kualitas bahan. Semakin tinggi suhu yang diberikan akan menghasilkan tingkatan
warna semakin lemah berdasarkan kontrol kualitas bahan.

2. a) Variabel prediktornya adalah kadar aflatoksin dan intensitas cahaya hal ini karena nilai dari
kedua variabel tersebut dapat diatur dan variabel tersebut mempengaruhi dan dijadikan peramalan
untuk variabel respon, Sedangkan variabel responnya adalah persentase non kontaminasi hal ini
karena variabel tersebut dipengaruhi oleh variabel prediktor dan nilainya pun ditentukan dari
variabel prediktor.

b) Model Persamaan Linier MKT

̅𝑋̅1̅ = 9,95 ∑ 𝑋1 = 99,5 ∑ 𝑋12 = 1124,59 ∑ 𝑋1 𝑌 = 95,1306
̅𝑋̅ = 96,6 ∑ 𝑋 = 966 ∑ 𝑋2 = 93436 ∑ 𝑋 𝑌= 926,822
2 2 2 2

𝑌̅ = 0,9599 ∑ 𝑌 = 9,599 ∑ 𝑌 2 = 9,22037 ∑ 𝑋1 𝑋2 = 120,7

2
(∑ 𝑥1) (99,5)2
SX1 2 = ∑ − = 1124,59 = 134,565
𝑛 10
𝑥12 −
2
2 (∑ 𝑥2) (966)2
SX 2
=∑ − = 93436 − = 120,4
𝑛 10
𝑥22
2
SY2 = ∑ 𝑌2 − (∑ 𝑌) = 9,220379 − (9,599) = 0,0062989
2

𝑛 ∑ 𝑥1 ∑ 𝑌 10(99,5)(9,599)
SX1Y = ∑ 𝑋1𝑌 − = 95,1306 − = -0,37945
𝑛∑𝑌
∑ 𝑥2 10
(966)(9,599)
SX2Y = ∑ 𝑋2𝑌 − = 926,822 − = -0,4414
∑𝑛𝑥1 ∑ 𝑥2 10
(99,5)(966)
SX1x2 = ∑ 𝑥1𝑥2 − = 9732,4 − = 120,7
𝑛 10
 𝑆
𝑋22𝑆𝑋1𝑌− 𝑆𝑋2𝑌𝑆𝑋1𝑋2 (120,4)(−0,37945) − (−0,4414)(120,7)
𝑏1= = (134,565)(120,4) − (120,7)2
= 0,00464824
𝑆𝑋12 𝑆𝑋22− (𝑆𝑋1𝑋2)2

𝑆
𝑋12𝑆𝑋2𝑌− 𝑆𝑋1𝑌𝑆𝑋1𝑋2 (134,565)(−0,4414) − (−0,37945)(120,7)
𝑏2= = (134,565)(120,4) − (120,7)2
= −0,00832593
𝑆𝑋12 𝑆𝑋22− (𝑆𝑋1𝑋2 )2
𝑏0 = 𝑌̅ −𝑏1 𝑋̅1̅ − 𝑏2 ̅𝑋̅2̅ = = (0,9599) − (0,00464824)(9,95) − (−0,00832593)(96,6) = 1,71793485

Persamaan Regresi MKT

𝒀̅̂ = 𝟏, 𝟕𝟏𝟕𝟗𝟑𝟒𝟖𝟓 + 𝟎, 𝟎𝟎𝟒𝟔𝟒𝟖𝟐𝟒𝑿𝟏 − 𝟎, 𝟎𝟎𝟖𝟑𝟐𝟓𝟗𝟑𝑿2

Model persamaan dengan pendekatan matriks

Persamaan Regresi Dengan Pendekatan Matriks

𝒀̅̂ = 𝟏, 𝟕𝟏𝟕𝟗𝟑𝟒𝟖𝟓 + 𝟎, 𝟎𝟎𝟒𝟔𝟒𝟖𝟐𝟒𝑿𝟏 − 𝟎, 𝟎𝟎𝟖𝟑𝟐𝟓𝟗𝟑𝑿2

c) Uji Simultan
Hipotesis
H0 : 𝛽1 = 𝛽2 = 0 ((Tidak ada pengaruh antara kadar aflatoksin dan intensitas cahaya terhadap
persentase kacang yang tidak terkontaminasi dalam batch 5)
H1 : minimal ada satu pasang 𝛽𝑖 ≠ 0 (Ada pengaruh antara kadar aflatoksin dan intensitas
cahaya terhadap persentase kacang yang tidak terkontaminasi dalam batch 5)
Statistik Uji

JKR = 𝑏1SX1Y + 𝑏2SX2Y = (0,00464824)(−0,37945) + (−0,00832593)(−0,4414) =

0,00191129 JKT = 𝑆𝑌2 = 0,0062989

JKG = JKT – JKR = 0,0062989 − 0,00191129 = 0,00438761

KTR = 𝐽𝐾𝑅 = 0,00191129 = 0,000955645
𝐷𝐵 2
 KTG = 𝐽𝐾𝐺 = 0,00438761 = 0,000626801
𝐷𝐵 7
𝐾𝑇𝑅 0,000955645
Fhit = = = 1,524639
𝐾𝑇𝐺 0,000626801

Ftab = F0,05(2,7) = 4,74

Sumber Derajat Bebas Jumlah Kuadrat Fhitung

Keragaman (DB) Kuadrat(JK) Tengah(KT)
(SK)
Regresi 2 0,00191129 0,000955645 1,524639
Galat 7 0,00438761 0,000626801
Total 9 0,0062989
Keputusan
Fhitung (1,524639) < Ftab (4,74) maka terima H0.

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa secara simultan kadar aflatoksin
dan intensitas cahaya tidak berpengaruh terhadap persentase kacang yang tidak
terkontaminasi dalam batch 5.
Uji Parsial

 Hipotesis
H0 : 𝛽1 = 0 ((Tidak ada pengaruh antara kadar aflatoksin terhadap persentase kacang yang
tidak terkontaminasi dalam batch 5)
H1 : 𝛽1 ≠ 0 (Ada pengaruh antara kadar aflatoksin terhadap persentase kacang yang tidak
terkontaminasi dalam batch 5)
Statistik Uji
2
S2 𝛽̂1 = KTG ( 𝑥2 )
2 2
𝑆𝑥1 𝑆𝑥2 −(𝑆𝑋1𝑋2)2

S2 𝛽 120,4
= 0,000626801 ( =
) 0,0000462098
(134,565)(120,4)−(120,7)2

𝑏1 𝑏1 0,00464824
thit = = = = 0,683788
𝑠𝑒(1) √0,0000462098
√𝑆 2𝛽̂1

ttabel = t(0.025;8) = 2,306

thit (0,683788) < ttabel (2,306) ,maka terima H0

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa secara parsial kadar
aflatoksin tidak berpengaruh signifikan terhadap persentase kacang yang
tidak terkontaminasi dalam batch 5.

 Hipotesis
H0 : 𝛽2 = 0 ((Tidak ada pengaruh antara intensitas cahaya terhadap persentase kacang
yang tidak terkontaminasi dalam batch 5)
 H1 : 𝛽2 ≠ 0 (Ada pengaruh antara intensitas cahaya terhadap persentase kacang yang
tidak terkontaminasi dalam batch 5)
Statistik Uji
2
S2 𝛽̂2 = KTG ( 𝑥1 )
2 2
𝑆𝑥1 𝑆𝑥2 −(𝑆𝑋1𝑋2)2

S2 𝛽 134,565
= 0,000626801 ( ) = 0,0000516463
(134,565)(120,4)−(120,7)

𝑏2 𝑏2 −0,00832593
thit = = = = −1,15855
𝑠𝑒(2) √0,0000516463
√𝑆 2𝛽̂2

ttabel = t(0.025;8) = 2,306

|𝑡ℎ𝑖𝑡| (1,15855) < ttabel (2,306) ,maka terima H0

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa secara parsial intensitas
cahaya tidak berpengaruh signifikan terhadap persentase kacang yang tidak
terkontaminasi dalam batch 5.
d) Koefisien Determinasi
𝐽𝐾𝑅 0,00191129
R2 = 𝐽𝐾𝑇 = 0,0062989 = 0,3034

Interpretasi : Variabel kadar aflatoksin dan intensitas cahaya hanya dapat menjelaskan
pengaruh terhadap persentase kacang yang tidak terkontaminasi dalam batch
5sebesar 30,34%, sementara 69,66% lainnya dipengaruhi oleh variabel lain di
luar model