Escolar Documentos
Profissional Documentos
Cultura Documentos
LAPORAN PRAKTIKUM
ANALISIS REGRESI TERAPAN
Modul 2 : Regresi
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018
i
Daftar Isi
1 Pendahuluan .................................................................................................... 1
1.1 Statistika Deskriptif .................................................................................. 1
1.1.1 Program R ......................................................................................... 1
1.2 Analisis Regresi ........................................................................................ 1
1.1 Regresi Berganda ..................................................................................... 1
1.3 Uji Hipotesis ............................................................................................. 2
1.4 Kelayakan model regresi .......................................................................... 2
2 Deskripsi Kerja................................................................................................ 4
2.1 Studi Kasus ............................................................................................... 4
2.2 Langkah Kerja .......................................................................................... 5
3 Pembahasan ..................................................................................................... 8
3.1 Pembahasan Output studi kasus nomor 1 ................................................. 8
3.2 Pembahasan Output studi kasus nomor 2 ................................................. 9
3.3 Pembahasan Output studi kasus nomor 3 ............................................... 10
3.3.1 Persamaan Regresi dan Prediksi ..................................................... 12
4 Penutup.......................................................................................................... 13
4.1 Kesimpulan ............................................................................................. 13
4.2 Saran ....................................................................................................... 13
Daftar Pustaka ....................................................................................................... 14
ii
Daftar Tabel
Daftar Gambar
iii
1 Pendahuluan
1.1.1 Program R
R merupakan suatu sistem analisis statistika yang relatif lengkap, yang
merupakan hasil dari kolaborasi riset berbagai statistisi di seluruh dunia.
Versi paling awal R dibuat tahun 1992 di Universitas Aucland, New Zealand
oleh Ross Ihaka dan Robert Gentleman (yang mungkin menjelaskan asal
muasal akronim nama R untuk software ini). Saat ini Source Code Kernel R
dikembangkan oleh R Core Team, yang beranggotakan 17 orang statistisi dari
berbagai penjuru dunia.
R dapat diperoleh secara bebas di CRAN-archive (The Comprehensive R
Archive Network) pada alamat http:/CRAN.r-project.org. Server utama
CRAN berlokasi di Universitas Teknologi Vienna, Austria dan di mirror
world-wide lebih kurang 17 situs di lima benua. Karena R adalah sebuah
bahasa pemrograman, sebagian besar fungsi-fungsi tersedia dalam bentuk
library sesuai dengan keinginan.
(Nugraha, 2014)
1
1.3 Uji Hipotesis
2
sebesar < 1 dan > 3
f. Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2
semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka
model regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya: 1)
selalu positif, 2) Nilai r2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan
mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam
variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2 sama dengan
0, maka tidak ada hubungan linier antara X dan Y.
g. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
h. Data harus berdistribusi normal
i. Data berskala interval atau rasio
j. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(disebut juga sebagai variabel predictor) sedang variabel lainnya variabel
tergantung (disebut juga sebagai variabel response) (Supranto, 2004)
3
2 Deskripsi Kerja
4
Sulawesi Tengah 8 766 1182
Sulawesi Selatan 93 6475 9420
Sulawesi Tenggara 18 1295 1959
Gorontalo 8 471 750
Sulawesi Barat 7 374 587
Maluku 22 1110 1566
Maluku Utara 3 313 492
Papua Barat 15 1014 1477
Papua 25 1684 2524
5
4. Syntax stat.desc menggunakan library pastecs untuk mencari statistika
deskriptif.
6
7. Membuat rumus regresi berganda dan membuat analisis regresi berganda
yang mana untuk membuat rumus regresi berganda menggunakan syntax
lm(y~x,data=data_wisatawan)dan untuk mencari analisis regresi menggunakan
syntax summary(regresiberganda) dan anova(regresiberganda). Dengan
memuat intercept pada output-nya.
9. Membuat rumus prediksi dari regresi berganda serta membuat data frame
agar lebih rapih
7
3 Pembahasan
8
tidur sebesar 2460.209, lalu jarak titik antar data dapat dilihat pada output var
akomodasi sebesar 6966.835, jarak titik antar data kamar sebesar 9.492x107 , lalu
pada tempat tidur sebesar 2.057x108 . dan deviasi standarnya untuk akomodasi
sebesar 83.467, lalu pada data kamar sebesar 9.742, dan pada data tempat tidur
sebesar 1.434 .
Pada studi kasus yang ke 2 yakni membuat permodelan yang di dapatkan dan
apakah sudah optimal model yang telah di dapatkan.
Gambar 3.2. Output studi kasus nomor 2 bagian analisis regresi berganda
Dapat dilihat pada gambar 3.2. bahwa didapatkan model y = 11.255659 -
0.028335x1 + 0.024810x2. Yang mana rumus matematikanya yakni y = b0 +bx1+bx2
. Permodelan dapat dikatakan sudah optimal dikarenakan β1 bernilai 7.27 x10 8 dan
β2 bernilai 3.46 x10 10 yang mana β1 dan β2 lebih kecil dari α, maka x1(kamar) dan
x2(tempat tidur) berpengaruh terhadap respon rata-rata akomodasi. Dalam kasus
ini, β0 saja yang tidak nyata.
9
3.3 Pembahasan Output studi kasus nomor 3
Selanjutnya, praktikan akan menjelaskan soal nomor dua. Di soal ini,
praktikan melakukan analisis regresi berganda yang mana menggunakan syntax
summary(regresiberganda)
Gambar 3.3. Output studi kasus nomor 2 bagian analisis regresi berganda
Uji Overall
1. Hipotesis Uji
H0: β0 = β1 = 0, dimana i = 0,1 (model tidak layak digunakan)
H1: ada minimal salah satu βi ≠ 0, dimana i = 0,1 (model layak digunakan)
2. Tingkat Signifikansi
α = 5% = 0,05
3. Daerah Kritis
Tolak jika H0 jika p-value ≤ α
4. Statistik Uji
Diperoleh p-value = 2.2 x1016
5. Keputusan
Karena nilai p-value = 2.2 x1016 < α = 0,05, maka tolak H0
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95%, data yang ada
mendukung hipotesis H0 yang artinya model regresi layak untuk
digunakan.
10
Selanjutnya, praktikan akan menjelaskan soal nomor dua. Di soal ini,
praktikan melakukan analisis of variance antara variabel x1, x2 dan y, yang mana
vaiabel x1,x2 sebagai independent dan variabel y sebagai dependen.
2. Tingkat Signifikansi
α = 5% = 0,05
3. Daerah Kritis
Tolak jika H0 jika p-value ≤ α
5. Keputusan
Karena nilai p-value β0, β1, β2 < α = 0,05, maka tolak H0
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada
menyatakan bahwa koefisien regresi β0, β1 dan β2 signifikan terhadap
model.
11
3.3.1 Persamaan Regresi dan Prediksi
Dari pembahasan sebelumnya, diperoleh persamaan regresi berganda y =
11.255659 - 0.028335x1 + 0.024810x2. Jika diketahui data untuk banyaknya kamar
yaitu 545, 213, dan 400. data untuk banyaknya tempat tidur yaitu 69, 42, dan 771
maka akan diperoleh hasil prediksi rata-rata untuk akomodasi seperti gambar 3.5.
berikut :
12
4 Penutup
4.1 Kesimpulan
1. Dapat dilihat bahwa tidak terlalu besar selisih nilai terendah antara kolom
kamar dan kolom tempat tidur yang mana menurut praktikan bahwa
hubungan antara kamar dan tempat tidur sangat berhubungan yang mana
semakin banyak kamar maka akan mempengaruhi banyak tempat tidur
namun sebaliknya jika banyak akomodasi belum tentu dapat
mempengaruhi banyaknya kamar karena boleh jadi kamar sedikit namun
pelayanan akomodasi lebih banyak (best service customer) lebih di
utamakan yang di tawarkan oleh hotel, yang mana dapat dilihat secara
lengkap pada pembahasan 3.1
2. Didapat kan permodelan y = 11.255659 - 0.028335x1 + 0.024810x2 yang
mana model dapat dikatan optimal yang mana dapat di lihat pada 3.3.1
3. Pada model yang di dapatkan dapat di prediksi kan jika nilai kamar 545
dan nilai tempat tidur sebesar 69 di dapatkan prediksi dengan akomodasi
sebesar -2.485071, lalu jika data kamar menjadi 213 dan tempat tidur 42 di
dapatkan predisksi hubungannya 6.258531, dapat dilihat lebih lengkap
pada poin 3.3.1
4. Jika mencari regresi berganda menggunakan intercept tingkat error dari
olahan data akan semakin kecil
4.2 Saran
1. Untuk mendapatkan kesalahan olahan data yang kecil, gunakan intercept
untuk meminimalisir tingkat kesalahan model.
2. Untuk melakukan statistika deskriptif dapat dilakukan dengan R yang
mana dapat dilakukan dengan cara menggunakan library pastecs lalu
menggunakan syntax stat.desc() atau juga dapat melakukannya dengan
cara manual dengan menggunakan syntax mean, median, variance, dan
sebagainya, atau juga dapat menggunakan syntax summary()
13
Daftar Pustaka
14