yuliakurniasih30.files.wordpress.com · Web viewUNIVERSITAS GADJAH MADA YOGYAKARTA 2015 BAB I...

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).

Apakah ketiga jenis tembakau tersebut mempunyai kadar nikotin yang sama?Jika tidak, urutkan kadar nikotin dari yang paling tinggi. Ujilah dengan tingkat

signifikansi2 1

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 berikutJenis

BahanSuhu

150C 300C 450C

1131 154 36 41 21 6975 179 81 76 84 57

2151 187 137 125 26 71161 128 105 115 58 45

3140 113 174 120 96 104166 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!

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

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 2.995 3.20 8 3.2522 2.18 17 2.6623 2.12 24 2.0920 2.55 17 2.8820 2.24 16 2.7610 2.90 9 2.9719 2.36 18 2.9615 2.60 13 2.7018 2.42 15 2.739 2.85 16 2.465 3.35 6 3.5514 2.60 13 2.5818 2.35 19 2.226 3.14 7 3.339 3.05 8 3.2524 2.06 23 2.1225 2.00 24 2.2012 2.78 13 2.576 2.90 7 3.1025 1.85 21 1.966 3.14 6 3.439 2.96 8 3.0620 2.30 21 2.3614 2.66 15 2.8519 2.36 17 2.4821 2.24 20 2.257 3.08 8 3.0911 2.84 12 2.8220 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 Asumsi1. Uji Normalitas

a. Uji HipotesisH0 : Data kadar nikotin dari ketiga jenis tembakau berdistribusi normalH1 : Data kadar nikotin dari ketiga jenis tembakau tidak berdistribusi normal

b. Tingkat Signifikansi

α = 2 1

2%

c. Statistik Uji

Tests of NormalityKolmogorov-Smirnova Shapiro-WilkStatistic df Sig. Statistic Df Sig.

kadarnikotin .096 27 .200* .978 27 .810a. Lilliefors Significance Correction*. This is a lower bound of the true significance.

p value = 0,810d. Daerah Kritik

H0 ditolak jika p value < α 0,810 > 0,025

H0 tidak ditolake. Kesimpulan

Karena H0 tidak ditolak pada tingkat signifikansi 2 1

2%

maka H0 diterima.

Sehingga, data kadar nikotin dari ketiga jenis tembakau berdistribusi normal.

2. Uji Kesamaan Variansia. 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


α = 2 1

2%

c. Statistik Uji

Test of Homogeneity of Varianceskadarnikotin

Levene Statistic df1 df2 Sig.1.480 2 24 .248

p value = 0,248

d. Daerah KritikH0 ditolak jika p value < α

0,248 > 0,025H0 tidak ditolak

e. Kesimpulan

Karena H0 tidak ditolak pada tingkat signifikansi 2 1

2%

maka H0 diterima.

Sehingga, semua variansi data kadar nikotin dari ketiga jenis tembakau sama.

B. Uji ANAVAa. Uji Hipotesis

H0 : Semua rata-rata kadar nikotin dari tembakau 1, tembakau 2, dan tembakau 3 sama (µt1 = µt2 = µt3)H1 : Tidak semua rata-rata kadar nikotin dari ketiga jenis tembakau sama


α = 2 1

2%

c. Statistik Uji

ANOVAkadarnikotin

Sum of Squares df Mean Square F Sig.Between Groups 1600.711 2 800.356 43.267 .000Within Groups 443.956 24 18.498Total 2044.667 26

p value = 0,000


0,000 < 0,025

H0 ditolak

e. Kesimpulan

Karena H0 ditolak pada tingkat signifikansi 2 1

2%

maka H1 diterima. Sehingga,

tidak semua rata-rata data kadar nikotin dalam tembakau sama.

C. Uji MCAa. Uji Hipotesis

H0 : Tidak ada perbedaan yang signifikansi antara ketiga jenis tembakauH1 : Ada perbedaan yang signifikan antara ketiga jenis tembakau


α = 2 1

2%

c. Statistik Uji

Multiple ComparisonskadarnikotinLSD(I) tembakau

(J) tembakau

Mean Difference

(I-J)

Std. Error

Sig. 97.5% Confidence IntervalLower Bound

Upper Bound

t1 t2 -12.32222* 1.97615 .000 -17.0471 -7.5974t3 -18.35000* 2.04012 .000 -23.2278 -13.4722

t2 t1 12.32222* 1.97615 .000 7.5974 17.0471t3 -6.02778* 2.08988 .008 -11.0246 -1.0310

t3 t1 18.35000* 2.04012 .000 13.4722 23.2278t2 6.02778* 2.08988 .008 1.0310 11.0246

*. The mean difference is significant at the 0.025 level.

t1 VS t2 0,000t2 VS t3 0,008t1 VS t3 0,000


t1 VS t2 0,000 0,000 < 0,025 H0 ditolakt2 VS t3 0,008 0,008 < 0,025 H0 ditolakt1 VS t3 0,000 0,000 < 0,025 H0 ditolak

e. Kesimpulan

Karena semua H0 ditolak pada tingkat signifikansi 2 1

2%

maka H1 diterima.

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

2 12

%

maka H0 diterima. Sehingga, data kadar nikotin dari ketiga jenis tembakau

berdistribusi normal. Selanjutnya akan dilakukan uji kesamaan variansi, pada uji kesamaan variansi didapatkan hasil Karena H0 tidak ditolak pada tingkat signifikansi

2 12

%

maka H0 diterima. Sehingga, semua variansi data kadar nikotin dari ketiga jenis

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

ditolak pada tingkat signifikansi 2 1

2%

maka H1 diterima. Sehingga, tidak semua rata-

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.

Didapatkan hasil bahwa semua H0 ditolak pada tingkat signifikansi 2 1

2%

maka H1

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 Asumsi1. - Uji Normalitas Jenis Bahan

a. Uji HipotesisH0 : Data berdistribusi normalH1 : Data tidak berdistribusi normal

b. Tingkat Signifikansiα = 0,050

c. Statistik Uji

Tests of Normality

jenisbahanKolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.Data suhu

1 .247 12 .041 .914 12 .2422 .134 12 .200* .964 12 .8403 .115 12 .200* .967 12 .872

a. Lilliefors Significance Correction*. This is a lower bound of the true significance.

p value jenis bahan 1 = 0,242p value jenis bahan 2 = 0,840p value jenis bahan 3 = 0,872


p value jenis bahan 1 = 0,242 > 0,050 H0 tidak ditolakp value jenis bahan 2 = 0,840 > 0,050 H0 tidak ditolakp 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 suhua. Uji Hipotesis

H0 : Data berdistribusi normalH1 : Data tidak berdistribusi normal


c. Statistik Uji

Tests of Normalitysuhu Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.data suhu

15C .154 12 .200* .940 12 .49830C .148 12 .200* .954 12 .70245C .136 12 .200* .967 12 .881

a. Lilliefors Significance Correction*. This is a lower bound of the true significance.p value suhu 150C = 0,498p value suhu 300C = 0,720p value suhu 450C = 0,881


p value suhu 150C = 0,498 > 0,050 H0 tidak ditolakp value suhu 300C = 0,720 > 0,050 H0 tidak ditolakp value suhu 450C = 0,881 > 0,050 H0 tidak ditolak

e. KesimpulanKarena 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 Bahana. 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


c. Statistik Uji

Test of Homogeneity of VarianceLevene Statistic

df1 df2 Sig.

Data suhu

Based on Mean .525 2 33 .596Based on Median .354 2 33 .705Based on Median and with adjusted df

.354 2 27.936 .705

Based on trimmed mean

.502 2 33 .610

p value = 0,596



e. KesimpulanKarena 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 suhua. 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


c. Statistik Uji

Test of Homogeneity of VarianceLevene Statistic

df1 df2 Sig.

Data suhu

Based on Mean 1.587 2 33 .220Based on Median 1.104 2 33 .343Based on Median and with adjusted df

1.104 2 27.225 .346

Based on trimmed mean 1.564 2 33 .224p value = 0,220

d. Daerah Kritik

H0 ditolak jika p value < α 0,220 > 0,050

H0 tidak ditolake. 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 Interkasia. 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)


c. Statistik Uji

Tests of Between-Subjects EffectsDependent Variable:datasuhuSource Type III

Sum of Squares

df Mean Square

F Sig. Partial Eta Squared

Corrected Model

59258.000a 8 7407.250 11.313 .000 .770

Intercept 404496.000 1 404496.00 617.796 .000 .958jenisbahan 10546.167 2 5273.083 8.054 .002 .374suhu 39525.167 2 19762.583 30.184 .000 .691jenisbahan * suhu

9186.667 4 2296.667 3.508 .020 .342

Error 17678.000 27 654.741Total 481432.000 36Corrected Total

76936.000 35

a. R Squared = .770 (Adjusted R Squared = .702)p value = 0,020


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 = β0 + β1xi + ε i i = 1, 2,…., n

y adalah variable dependenxi adalah variable independenε i adalah error / galat yang bersifat random dengan rata-rata E{ε i}=0 dan variansinya Var{ε i}=σ2

β0 dan β1 (koefisien persamaan regresi), dengan β0 konstan /intersep dan β1

gradien/slope adalah parameter yang tidak diketahui nilainya dan akan diestimasi (diduga) dengan statistik b0, b1

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 Asumsi1. Uji Normalitas Data Variabel Dependen (IP)

a. Uji HipotesisH0 : Data IP berdistribusi normalH1 : Data IP tidak berdistribusi normal


c. Statistik Uji

Tests of NormalityKolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

IP .078 60 .200* .981 60 .493a. Lilliefors Significance Correction*. This is a lower bound of the true significance.

p value = 0,493



e. KesimpulanKarena H0 tidak ditolak pada tingkat signifikansi 5% maka H0 diterima. Sehingga, data variabel dependen (IP) berdistribusi normal.

2. Uji Linearitas

InterpretasiKarena 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 Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta1 (Constant) 3.593 .051 70.259 .000

jam -.063 .003 -.931 -19.407 .000a. Dependent Variable: IP

Berdasarkan tabel diatas diperoleh model regresi yaitu IP = 3.59 - 0.0629 jam.

C. Uji Overalla. Uji Hipotesis

H0 : Model tidak layak digunakan H1 : Model layak digunakan


c. Statistik Uji

ANOVAb

Model Sum of Squares

df Mean Square

F Sig.

1 Regression 8.729 1 8.729 376.649 .000a

Residual 1.344 58 .023Total 10.073 59

a. Predictors: (Constant), jamb. Dependent Variable: IP

p value = 0,000d. Daerah Kritik

H0 ditolak jika p value < α 0,000 < 0,050

H0 ditolak

e. KesimpulanKarena 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 Konstantaa. Uji Hipotesis

H0 : Konstanta tidak layak masuk model H1 : Konstanta layak masuk model


c. Statistik Uji

Coefficientsa



t Sig.



p value = 0,000


0,000 < 0,050

H0 ditolak

e. KesimpulanKarena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, kosntanta layak masuk model.

- Uji Koefisiena. Uji Hipotesis

H0 : Koefisien x (jam) tidak layak masuk model H1 : Koefisien x (jam) layak masuk model


c. Statistik Uji

Coefficientsa



t Sig.



p value = 0,000


0,000 < 0,050

H0 ditolak

e. KesimpulanKarena H0 ditolak pada tingkat signifikansi 5% maka H1 diterima. Sehingga, koefisien layak masuk model.

E. Model Summary

Model SummaryModel R R Square Adjusted R Square Std. Error of the Estimate1 .931a .867 .864 .15224a. Predictors: (Constant), jam

- R = 0,9310,931 > 0,050Hubungan antara variabel dependen dengan variabel independen cukup kuat.

- R2 = 0,867Sebesar 86,7% variansi dalam variabel dependen (IP) dapat diterangkan oleh variabel independen (jam / waktu penggunaan internet/SosMed). Sisanya dipengaruhi oleh faktor lain.

- SE = 0,152240,15224 merupakan besarnya variansi dalam model.

Kesimpulan1. 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 regresiIP = 3.59 - 0.0629 jamArtinya 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 diketahuiMisalkan jam diketahui sebesar 15 maka besarnya IP bisa diprediksi IP = 3,59 – 0,0629*15IP = 3,59 – 0,9435IP = 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 = β0 + β1xi + ε 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).

yuliakurniasih30.files.wordpress.com · Web viewUNIVERSITAS GADJAH MADA YOGYAKARTA 2015 BAB I...

Documents

Transcript of yuliakurniasih30.files.wordpress.com · Web viewUNIVERSITAS GADJAH MADA YOGYAKARTA 2015 BAB I...