LAPORAN PRAKTIKUM

PERTEMUAN V
PENGANTAR ANALISIS REGRESI

Oleh

Nama : Muhammad Kevyn Ridho Ariendra

NPM : F1F022034

Dosen Pengampu : Dyah Setyo Rini, S.Si., M.Sc.

Asisten Praktikum : 1. Destria Dwina Putri Syahbet (F1F021001)

2. Alya Saputri (F1F021019)

LABORATORIUM MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BENGKULU
2023
 KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Esa karena berkat limpahan
rahmat dan karunianya laporan tugas praktikum mata kuliah Pengantar Analisis
Regresi ini dapat diselesaikan dengan tepat waktu. Pada kesempatan ini penulis
juga mengucapkan terima kasih yang sebesar-besarnya kepada berbagai pihak
yang telah membantu selama pengerjaan praktikum ini, terutama kepada:
1. Dyah Setyo Rini, S.Si.,M.Sc. selaku Dosen Pengampu
2. Destria Dwina Putri Syahbet selaku Asisten Praktikum
3. Alya Saputri selaku Asisten Praktikum
4. Terakhir, pada keluarga dan teman-teman yang senantiasa memberikan
dukungan kepada penulis.
Penulis menyadari bahwa dalam proses penyusunan laporan praktikum ini
masih banyak kekurangan baik pada segi susunan kata, kalimat ataupun tatanan
bahasa. Oleh karena itu, kritik dan saran sangat diharapkan penulis agar dimasa
datang menjadi lebih baik.

Bengkulu, 16 November 2023

Muhammad Kevyn Ridho A

ii
 DAFTAR ISI

HALAMAN JUDUL...............................................................................................i
KATA PENGANTAR...........................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR GAMBAR.............................................................................................iv
DAFTAR TABEL..................................................................................................v
DAFTAR LAMPIRAN.........................................................................................vi
BAB I PENDAHULUAN.......................................................................................
1.1 Latar Belakang...........................................................................................
1.2 Rumusan Masalah.....................................................................................
1.3 Tujuan Penelitian.......................................................................................
1.4 Manfaat Penelitian.....................................................................................
1.5 Batasan Masalah........................................................................................
1.6 Sistematika Penulisan................................................................................
BAB II TINJAUAN PUSTAKA...........................................................................
2.1 Analisis Regresi..........................................................................................
2.1.1 Analisis Regresi Sederhana................................................................
2.1.2 Analisis Regresi Berganda.................................................................
2.2 Lack of Fit...................................................................................................
BAB III METODE PENELITIAN.......................................................................
3.1 Jenis dan Sumber Data..............................................................................
3.2 Variabel Penelitian.....................................................................................
3.3 Analisis Data...............................................................................................
3.4 Diagram Alir Penelitian..........................................................................10
BAB IV HASIL DAN PEMBAHASAN.............................................................11
4.1 Statistik Deskriptif Data..........................................................................11
4.2 Hasil Batasan Masalah............................................................................12
4.2 Pengujian Hipotesis.................................................................................13
BAB V KESIMPULAN DAN SARAN...............................................................15
5.1 Kesimpulan...............................................................................................15
5.2 Saran.........................................................................................................16
DAFTAR PUSTAKA...........................................................................................17
LAMPIRAN..........................................................................................................18

iii
 DAFTAR GAMBAR

Gambar 3.1 Diagram alir penilitan........................................................................10

iv
 DAFTAR TABEL

Tabel 4.1 Summary data.........................................................................................11

Tabel 4.2 Summary regresi....................................................................................12
Tabel 4.3 Lack of fit table......................................................................................13

v
 DAFTAR LAMPIRAN

Lampiran 1. Data batasan masalah........................................................................18

Lampiran 2. Hasil output summary data................................................................19
Lampiran 3. Hasil batasan masalah.......................................................................19
Lampiran 4. Hasil output Uji Lack of Fit...............................................................19
Lampiran 5. Plot dari model .................................................................................20

vi
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Analisis regresi merupakan suatu cara yang dapat digunakan untuk

mengetahui hubungan sebuah variabel tak bebas dengan satu atau lebih variabel

bebas. Analisis regresi dapat digunakan untuk menganalisis data dan mengambil

kesimpulan yang bermakna tentang hubungan ketergantungan variabel terhadap

variabel lainnya. Berdasarkan jumlah variabel bebas, analisis regresi linier dibagi

menjadi dua macam yaitu, analisis regresi linier sederhana dan analisis regresi

linier berganda. Regresi linier yang terdiri dari satu variabel dependen dan satu

variabel independen disebut regresi linier sederhana, sedangkan regresi linier yang

terdiri dari satu variabel dependen dan beberapa variabel independen disebut

regresi linier berganda. Dan pada analisis regresi juga terdapat pengujian lack of

fit.

Lack of Fit merupakan ketidaksesuaian yang terdapat pada model regresi. Uji

Lack of Fit dilakukan untuk mengetahui apakah model regresi sudah sesuai untuk

menjelaskan hasil daripada penelitian. Pengujian lack of Ffit diperlukan apabila

terdapat pengamatan yang berulang, yaitu satu kombinasi nilai variabel bebas

berpasangan dengan beberapa nilai respon. Apabila lack of fit tidak berarti, maka

model sudah tepat. Sedangkan apabila lack of fit berarti, maka model regresi tidak

tepat.

Lack of fit adalah penyimpangan atau ketidaktepatan terhadap model linier.

Pengujian lack of fit ini diperlukan bila terdapat pengamatan berulang, yaitu satu

1
nilai prediktor atau satu kombinasi nilai prediktor yang berpasangan dengan

beberapa nilai respon. Kecukupan dari suatu model dapat dilihat dari nilai

koefisien determinasi dan uji lack of fit dari persamaan regresi. Koefisien

determinasi ( R2 ) menunjukkan besarnya variasi dari respon, yang dapat dijelaskan

oleh suatu persamaan regresi, yang diharapkan berada pada rentang 0 sampai 1.

semakin besar nilainya akan semakin besar pengaruh faktor terhadap respon

(Aryantini, 2018).

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, masalah yang dapat disimpulkan adalah

Bagaimana cara menguji lack of fit pada regresi linier?

1.3 Tujuan Penelitian

Berdasarkan rumusan masalah di atas, tujuan yang akan dicapai adalah

Mahasiwa mampu menguji lack of fit pada regresi linier.

1.4 Manfaat Penelitian

Dengan manfaat yang didapatkan dari penelitian ini adalah sebagai berikut :

1. Menambah wawasan dan pengetahuan dalam ruang lingkup materi analisis

regresi linier.

2. Memberikan informasi bagaimana cara melakukan Uji Lack of Fit pada

regresi linier.

3. Memberikan informasi bagaimana cara menginterprestasikan hasil dari

pengujian yang telah dilakukan.

4. Dapat dijadikan referensi untuk penelitian selanjutnya.

1.5 Batasan Masalah

Lakukan pengujian lack of fit berdasarkan data yang sudah diperoleh pada

2
laporan 4. Interpretasikan model berdasarkan uji tersebut.

1.6 Sistematika Penulisan

Adapun sistematika penulisan dari pratikum ini adalah:

BAB I PENDAHULUAN

Bab ini merupakan bab yang memuat latar belakang, rumusan

masalah, tujuan dan manfaat, batasan masalah dan sistematika

penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini merupakan bab yang memuat pengertian dan teori yang

diperlukan untuk rancangan penelitian pada bab-bab berikutnya.

BAB III METODE PENELITIAN

Bab ini merupakan bab yang memuat jenis dan sumber data,

variabel penelitian, analisis data dan diagram alir yang diperlukan

untuk rancangan penelitian pada bab-bab berikutnya.

BAB IV HASIL DAN PEMBAHASAN

Bab ini merupakan bab yang memuat hasil dan pembahasan yang

telah dilakukan pada program kemudian diinterpretasikan yang

diperlukan untuk rancangan penelitian pada bab-bab berikutnya.

BAB V KESIMPULAN DAN SARAN

Bab ini merupakan bab yang memuat kesimpulan dan saran yang

telah dilakukan.

DAFTAR PUSTAKA

3
Pada bagian daftar pustaka merupakan bab yang memuat sumber-

sumber dari mana saja untuk mendapatkan teori pada BAB I dan

BAB II.

LAMPIRAN

Pada bagian lampiran merupakan bab yang memuat hasil output

dari hasil yang telah dilakukan berupa gambar atau tabel.

4
 BAB II

TINJAUAN PUSTAKA

2.1 Analisis Regresi

2.1.1 Analisis Regresi Sederhana

Analisis regresi adalah suatu analisis statistika yang digunakan untuk

menjelaskan hubungan suatu variabel respon Y dengan menggunakan satu

atau lebih variabel input X 1 , X 2 , … , X 3. Jika k 1regresi yang terbentuk disebut

regresi linier sederhana. Model regresi dapat ditunjukkan sebagai berikut:

Y = β0 + β 1 X

Karena model diduga dari sampel, maka secara umum ditunjukkan sebagai

berikut (Rini, 2023) :

Y^ = β0 + β 1 ^
X

2.1.2 Analisis Regresi Berganda

Regresi linier berganda merupakan model persamaan yang

menjelaskan hubungan satu variabel tak bebas atau response (Y ) dengan dua

atau lebih variabel bebas atau prediktor (X 1 , X 2 , … X n ). Tujuan dari uji

regresi linier berganda adalah untuk memprediksi nilai variabel tak bebas

atau response (Y ) apabila nilai-nilai variabel bebasnya atau prediktor

(X 1 , X 2 ,... , X n ) diketahui. Disamping itu juga untuk dapat mengetahui

bagaimanakah arah hubungan variabel tak bebas dengan variabel-variabel

bebasnya. Persamaan regresi linier berganda secara matematik diekspresikan

oleh :

Y =a+b 1 X 1 +b 2 X 2+ …+bn X n (2.1)

5
 Keterangan:

Y =¿ variabel tak bebas (nilai variabel yang akan diprediksi).

a=¿ konstanta.

b 1 , b2 , … , bn=¿ nilai koefisien regresi.

X 1 , X 2 , … , X n = variabel bebas.

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b 1 dan b 2

mem-punyai nilai diantara jika nilai¿ 0 ,dalam hal ini variabel Y tidak

dipengaruh oleh X 1 dan X 2 . Jika nilainya negatif, maka terjadi hubungan

dengan arah terbalik antara variabel tak bebas Y dengan variabel-variabel X 1

dan X 2 . Dan jika nilainya positif maka terjadi hubungan yang searah antara

variabel tak bebas Y dengan variabel bebas X 1 dan X 2 (Yuliara, 2016).

2.2 Lack of Fit

Lack of fit merupakan ketidaksesuaian yang terdapat pada model regresi. Uji

Lack of Fit dilakukan untuk mengetahui apakah model regresi sudah sesuai untuk

menjelaskan hasil daripada penelitian. Pengujian lack of fit diperlukan apabila

terdapat pengamatan yang berulang, yaitu satu kombinasi nilai variabel bebas

berpasangan dengan beberapa nilai respon. Apabila lack of fit tidak berarti, maka

model sudah tepat. Sedangkan apabila lack of fit berarti, maka model regresi tidak

tepat (Wijaya dkk, 2019).

Lack of fit merupakan penyimpangan atau ketidaktepatan terhadap model

linier order pertama. Pengujian lack of fit dilakukan untuk mendeteksi apakah

model linier order pertama tepat. Bila lack of fit tidak bermakna maka model linier

order pertama tepat, sedang bila lack of fit bermakna maka model linier order

6
pertama tidak tepat, perlu dikembangkan menjadi model linier kuadratik atau

model non-linier. Pengujian kemaknaan lack of fit dilakukan dengan cara

memecah J\jumlah kuadrat error menjadi dua, yaitu jumlah kuadrat error murni

dan jumlah kuadrat lack of fit. Jumlah kuadrat lack of fit merupakan selisih antara

jumlah kuadrat error dengan jumlah kuadrat error murni. Menurut Digensia

(2012) Hipotesis pengujian Lack of Fit sebagai berikut:

H 0 : E ( Y )=b 0 +b1 X 1 +b2 X 2 +b 3 X 3+ b4 X 4

H 1 : E (Y ) ≠ b 0+ b1 X 1+ b2 X 2 +b3 X 3 +b 4 X 4

Statistik uji yang digunakan formulanya sebagai berikut (Rini,2023):

MSLF
F= F (2.2)
MSPE (α ;c−2 ,n−c)

dimana:

MSLF adalah Lack of Fit Mean Square.

MSPE adalah Pure Error Mean Square.

n adalah jumlah sampel.

c adalah jumlah observasi variabel X yang berbeda setelah diadakan replikasi.

Keputusan :

Tolak H 0 jika F h itung> F (α ;c−2 ,n −c)

Terima H 0 jika F h itung ≤ F(α ; c−2 , n−c)

7
 BAB III

METODE PENELITIAN

3.1 Jenis dan Sumber Data

Jenis data pada penelitian ini merupakan data numerik. Data numerik adalah

data kuantitatif yang nilainya dalam bentuk numerik atau angka. Pada penelititan

ini data yang digunakan adalah data rata-rata lama sekolah (tahun), data umur

harapan hidup saat lahir, pengeluaran per kapita, jumlah penduduk miskin, dan

indeks pembangunan manusia untuk 38 kota atau kabupaten di Provinsi Jawa

Timur pada tahun 2021.

Dengan data yang digunakan pada penelitian ini bersumber dari website resmi

Badan Pusat Statistik (BPS). Data yang diambil ialah jumah rata-rata dari lama

sekolah, umur harapan hidup saat lahir, pengeluaran per kapita, jumlah penduduk

miskin dan indeks pembangunan manusia dari 38 kota atau kabupaten pada

Provinsi Jawa Timur.

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagi berikut:

Y :Indeks pembangunan manusia.

X 1 :Rata-rata lama sekolah (Tahun).

X 2 : Umur Harapan Hidup saat Lahir (UHH) (Tahun).

X 3 : Pengeluaran per Kapita (Ribu Rupiah/Orang/ Tahun).

Dimana Y merupakan variabel terikat sedangkan X sebagai variabel independen

yang terdiri dari 38 data atau observasi.

8
3.3 Analisis Data

Algoritma yang dilakukan jika melakukan pengujian Lack of Fit pada

penelitian ini adalah sebagai berikut:

1. Mengidentifikasi variabel predictor ( X ) dan variabel reponse (Y ).

2. Mengumpulkan data dari website BPS untuk masing-masing variabel.

3. Menghitung konstanta dan koefisien regresi linier berganda.

4. Mencari nilai koefisien determinasi atau adjusted R-square.

(n− p) σ^
2
5. Hitung Lack of Fit dengan rumus LoF= 2 , dimana σ 2=1.
σ

6. Hitung Pvalue dengan rumus Pvalue =1− pchisq(LoF , db).

7. Uji kondisi P-value.

Jika Pvalue < α , maka tolak H 0

Jika Pvalue > α , maka terima H 0

8. Diperoleh model regresi linier berganda, P-value.

9
3.4 Diagram Alir Penelitian
Mulai

Mengidentifikasi Variabel X dan Variabel Y

Pengumpulan Data

Hitung konstanta dan koefisien

Bentuk model regresi berganda

Cari nilai koefisien determinasi

Hitung Lack of Fit

(n− p) σ^
2
LoF=
σ2

Hitung P-value
Pvalue =1− pchisq( LoF , db).

Pvalue < α
False True

Terima H 0 Tolak H 0

Model regresi

Selesai

Gambar 3.1 Diagram alir penilitian

10
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Statistik Deskriptif Data

Adapun hasil dari statistik data dari batasan masalah 1 adalah sebagai berikut:

Tabel 4.1 Summary data

X1 X2 X3 Y
Min. : 4.860 Min. : 66.89 Min. : 8673 Min. :62.80
1st Qu.: 7.200 1st Qu.: 70.44 1st Qu.:10038 1st Qu.:68.66
Median : 7.695 Median :72.45 Median :11260 Median :71.63
Mean : 8.061 Mean :71.72 Mean :11569 Mean :72.23
3rd Qu.: 9.220 3rd Qu.:72.84 3rd Qu.:12723 3rd Qu.:75.25
Max. : 11.370 Max. :74.18 Max. :17862 Max. :82.31

Pada Tabel 4.1 didapatkan hasil statistik deskriptif dari variabel ( Y ¿ yaitu

data IPM (Indeks Pembangunan Manusia) nilai minimum: 62.80, 1st quartile:

68.66, median: 71.63, mean: 72.23, 3rd quartile: 75.25, maximum : 82.31. Pada

variabel ( X 1 ¿ yaitu Rata-rata lama sekolah didapatkan hasil nilai minimum:

4.860, 1st quartile: 7.200, median: 7.695, mean: 8.061, 3rd quartile: 9.220,

maximum : 11.370. Pada variabel (X 2) yaitu Umur harapan hidup didapatkan

nilai Minimum: 66.89, 1st quartile: 70.44, median: 72.45, mean: 71.72, 3rd

quartile: 72.84, maximum : 74.18. Pada variabel (X 3) yaitu Pengeluaran

perkapita didapatkan nilai minimum: 8673, 1st qurtile: 10038, median: 11260,

mean: 11569, 3rd quartile: 12723, maximum : 17862.

11
4.2 Hasil Batasan Masalah

Tabel 4.2 Summary Regresi

Coefficients: Estimate Std.Error t value Pr(>|t|)
(Intercept) 1.946e+01 5.034e+00 3.866 0.000474
X1 1.737e+00 1.668e-01 10.412 4.11e-12
X2 4.037e-01 7.687e-02 5.252 8.08e-06
X3 8.478e-04 9.582e-05 8.848 2.43e-10
Residual standard error: 0.603 on 34 degrees of freedom
Multiple R-squared: 0.987,
F-statistic: 859 on 3 and 34 DF, p-value: < 2.2e-16

Berdasarkan hasil penelitian diperoleh output dari model regresi berganda

yang didapatkan konstanta atau nilai variabel Y yaitu 19.46 , dengan koefisien

untuk X 1 sebesar 1.737 , untuk X 2 sebesar 0.4037 , dan untuk X 3 sebesar

0.0008478 . Dari nilai-nilai ini model regresi linier berganda yang terbentuk adalah

sebagai berikut:

Y^ i=19.46 +1.737 X 1 +0.4037 X 2 +0.0008478 X 3 (4.2)

Dari model regresi ini berarti bahwa, jika variabel X meningkat sebesar 1

satuan maka akan meningkatkan Y^ i. Dengan tanda positif (+) pada X

menunjukkan peningkatan pada Y^ i . Jika dikondisikan rata-rata lama sekola ( X 1)

meningkat sebesar 1 satuan, maka indeks pembangunan manusia ( Y^ i) akan

meningkat sebesar 1.737 . Jika umur harapan hidup ( X 2 ) meningkat sebesar 1

satuan, maka indeks pembangunan manusia (Y^ i) akan meningkat sebesar 0.4037 .

Jika pengeluaran per kapita ( X 3 ) meningkat sebesar 1 satuan, maka indeks

pembangunan manusia (Y^ i) akan meningkat sebesar 0.0008478 . Kemudian,

diperoleh hasil summary yang mana didapatkan adjusted R-squared sebesar

0.9858=98.58 % yang merupakan koefisien determinasi sehingga dapat diartikan

bahwa ketiga variabel X tersebut dapat menjelaskan Y (indeks pembangunan

12
manusia) sebesar 98.58% dengan sisanya sebesar 1.42% dipengaruhi oleh faktor

lainnya.

Tabel 4.3 lack of fit table

lack of fit test
LOF p−value
12.36271 0.9997545

Pada tabel 4.3 didapatkan nilai lack of fit sebesar 12.36271 dan p−value

sebesar 0.9997545 . Sehingga diketahui bahwa Pvalue > α yaitu 0.9997545> 0 ,05

yang artinya nilai p value lebih besar dari 0.05 maka terima H 0 dan dapat

disimpulkan bahwa E ( Y ) tidak terdapat lack of fit tidak terdapat penyimpangan

atau ketidaktepatan terhadap model linier order pertama. Data hubungan model

dengan menggunakan plot yang mana dikatakan baik jika membentuk pola garis

lurus. Jika kita lihat berdasarkan hasil plot indeks pembangunan manusia terhadap

rata-rata lama sekolah pada lampiran 5.

4.3 Pengujian Hipotesis

Selanjutnya pengujian Lack of Fit dapat dilakukan dengan tahapan-tahapan

pengujian sebagai berikut:

1. Merumuskan hipotesis

H 0 : E ( Y )=b 0 +b1 X 1 +b2 X 2 +b 3 X 3

H 1 : E (Y ) ≠ b 0+ b1 X 1+ b2 X 2 +b3 X 3

2. Taraf nyata pengujian

α =5 %

3. Statistik uji

MSLF
F= F
MSPE (α ;c−2 ,n−c)

13
 (n− p) σ^ (34)0.603
2 2
LoF= = =12.36271
σ2 12

Pvalue ¿ 0.9997545

4. Kriteria penolakan

Tolak H 0 jika F h itung> F (α ;c−2 ,n −c) atau Pvalue < α

Terima H 0 jika F h itung ≤ F(α ; c−2 , n−c) atau Pvalue ¿ α

5. Kesimpulan

Berdasarkan hasil yang didapatkan, nilai dari Pvalue =0.9997545 pada α yang

digunakan sebesar 5 % atau 0.05 . Artinya Pvalue =0.9997545> α=0.05 maka

terima H 0 dan dapat disimpulkan bahwa pada taraf nyata pengujian 5% tidak

terdapat lack of fit pada model regresi tersebut atau dapat diartikan juga bahwa

model linier sudah tepat sehingga tidak perlu dilakukan transformasi data.

14
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Lack of fit merupakan penyimpangan atau ketidak tepatan terhadap model

linier order pertama. Pengujian lack of fit dilakukan untuk mendeteksi apakah

model linier order pertama tepat. Pengujian lack of fit diperlukan apabila terdapat

pengamatan yang berulang, yaitu satu kombinasi nilai variabel bebas berpasangan

dengan beberapa nilai respon. Apabila lack of fit tidak berarti, maka model sudah

tepat. Sedangkan apabila lack of fit berarti, maka model regresi tidak tepat, perlu

dikembangkan menjadi model linier kuadratik atau model non-linier. Pengujian

kemaknaan lack of fit dilakukan dengan cara memecah Jumlah Kuadrat Error

menjadi dua, yaitu Jumlah Kuadrat Error Murni dan Jumlah Kua-drat lack of fit.

Jumlah Kuadrat lack of fit merupakan selisih antara Jumlah Kuadrat Error dengan

Jumlah Kuadrat Error Murni.

Berdasarkan hasil batasan masalah yang telah dikerjakan, diperoleh nilai-nilai

yang dapat digunakan untuk membentuk model regresi dan model regresi yang

diperoleh ialah

Y^ i=19.46 +1.737 X 1 +0.4037 X 2 +0.0008478 X 3

Dari model regresi ini berarti, jika variabel X meningkat sebesar 1 satuan maka

akan meningkatkan Y^ i. Dengan tanda positif (+) pada X menunjukkan

peningkatan pada Y^ i begitupun sebaliknya untuk (−¿) menunjukan penurunan.

Didapatkan juga hasil pada summary yaitu nilai residual standard error sebesar

0.603 , dengan derajat bebas adalah 34 yang akan digunakan untuk menghitung

15
nilai dari lack of fit nantinya, dan adjusted R-squared sebesar 0.9858=98 , 58 %

yang merupakan koefisien determinasi sehingga dapat diartikan bahwa ketiga

variabel X tersebut dapat menjelaskan Y (indeks pembangunan manusia) sebesar

98 , 58 % dengan sisanya sebesar 0.42 % dipengaruhi oleh faktor lainnya. Pada

plot dihasilkan juga pola garis lurus yang mana dapat dikatakan bahwa model

tersebut cukup baik. Berdasarkan hasil untuk pengujian Lack of Fit dengan

menggunakan α sebesar 5 % atau 0.05 diperoleh Pvalue =0.9997545> α=0.05

maka terima H 0 dan dapat disimpulkan bahwa pada taraf nyata pengujian 5%

tidak terdapat lack of fit pada model regresi tersebut atau dapat diartikan juga

bahwa model linier sudah tepat sehingga tidak perlu dilakukan transformasi data.

5.2 Saran

Ketika melakukan pengujian lack of fit menggunakan program R harus teliti

dalalm membuat variabel dan saat memasukkan data, dikarenakan jika salah maka

kita tidak akan mendapatkan hasil yang diharapkan. Kita harus cermat dalam

menginterprestasikan hasil dari uji yang dilakukan. Dalam program R perlu

dilakukan sesuai dengan prosedur yang ada agar tidak terjadi error pada saat

pengerjaannya.

16
 DAFTAR PUSTAKA

Aryantini, N. L. P. E. (2018). Optimasi Jaringan Akses Fiber to the Home

Dengan Metode Multiresponse Surface dan Desirability Function Di PT.
TKM. Doctoral dissertation: Institut Teknologi Sepuluh November.
Rini, D. S. (2023). Modul Praktikum Analisis Regresi dan Korelasi. Bengkulu:
Laboratorium Matematika Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Bengkulu.
Wijaya, C., Sianto, M. E., & Asrini, L. J. (2019). Penentuan komposisi lapisan
paving block untuk mendapatkan kuat tekan yang optimal. Widya Teknik.
Yuliara, I. M. (2016). Modul Regresi Linier Sederhana. Bali: Jurusan Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana.

17
 LAMPIRAN

Lampiran 1. Data batasan masalah

Observasi Y X1 X2 X3
Pacitan 68.57 7.61 72.07 8887
Ponorogo 71.06 7.55 72.85 9851
Trenggalek 70.06 7.56 73.86 9743
Tulungagung 73.15 8.34 74.16 10807
Blitar 71.05 7.5 73.61 10757
Kediri 72.56 8.08 72.65 11127
Malang 70.6 7.43 72.61 10163
Lumajang 66.07 6.67 70.21 9203
Jember 67.32 6.49 69.28 9410
Banyuwangi 71.38 7.42 70.72 12217
Bondowoso 66.59 5.94 66.89 10690
Situbondo 67.78 6.62 69.24 9996
Probolinggo 66.26 6.12 67.36 10969
Pasuruan 68.93 7.41 70.25 10297
Sidoarjo 80.65 10.72 74.06 14578
Mojokerto 74.15 8.64 72.59 12844
Jombang 73.45 8.55 72.49 11394
Nganjuk 71.97 7.78 71.6 12172
Madiun 71.88 7.82 71.5 11658
Magetan 74.15 8.36 72.65 11833
Ngawi 71.04 7.26 72.41 11459
Bojonegoro 69.59 7.38 71.72 10221
Tuban 68.91 7.18 71.56 10380
Lamongan 73.12 8.04 72.49 11510
Gresik 76.5 9.56 72.67 13280
Bangkalan 64.36 5.96 70.22 8673
Sampang 62.8 4.86 68.07 8790
Pamekasan 66.4 6.7 67.67 8804
Sumenep 67.04 5.92 71.56 9000
Kota Kediri 78.6 10.15 74.04 12359
Kota Blitar 78.98 10.35 73.86 13816
Kota Malang 82.04 10.41 73.36 16663
Kota
73.66 8.95 70.35 12245
Probolinggo
Kota Pasuruan 75.62 9.33 71.6 13354
Kota 78.43 10.47 73.39 13610

18
 Mojokerto
Kota Madiun 81.25 11.37 72.83 16095
Kota Surabaya 82.31 10.5 74.18 17862
Kota Batu 76.28 9.31 72.65 12887

Lampiran 2. Hasil output summary data

Lampiran 3. Hasil batasan masalah

Lampiran 4. Hasil output Uji Lack of Fit

Lampiran 5. Plot dari model

19
20