Makalah 6&7
Makalah 6&7
DOSEN :
ASISTEN PEMERIKSA :
DISUSUN OLEH :
NIM : 2210433031
SHIFT : II (dua)
UNIVERSITAS ANDALAS
2023
BAB I
PENDAHULUAN
𝑋̅ = 15,50
1
Kuartil Pertama 𝑄1 = 𝑁𝑖𝑙𝑎𝑖 𝐷𝑎𝑡𝑎 𝑘𝑒 4 (30 + 1) = 8,25
1
Kuartil Kedua 𝑄2 = 𝑁𝑖𝑙𝑎𝑖 𝐷𝑎𝑡𝑎 𝑘𝑒 2 (30 + 1) = 15,50
3
Kuartil Ketiga 𝑄3 = 𝑁𝑖𝑙𝑎 𝐷𝑎𝑡𝑎 𝑘𝑒 4 (30 + 1) = 22,75
Max : 30
Min : 1
𝑋̅ = 49,23
1
Kuartil Pertama 𝑄1 = 𝑁𝑖𝑙𝑎𝑖 𝐷𝑎𝑡𝑎 𝑘𝑒 4 (30 + 1) = 20,75
1
Kuartil Kedua 𝑄2 = 𝑁𝑖𝑙𝑎𝑖 𝐷𝑎𝑡𝑎 𝑘𝑒 2 (30 + 1) = 56,50
3
Kuartil Ketiga 𝑄3 = 𝑁𝑖𝑙𝑎 𝐷𝑎𝑡𝑎 𝑘𝑒 4 (30 + 1) = 74,25
Max : 96
Min : 3
2.1.2 Bahasa Program
> x<-scan()
1: 1
2: 2
3: 3
4: 4
5: 5
6: 6
7: 7
8: 8
9: 9
10: 10
11: 11
12: 12
13: 13
14: 14
15: 15
16: 16
17: 17
18: 18
19: 19
20: 20
21: 21
22: 22
23: 23
24: 24
25: 25
26: 26
27: 27
28: 28
29: 29
30: 30
31:
Read 30 items
> y<-scan()
1: 3
2: 4
3: 8
4: 4
5: 8
6: 12
7: 20
8: 23
9: 20
10: 26
11: 35
12: 40
13: 45
14: 54
15: 49
16: 59
17: 60
18: 62
19: 63
20: 68
21: 72
22: 70
23: 78
24: 80
25: 75
26: 82
27: 90
28: 83
29: 88
30: 96
31:
Read 30 items
> summary(x,y)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 8.25 15.50 15.50 22.75 30.00
> summary(y,x)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.00 20.75 56.50 49.23 74.25 96.00
2.1.3 Interpretasi
Penggunaan sintaks “summary()” yaitu untuk menampilkan
statistika deskriptif dari suatu variabel atau data dan memberikan
gambaran ringkas tentang distribusi data, seperti nilai minimum yaitu
nilai terendah, kuartil 1 yaitu 25% data terendah berada di bawah nilai
ini, median yaitu nilai tengah dari data tersebut, mean yaitu rata-rata dari
penjumlahan total data dibagi banyak data, kuartil 3 yaitu 75% data
terendah berada di bawah nilai ini, dan nilai maksimum yaitu nilai
tertinggi dari data tersebut.
2.2 Menampilkan 4 grafik/plot dan bandingkan antara satu dan lainnya serta
membuat interpretasinya
2.2.1 Diagram Pencar
> plot(x,y,xlab="Biaya Iklan",ylab="Banyak Penjualan"
,main="Banyak Penjualan Suatu Brand Berdasarkan Biaya
Iklan",col="Maroon")
2.2.5 Interpretasi
Secara umum, pemahaman grafik tergantung pada kebiasaan
dan pengalaman individu. Namun, diagram kotak garis dan
histogram sering dianggap lebih mudah dipahami karena
memberikan informasi yang lebih rinci tentang distribusi data.
Diagram pencar juga mudah dipahami karena dapat menunjukkan
hubungan antara variabel. Sementara itu, pemahaman diagram
lingkaran dapat bervariasi tergantung pada kompleksitas data yang
diwakili oleh proporsi kategori.
2.3 Menghitung nilai regresi dari data, menambahkan garis regresi, serta
menghitung dan memplotkan sisaan (residual) vs nilai dugaannya lalu
membuat interpretasinya
2.3.1 Analitik
𝑌 = 𝑎 + 𝑏𝑋
(∑ 𝑌𝑖 )(∑ 𝑋𝑖 2 )−(∑ 𝑋𝑖 )(∑ 𝑋𝑖 𝑌𝑖 )
𝑎= 𝑛 ∑ 𝑋𝑖 −(∑ 𝑋𝑖 )2
𝑛 ∑ 𝑋𝑖 𝑌𝑖 −(∑ 𝑋𝑖 )(∑ 𝑌𝑖 )
𝑏= 𝑛 ∑ 𝑋𝑖 −(∑ 𝑋𝑖 )2
𝑌𝑡 = −𝑏𝑥 − 𝑎
𝑒 = 𝑌 − 𝑌𝑡
Call:
line(xx, yy)
Coefficients:
[1] -2.977 3.368
> lines(xx,yy)
2.2.6 Interpretasi
Perolehan nilai dan grafik garis regresi dengan garis lurus
menaik ke atas kanan menunjukkan hubungan positif antara dua
variabel. Ini berarti bahwa ketika nilai satu variabel meningkat, nilai
variabel lainnya juga cenderung meningkat. Grafik garis regresi
yang menaik ke atas kanan menunjukkan bahwa ada kecenderungan
linier antara kedua variabel tersebut. Grafik sisaan (residual) vs nilai
dugaan yang terlihat sebaliknya, yaitu garisnya lurus dari atas
menurun ke bawah kanan, menunjukkan adanya pola yang tidak
terjelaskan oleh model regresi. Ini berarti bahwa ada variasi yang
tidak dapat dijelaskan oleh hubungan linier antara variabel tersebut.
Grafik ini dapat mengindikasikan adanya pola non-linier atau
adanya variabel lain yang mempengaruhi hubungan antara dua
variabel tersebut.
BAB III
KESIMPULAN
Interpretasi dari grafik sisaan yang menunjukkan garis lurus dari atas
menurun ke bawah kanan adalah bahwa model regresi tidak mampu menjelaskan
variasi yang ada. Hal ini menunjukkan bahwa ada faktor-faktor lain yang
mempengaruhi hubungan antara variabel tersebut dan model regresi yang
digunakan tidak cukup untuk menggambarkan hubungan yang sebenarnya. Dalam
hal ini, perlu dilakukan analisis lebih lanjut untuk memahami faktor-faktor lain
yang mempengaruhi hubungan antara variabel tersebut. Mungkin diperlukan model
regresi yang lebih kompleks atau penambahan variabel lain untuk menjelaskan
variasi yang tidak terjelaskan oleh model regresi awal.