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 (graphslegacy 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).