PERTEMUAN V
PENGANTAR ANALISIS REGRESI
Oleh
NPM : F1F022034
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.
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
iv
DAFTAR TABEL
v
DAFTAR LAMPIRAN
vi
BAB I
PENDAHULUAN
mengetahui hubungan sebuah variabel tak bebas dengan satu atau lebih variabel
bebas. Analisis regresi dapat digunakan untuk menganalisis data dan mengambil
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
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.
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
oleh suatu persamaan regresi, yang diharapkan berada pada rentang 0 sampai 1.
semakin besar nilainya akan semakin besar pengaruh faktor terhadap respon
(Aryantini, 2018).
Dengan manfaat yang didapatkan dari penelitian ini adalah sebagai berikut :
regresi linier.
regresi linier.
Lakukan pengujian lack of fit berdasarkan data yang sudah diperoleh pada
2
laporan 4. Interpretasikan model berdasarkan uji tersebut.
BAB I PENDAHULUAN
penulisan.
Bab ini merupakan bab yang memuat pengertian dan teori yang
Bab ini merupakan bab yang memuat jenis dan sumber data,
Bab ini merupakan bab yang memuat hasil dan pembahasan yang
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
4
BAB II
TINJAUAN PUSTAKA
Y = β0 + β 1 X
Karena model diduga dari sampel, maka secara umum ditunjukkan sebagai
Y^ = β0 + β 1 ^
X
menjelaskan hubungan satu variabel tak bebas atau response (Y ) dengan dua
regresi linier berganda adalah untuk memprediksi nilai variabel tak bebas
oleh :
5
Keterangan:
a=¿ konstanta.
X 1 , X 2 , … , X n = variabel bebas.
mem-punyai nilai diantara jika nilai¿ 0 ,dalam hal ini variabel Y tidak
dan X 2 . Dan jika nilainya positif maka terjadi hubungan yang searah antara
Lack of fit merupakan ketidaksesuaian yang terdapat pada model regresi. Uji
Lack of Fit dilakukan untuk mengetahui apakah model regresi sudah sesuai untuk
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
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
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
H 1 : E (Y ) ≠ b 0+ b1 X 1+ b2 X 2 +b3 X 3 +b 4 X 4
MSLF
F= F (2.2)
MSPE (α ;c−2 ,n−c)
dimana:
Keputusan :
7
BAB III
METODE PENELITIAN
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
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
8
3.3 Analisis Data
(n− p) σ^
2
5. Hitung Lack of Fit dengan rumus LoF= 2 , dimana σ 2=1.
σ
9
3.4 Diagram Alir Penelitian
Mulai
Pengumpulan Data
Hitung P-value
Pvalue =1− pchisq( LoF , db).
Pvalue < α
False True
Terima H 0 Tolak H 0
Model regresi
Selesai
10
BAB IV
Adapun hasil dari statistik data dari batasan masalah 1 adalah sebagai berikut:
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
4.860, 1st quartile: 7.200, median: 7.695, mean: 8.061, 3rd quartile: 9.220,
nilai Minimum: 66.89, 1st quartile: 70.44, median: 72.45, mean: 71.72, 3rd
perkapita didapatkan nilai minimum: 8673, 1st qurtile: 10038, median: 11260,
11
4.2 Hasil Batasan Masalah
yang didapatkan konstanta atau nilai variabel Y yaitu 19.46 , dengan koefisien
0.0008478 . Dari nilai-nilai ini model regresi linier berganda yang terbentuk adalah
sebagai berikut:
Dari model regresi ini berarti bahwa, jika variabel X meningkat sebesar 1
satuan, maka indeks pembangunan manusia (Y^ i) akan meningkat sebesar 0.4037 .
12
manusia) sebesar 98.58% dengan sisanya sebesar 1.42% dipengaruhi oleh faktor
lainnya.
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
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
1. Merumuskan hipotesis
H 1 : E (Y ) ≠ b 0+ b1 X 1+ b2 X 2 +b3 X 3
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
5. Kesimpulan
Berdasarkan hasil yang didapatkan, nilai dari Pvalue =0.9997545 pada α yang
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
5.1 Kesimpulan
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
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
yang dapat digunakan untuk membentuk model regresi dan model regresi yang
diperoleh ialah
Dari model regresi ini berarti, jika variabel X meningkat sebesar 1 satuan maka
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 %
plot dihasilkan juga pola garis lurus yang mana dapat dikatakan bahwa model
tersebut cukup baik. Berdasarkan hasil untuk pengujian Lack of Fit dengan
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
dalalm membuat variabel dan saat memasukkan data, dikarenakan jika salah maka
kita tidak akan mendapatkan hasil yang diharapkan. Kita harus cermat dalam
dilakukan sesuai dengan prosedur yang ada agar tidak terjadi error pada saat
pengerjaannya.
16
DAFTAR PUSTAKA
17
LAMPIRAN
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
19
20