LAPORAN UTS METODE STATISTIK II

LAPORAN UTS PRAKTIKUM METODE STATISTIKA II Yogyakarta, 24 April 2015 Nama : Yulia Kurniasih NIM : 14/364976/PA/16067 Prodi : Matematika Dosen Pengampu : Vemmie Nastiti Lestari, S.Si., M.Sc. Asisten Praktikum : Bagus Setyawan (15420) Muhammad Ifdhal Zaky Elyasa (15692) LABORATORIUM KOMPUTASI MATEMATIKA DAN STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA YOGYAKARTA 2015 BAB I PERMASALAHAN 1. Dari sampel random yang terdiri 10 batang tembakau t1, 9 batang tembakau t2 , 8 batang tembakau t3 , diketahui kadar nikotin sebagai berikut ( dalam mg). Tembakau t1 19 , 18 , 22 , 18 , 24 , 11, 14, 17 , 16 , 20 Tembakau t2 27 , 34 , 36 , 31 , 30 , 28 , 27 , 33 , 26 Tembakau t3 32 , 37 , 44 , 42 , 40 , 36 , 30 , 29 Apakah ketiga jenis tembakau tersebut mempunyai kadar nikotin yang sama?Jika tidak, urutkan kadar nikotin dari yang paling tinggi. Ujilah dengan tingkat 1 signifikansi 2 % . 2 2. Sebuah perusahaan batere ingin memproduksi batere yang dapat digunakan pada suhu ekstrim (tinggi atau rendah). Dalam kasus ini dipilih bahan lempeng untuk membuat batere dari bahan 1, bahan 2 dan bahan 3. Pada saat batere ini dikirimkan, perusahaan tidak dapat mengendalikan batere terhadap suhu setempat, padahal diketahui bahwa perubahan suhu merupakan faktor yang dapat menurunkan daya tahan hidup dari sel-sel batere. Oleh karena itu dalam percobaan ini ingin diketahui pula pengaruh suhu terhadap daya tahan dari batere. Tiga suhu akan dicobakan yaitu 150C, 300C dan 450C. Diperoleh data daya tahan batere (dalam jam) sebagai berikut Suhu Jenis 0 Bahan 15 C 300C 450C 131 154 36 41 21 69 1 75 179 81 76 84 57 151 187 137 125 26 71 2 161 128 105 115 58 45 140 113 174 120 96 104 3 166 161 153 134 82 60 Lakukan analisis lengkap namun singkat padat jelas ! (jika asumsi tidak terpenuhi maka diasumsikan terpenuhi ) 3. Jawablah pertanyaan berikut: a. Jelaskan apa yang dimaksud analisis regresi linear! b. Sebutkan tujuan dilakukan analisis regresi linear! c. Sebutkan asumsi-asumsi dalam analisis regresi linear! d. Tuliskan model regresi linear! e. Sebutkan langkah-langkah melakukan analisis regresi linear! 4. Enam puluh mahasiswa disurvey mengenai studi yang melibatkan waktu penggunaan Internet (SosMed) dengan IP semesternya. Hasilnya diberikan pada tabel di bawah ini Internet –Sosmed (jam) IP Internet –Sosmed (jam) IP 11 2.84 10 2.99 5 3.20 8 3.25 22 2.18 17 2.66 23 2.12 24 2.09 20 2.55 17 2.88 20 2.24 16 2.76 10 2.90 9 2.97 19 2.36 18 2.96 15 2.60 13 2.70 18 2.42 15 2.73 9 2.85 16 2.46 5 3.35 6 3.55 14 2.60 13 2.58 18 2.35 19 2.22 6 3.14 7 3.33 9 3.05 8 3.25 24 2.06 23 2.12 25 2.00 24 2.20 12 2.78 13 2.57 6 2.90 7 3.10 25 1.85 21 1.96 6 3.14 6 3.43 9 2.96 8 3.06 20 2.30 21 2.36 14 2.66 15 2.85 19 2.36 17 2.48 21 2.24 20 2.25 7 3.08 8 3.09 11 2.84 12 2.82 20 2.45 20 2.55 Periksalah asumsi-asumsi yang diperlukan! Lakukan analisis regresi sampai diperoleh model terbaik! Berikan interpretasinya! (Jika asumsi dalam analisis regresi tidak terpenuhi maka diasumsikan terpenuhi) BAB II PEMBAHASAN Pembahasan nomor 1 Uji Anova 1 Arah A. Uji Asumsi 1. Uji Normalitas a. Uji Hipotesis H0 : Data kadar nikotin dari ketiga jenis tembakau berdistribusi normal H1 : Data kadar nikotin dari ketiga jenis tembakau tidak berdistribusi normal b. Tingkat Signifikansi 1 α= 2 % 2 c. Statistik Uji Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic Df Sig. * kadarnikotin .096 27 .200 .978 27 .810 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. p value = 0,810 d. Daerah Kritik H0 ditolak jika p value < α 0,810 > 0,025 H0 tidak ditolak e. Kesimpulan 1 Karena H0 tidak ditolak pada tingkat signifikansi 2 % maka H0 diterima. 2 Sehingga, data kadar nikotin dari ketiga jenis tembakau berdistribusi normal. 2. Uji Kesamaan Variansi a. Uji Hipotesis H0 : Semua variansi data kadar nikotin dari tembakau 1, tembakau 2, dan tembakau 3 sama (σt1 = σt2 = σt3) H1 : Tidak semua variansi data kadar nikotin dari ketiga jenis tembakau sama b. Tingkat Signifikansi 1 α= 2 % 2 c. Statistik Uji Test of Homogeneity of Variances kadarnikotin Levene Statistic df1 df2 1.480 2 24 p value = 0,248 Sig. .248 d. Daerah Kritik H0 ditolak jika p value < α 0,248 > 0,025 H0 tidak ditolak e. Kesimpulan 1 Karena H0 tidak ditolak pada tingkat signifikansi 2 % maka H0 diterima. 2 Sehingga, semua variansi data kadar nikotin dari ketiga jenis tembakau sama. B. Uji ANAVA a. Uji Hipotesis H0 : Semua rata-rata kadar nikotin dari tembakau 1, tembakau 2, dan tembakau 3 sama (µ t1 = µ t2 = µ t3) H1 : Tidak semua rata-rata kadar nikotin dari ketiga jenis tembakau sama b. Tingkat Signifikansi 1 α= 2 % 2 c. Statistik Uji ANOVA kadarnikotin Between Groups Within Groups Total p value = 0,000 Sum of Squares 1600.711 443.956 2044.667 d. Daerah Kritik H0 ditolak jika p value < α 0,000 < 0,025 H0 ditolak df 2 24 26 Mean Square 800.356 18.498 F 43.267 Sig. .000 e. Kesimpulan 1 Karena H0 ditolak pada tingkat signifikansi 2 % maka H1 diterima. Sehingga, 2 tidak semua rata-rata data kadar nikotin dalam tembakau sama. C. Uji MCA a. Uji Hipotesis H0 : Tidak ada perbedaan yang signifikansi antara ketiga jenis tembakau H1 : Ada perbedaan yang signifikan antara ketiga jenis tembakau b. Tingkat Signifikansi 1 α= 2 % 2 c. Statistik Uji Multiple Comparisons kadarnikotin LSD (I) (J) Mean Std. Sig. 97.5% Confidence Interval temba temba Difference Error Lower Upper kau kau (I-J) Bound Bound * t1 t2 -12.32222 1.97615 .000 -17.0471 -7.5974 * t3 -18.35000 2.04012 .000 -23.2278 -13.4722 * t2 t1 12.32222 1.97615 .000 7.5974 17.0471 * t3 -6.02778 2.08988 .008 -11.0246 -1.0310 * t3 t1 18.35000 2.04012 .000 13.4722 23.2278 * t2 6.02778 2.08988 .008 1.0310 11.0246 *. The mean difference is significant at the 0.025 level. t1 VS t2 0,000 t2 VS t3 0,008 t1 VS t3 0,000 d. Daerah Kritik H0 ditolak jika p value < α t1 VS t2 0,000 t2 VS t3 0,008 t1 VS t3 0,000 e. Kesimpulan 0,000 < 0,025 H0 ditolak 0,008 < 0,025 H0 ditolak 0,000 < 0,025 H0 ditolak 1 Karena semua H0 ditolak pada tingkat signifikansi 2 % maka H1 diterima. 2 Sehingga, ada perbedaan yang signifikan antara tembakau 1 dan tembakau 2, tembakau 1 dan tembakau 3, dan tembakau 2 dan tembakau 3. Dari tabel tersebut pada kolom Mean Difference kita dapat mengetahui kadar nikotin dari tembakau jenis keberapa yang paling tinggi. Kadar nikotin paling tinggi dari ketiga jenis tembakau tersebut yaitu tembakau 3, tembakau 2, dan tembakau 1. Interpretasi : Soal nomor 1 diselesaikan dengan uji anova 1 arah. Langkah-langkahnya, yaitu yang pertama adalah uji asumsi. Uji asumsi ada dua yaitu uji normalitas dan uji kesamaan variansi. Pada uji normalitas didapatkan hasil H0 tidak ditolak pada tingkat signifikansi 1 2 % maka H0 diterima. Sehingga, data kadar nikotin dari ketiga jenis tembakau 2 berdistribusi normal. Selanjutnya akan dilakukan uji kesamaan variansi, pada uji kesamaan variansi didapatkan hasil Karena H0 tidak ditolak pada tingkat signifikansi 1 2 % maka H0 diterima. Sehingga, semua variansi data kadar nikotin dari ketiga jenis 2 tembakau sama. Karena kedua asumsi sudah terpenuhi maka dilanjutkan dengan langkah selanjutnya yaitu uji anova1 arah. Pada uji anova 1 arah ini didapatkan hasil H0 1 ditolak pada tingkat signifikansi 2 % maka H1 diterima. Sehingga, tidak semua rata2 rata data kadar nikotin dalam tembakau sama. Karena H0 ditolak maka akan dilakukan uji MCA (Multiple Comparison Analysis). Pada uji MCA ini akan dibandingkan p value dari data kadar nikotin tembakau satu dengan data kadar nikotin tembakau lainnya. 1 Didapatkan hasil bahwa semua H0 ditolak pada tingkat signifikansi 2 % maka H1 2 diterima. Sehingga, ada perbedaan yang signifikan antara tembakau 1 dan tembakau 2, tembakau 1 dan tembakau 3, dan tembakau 2 dan tembakau 3. Kadar nikotin paling tinggi dari ketiga jenis tembakau tersebut yaitu tembakau 3, tembakau 2, dan tembakau 1. Pembahasan nomor 2 Uji Anova 2 Arah A. Uji Asumsi 1. - Uji Normalitas Jenis Bahan a. Uji Hipotesis H0 : Data berdistribusi normal H1 : Data tidak berdistribusi normal b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk jenisbahan Statistic df Sig. Statistic df Sig. Data 1 .247 12 .041 .914 12 .242 * suhu 2 .134 12 .200 .964 12 .840 * 3 .115 12 .200 .967 12 .872 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. p value jenis bahan 1 = 0,242 p value jenis bahan 2 = 0,840 p value jenis bahan 3 = 0,872 d. Daerah Kritik H0 ditolak jika p value < α p value jenis bahan 1 = 0,242 > 0,050 H0 tidak ditolak p value jenis bahan 2 = 0,840 > 0,050 H0 tidak ditolak p value jenis bahan 3 = 0,872 > 0,050 H0 tidak ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, data tidak berdistribusi normal. Namun, pada permasalahan ini kita asumsikan bahwa data berdistribusi normal. - Uji Normalitas Tingkat suhu a. Uji Hipotesis H0 : Data berdistribusi normal H1 : Data tidak berdistribusi normal b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Tests of Normality suhu Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig. * data 15C .154 12 .200 .940 12 .498 * suhu 30C .148 12 .200 .954 12 .702 * 45C .136 12 .200 .967 12 .881 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. p value suhu 150C = 0,498 p value suhu 300C = 0,720 p value suhu 450C = 0,881 d. Daerah Kritik H0 ditolak jika p value < α p value suhu 150C = 0,498 > 0,050 p value suhu 300C = 0,720 > 0,050 p value suhu 450C = 0,881 > 0,050 H0 tidak ditolak H0 tidak ditolak H0 tidak ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, data tidak berdistribusi normal. Namun, pada permasalahan ini kita asumsikan bahwa data berdistribusi normal. 2. - Uji Kesamaan Variansi Jenis Bahan a. Uji Hipotesis H0 : Semua variansi data jenis bahan dari bahan 1, bahan 2, dan bahan 3 sama (σ1 = σ2 = σ3) H1 : Tidak semua variansi data jenis bahan dari ketiga jenis bahan sama b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Test of Homogeneity of Variance Levene df1 Statistic Data Based on Mean .525 2 suhu Based on Median .354 2 Based on Median and .354 2 with adjusted df Based on trimmed .502 2 mean p value = 0,596 d. Daerah Kritik H0 ditolak jika p value < α 0,596 > 0,050 H0 tidak ditolak e. Kesimpulan df2 Sig. 33 33 27.936 .596 .705 .705 33 .610 - Karena H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, variansi data jenis bahan dari bahan 1, bahan 2, dan bahan 3 sama (σ1 = σ2 = σ3). Uji Kesamaan Variansi Tingkat suhu a. Uji Hipotesis H0 : Semua variansi data tingkat suhu 150C, suhu 300C, dan suhu 450C sama (σ15C = σ30C = σ45C) H1 : Tidak semua variansi data tingkat suhu dari ketiga tingkat suhu sama b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Test of Homogeneity of Variance Levene df1 Statistic Data Based on Mean 1.587 2 suhu Based on Median 1.104 2 Based on Median and 1.104 2 with adjusted df Based on trimmed mean 1.564 2 p value = 0,220 df2 Sig. 33 33 27.225 .220 .343 .346 33 .224 d. Daerah Kritik H0 ditolak jika p value < α 0,220 > 0,050 H0 tidak ditolak e. Kesimpulan Karena H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, variansi data tingkat suhu 150C, suhu 300C, dan suhu 450C sama (σ15C = σ30C = σ45C). B. Uji Interkasi a. Uji Hipotesis H0 : Tidak ada interaksi antara ketiga jenis bahan (bahan 1, bahan 2, dan bahan 3) dengan ketiga tingkat suhu (150C, 300C, dan 450C) H1 : Ada interaksi antara ketiga jenis bahan (bahan 1, bahan 2, dan bahan 3) dengan ketiga tingkat suhu (150C, 300C, dan 450C) b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Tests of Between-Subjects Effects Dependent Variable:datasuhu Source Type III df Mean F Sig. Partial Eta Sum of Squares 59258.000a Square Corrected 8 7407.250 Model Intercept 404496.000 1 404496.00 jenisbahan 10546.167 2 5273.083 suhu 39525.167 2 19762.583 jenisbahan * 9186.667 4 2296.667 suhu Error 17678.000 27 654.741 Total 481432.000 36 Corrected 76936.000 35 Total a. R Squared = .770 (Adjusted R Squared = .702) p value = 0,020 Squared 11.313 .000 .770 617.796 8.054 30.184 3.508 .000 .002 .000 .020 .958 .374 .691 .342 d. Daerah Kritik H0 ditolak jika p value < α 0,020 < 0,050 H0 ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, ada interaksi antara ketiga jenis bahan (bahan 1, bahan 2, dan bahan 3) dengan ketiga tingkat suhu (150C, 300C, dan 450C). Interpretasi : Soal nomor 2 diselesaikan dengan uji anova 2 arah. Pertama adalah uji asumsi terlebih dahulu yaitu uji normalitas dan uji kesamaan dua variansi yang kedua nya dilakukan masing-masing sebanyak 2 kali (jenis bahan dan tingkat suhu). Untuk uji normalitas jenis bahan didapatkan hasil bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, data tidak berdistribusi normal. Namun, pada permasalahan ini kita asumsikan bahwa data berdistribusi normal. Untuk uji normalitas tingkat suhu didapatkan hasil bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, data tidak berdistribusi normal. Namun, pada permasalahan ini kita asumsikan bahwa data berdistribusi normal. Selanjutnya dilakukan uji kesamaan variansi dari jenis bahan, didapatkan bahwa H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, variansi data jenis bahan dari bahan 1, bahan 2, dan bahan 3 sama (σ1 = σ2 = σ3). Pada uji kesamaan variansi tingkat suhu didapatkan hasil bahwa H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, variansi data tingkat suhu 150C, suhu 300C, dan suhu 450C sama (σ15C = σ30C = σ45C). Selanjutnya dilakukan uji interaksi. Dari hasil uji interaksi didapatkan bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, ada interaksi antara ketiga jenis bahan (bahan 1, bahan 2, dan bahan 3) dengan ketiga tingkat suhu (150C, 300C, dan 450C). Karena pada uji interaksi H0 ditolak maka langkah selesai sampai disini, kita tidak perlu menguji efek faktor jenis bahan dan efek faktor tingkat suhu serta menguji MCA keduanya. Pembahasan nomor 3 a. Jelaskan apa yang dimaksud analisis regresi linear! Analisis regresi linear adalah analisis statistika yang memanfaatkan hubungan antara dua atau lebih variable kuantitatif sehingga salah satu variable dapat diramalkan dari variable lainnya. b. Sebutkan tujuan dilakukan analisis regresi linear! - Mengetahui bentuk hubungan antara variable dependen dan variable independen, pola dan keeratan hubungan - Melakukan prediksi nilai variable dependen bila diketahui variable independen c. Sebutkan asumsi-asumsi dalam analisis regresi linear! - Normalitas variable dependen (Y) - Linearitas (graphslegacy dialogs scatter plot) (hubungan antara variable dependen dan independen harus linear) d. Tuliskan model regresi linear! Model y = 0 + 1xi + i i = 1, 2,…., n y adalah variable dependen xi adalah variable independen i adalah error / galat yang bersifat random dengan rata-rata E{ i}=0 dan variansinya Var{ i}=σ2 0 dan 1 (koefisien persamaan regresi), dengan 0 konstan /intersep dan 1 gradien/slope adalah parameter yang tidak diketahui nilainya dan akan diestimasi (diduga) dengan statistik 0, 1 i = 1, 2,…., n = indeks observasi (sampel) e. Sebutkan langkah-langkah melakukan analisis regresi linear! - Uji Asumsi  Uji Normalitas Data Variabel Dependen  Uji Linearitas - Uji Regresi - Uji Overall - Uji Parsial (jika pada uji overall H0 ditolak / model layak digunakan)  Uji Konstanta -  Uji Koefisien Model Summary Pembahasan nomor 4 Uji Regresi A. Uji Asumsi 1. Uji Normalitas Data Variabel Dependen (IP) a. Uji Hipotesis H0 : Data IP berdistribusi normal H1 : Data IP tidak berdistribusi normal b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig. * IP .078 60 .200 .981 60 .493 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. p value = 0,493 d. Daerah Kritik H0 ditolak jika p value < α 0,493 > 0,050 H0 tidak ditolak e. Kesimpulan Karena H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, data variabel dependen (IP) berdistribusi normal. 2. Uji Linearitas Interpretasi Karena titik-titik berada disekitar garis lurus maka terdapat hubungan linear negatif antara variable dependen (IP) dengan variable independen (waktu penggunaan Internet (SosMed)). B. Uji Regresi Coefficientsa Model Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 1 (Constant) 3.593 .051 jam -.063 .003 -.931 a. Dependent Variable: IP t 70.259 -19.407 Sig. .000 .000 Berdasarkan tabel diatas diperoleh model regresi yaitu IP = 3.59 - 0.0629 jam. C. Uji Overall a. Uji Hipotesis H0 : Model tidak layak digunakan H1 : Model layak digunakan b. Tingkat Signifikansi α = 0,050 c. Statistik Uji ANOVAb Model Sum of Squares 1 Regression 8.729 Residual 1.344 Total 10.073 a. Predictors: (Constant), jam b. Dependent Variable: IP p value = 0,000 d. Daerah Kritik H0 ditolak jika p value < α 0,000 < 0,050 df 1 58 59 Mean Square 8.729 .023 F 376.649 Sig. .000a H0 ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, model layak digunakan. Karena pada uji overall didapatkan bahwa model layak digunakan maka dilakukan uji parsial. D. Uji Parsial - Uji Konstanta a. Uji Hipotesis H0 : Konstanta tidak layak masuk model H1 : Konstanta layak masuk model b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Coefficientsa Model Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 1 (Constant) 3.593 .051 jam -.063 .003 -.931 a. Dependent Variable: IP p value = 0,000 d. Daerah Kritik H0 ditolak jika p value < α 0,000 < 0,050 t 70.259 -19.407 Sig. .000 .000 H0 ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, kosntanta layak masuk model. - Uji Koefisien a. Uji Hipotesis H0 : Koefisien x (jam) tidak layak masuk model H1 : Koefisien x (jam) layak masuk model b. Tingkat Signifikansi α = 0,050 c. Statistik Uji Coefficientsa Model Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 1 (Constant) 3.593 .051 jam -.063 .003 -.931 a. Dependent Variable: IP p value = 0,000 t 70.259 -19.407 Sig. .000 .000 d. Daerah Kritik H0 ditolak jika p value < α 0,000 < 0,050 H0 ditolak e. Kesimpulan Karena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, koefisien layak masuk model. E. Model Summary Model Summary Model R R Square Adjusted R Square a 1 .931 .867 .864 a. Predictors: (Constant), jam - Std. Error of the Estimate .15224 R = 0,931 0,931 > 0,050 Hubungan antara variabel dependen dengan variabel independen cukup kuat. - - R2 = 0,867 Sebesar 86,7% variansi dalam variabel dependen (IP) dapat diterangkan oleh variabel independen (jam / waktu penggunaan internet/SosMed). Sisanya dipengaruhi oleh faktor lain. SE = 0,15224 0,15224 merupakan besarnya variansi dalam model. Kesimpulan 1. Mengetahui pola dan keeratan hubungan Dari analisis korelasi diatas diperoleh nilai korelasi yang cukup tinggi (R = 0,931). Ini sesuai dengan scatter plot yang menggambarkan hubungan erat antara variabel dependen (IP) dan variabel independen (jam / waktu penggunaan internet/SosMed). Hubungan yang digambarkan adalah hubungan linear negative karena bentuk scatter plot menurun. 2. Estimasi pengaruh variabel Dari analisis regresi linear sederhana di atas diperoleh persamaan regresi IP = 3.59 - 0.0629 jam Artinya setiap kenaikan jam (variabel independen) sebesar 1 satuan, nilai dari IP (variabel dependen) akan menurun / berkurang sebesar 0,0629 satuan (dengan menganggap hanya variabel jam yang berpengaruh secara signifikan terhadap IP). 3. Prediksi IP jika besarnya jam diketahui Misalkan jam diketahui sebesar 15 maka besarnya IP bisa diprediksi IP = 3,59 – 0,0629*15 IP = 3,59 – 0,9435 IP = 2,6465 Interpretasi : Soal nomor 4 diselesaikan dengan uji analisis regresi. Pertama adalah uji asumsi terlebih dahulu yaitu uji normalitas data independen (IP) dan uji linearitas. Pada uji normalitas didapatkan hasil bahwa H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, data variabel dependen (IP) berdistribusi normal. Kemudian dilakukan uji linearitas. Pada uji linearitas didapatkan bahwa titik-titik berada disekitar garis lurus maka terdapat hubungan linear negatif antara variable dependen (IP) dengan variable independen (waktu penggunaan Internet (SosMed)). Selanjutnya dilakukan uji regresi dari tabel ddapatkan bahwa model regresi adalah sebagai berikut IP = 3.59 - 0.0629 jam. Langkah selanjutnya yaitu uji overall. Pada uji overall ini didapatkan hasil bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, model layak digunakan. Karena pada uji overall didapatkan bahwa model layak digunakan maka dilakukan uji parsial. Uji parsial dilakukan dua kali yaitu uji konstanta dan uji koefisien Pada uji konstanta didapatkan bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, kosntanta layak masuk model. Selanjutnya pada uji koefisien didapatkan hasil bahwa H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, koefisien layak masuk model. Langkah terakhir yaitu model summary. Dari tabel model summary didapatkan bahwa R = 0,931 (0,931 > 0,050) artinya hubungan antara variabel dependen dengan variabel independen cukup kuat. R2 = 0,867 artinya sebesar 86,7% variansi dalam variabel dependen (IP) dapat diterangkan oleh variabel independen (jam / waktu penggunaan internet/SosMed). Sisanya dipengaruhi oleh faktor lain. SE = 0,15224 yang mana 0,15224 merupakan besarnya variansi dalam model. BAB III KESIMPULAN 1. Tidak semua rata-rata kadar nikotin dalam tembakau sama maka akan dilakukan uji MCA. Pada uji MCA ini didapatkan bahwa ada perbedaan yang signifikan antara tembakau 1 dan tembakau 2, tembakau 1 dan tembakau 3, dan tembakau 2 dan tembakau 3. Kadar nikotin yang paling tinggi dari ketiga jenis tembakau tersebut yaitu tembakau 3, tembakau 2, dan tembakau 1. 2. Pada uji normalitas data jenis bahan dan data tingkat suhu didapatkan bahwa data tidak berdistribusi normal. Namun, pada permasalahan ini kita asumsikan bahwa data jenis bahan dan data tingkat suhu berdistribusi normal. Pada uji kesamaan variansi data jenis bahan dan data tingkat suhu didapatkan bahwa variansi data jenis bahan dari bahan 1, bahan 2, dan bahan 3 sama (σ1 = σ2 = σ3) dan variansi data tingkat suhu 150C, suhu 300C, dan suhu 450C sama (σ15C = σ30C = σ45C). Maka asumsi terpenuhi. Pada uji interaksi didapatkan ada interaksi antara ketiga jenis bahan (bahan 1, bahan 2, dan bahan 3) dengan ketiga tingkat suhu (150C, 300C, dan 450C). Karena pada uji interaksi diketahui bahwa ada interaksi yang artinya H0 ditolak maka langkah selesai. Tidak perlu dilakukan uji efek faktor untuk jenis bahan dan tingkat suhu begitupula tidak perlu dilakukan uji MCA untuk keduanya. 3. Analisis regresi linear adalah analisis statistika yang memanfaatkan hubungan antara dua atau lebih variable kuantitatif sehingga salah satu variable dapat diramalkan dari variable lainnya. Model : y = 0 + 1xi + i i = 1, 2,…., n 4. Nilai korelasi cukup tinggi R = 0,931. Ini sesuai dengan scatter plot yang menggambarkan hubungan erat antara variabel dependen (IP) dan variabel independen (jam / waktu penggunaan internet/SosMed). Hubungan yang digambarkan adalah hubungan linear negative karena bentuk scatter plot menurun. Dari analisis regresi linear sederhana di atas diperoleh persamaan regresi IP = 3.59 - 0.0629 jam. Artinya setiap kenaikan jam (variabel independen) sebesar 1 satuan, nilai dari IP (variabel dependen) akan menurun / berkurang sebesar 0,0629 satuan (dengan menganggap hanya variabel jam yang berpengaruh secara signifikan terhadap IP).