analisis regresi non linier compound
DESCRIPTION
Offering GG 2008 - Matematika - Universitas Negeri MalangTRANSCRIPT
ANALISIS REGRESI NON LINIER
MODEL COMPOUND
Makalah
Untuk memenuhi tugas mata kuliah Analisis Regresi
Yang dibimbing oleh Bpk. Hendro Permadi
Oleh:s
1. Wida Rekno Agustian (409312413114)
2. Ari Dwi Cahyono (409312417665)
3. Siti Muyasaroh (409312417668)
4. Rizqi Tri Ramadayanti (409312417669)
5. Anisak Heritin (409312417683)
6. Krisna Trenggalih (409312417688)
Universitas Negeri Malang
Fakultas matematika dan ilmu pengetahuan alam
Jurusan matematika
Oktober 2011
I. PENDAHULUAN
1.1. Latar Belakang
Analisa regresi merupakan salah satu analisa statistik yang cukup penting dan
berkaitan dengan masalah permodelan matematik dari suatu pasangan data
pengamatan. Dalam banyak kasus hubungan antara dua variable atau lebih tidak
dapat direpresentasikan dalam bentuk linier, tetapi dapat direpresentasikan dalam
bentuk non linier. Secara umum bentuk nonlinier dibedakan menjadi dua macam
yaitu bentuk polinomial berderajat n dan bentuk khusus misalnya bentuk compound.
Namun karena penggunaan model nonlinier sangat rumit. Sehingga seringkali model
nonlinier tersebut ditransformasikan dalam bentuk linier.
Analisis regresi sangat berguna untuk menyelesaikan masalah pengolahan
data statistika dalam suatu perusahaan. Salah satu contohnya adalah perusahaan home
industri krupuk rambak di Tulungagung. Permasalannya adalah memprediksi waktu
yang dibutuhkan untuk memenuhi pesanan dalam setiap bulannya. Sehingga pesanan
dapat terpenuhi tepat waktu. Dan data dari permasalahan tersebut diduga contoh dari
model compound. Sehingga dari data tersebut akan diselesaikan dengan model
persamaan yang berbentuk y = a b x. Dimana model tersebut dapat ditransformasikan
ke dalam bentuk linier yaitu ln y = ln a + x ln b.
1.2. PERMASALAHAN
1. Menduga persamaan regresi yang berbentuk y = a .
2. Bagaimana tabel ANOVA dari persamaan regresi yang diperoleh?
3. Uji kenormalan, uji F untuk odel regresi, uji t untuk koefisien regresi, dan uji
homogenitas
1.3. Tujuan
1. Agar mengetahui persamaan regresi dalam bentuk compound.
2. Agar mengetahui tabel ANOVA dari persamaan regresi yang diperoleh.
3. Agar mengetahui kenormalan data, kesignifikanan model regresi, ada tidaknya
pengaruh antara lama waktu bekerja dengan hasil produksi.
II. MODEL REGRESI COMPOUND
Model Regresi Compound mempunyai bentuk sederhana yaitu:
Dimana a dan b di sini merupakan parameter yang harus diduga dari data. Model di
atas ditransformasikan ke dalam bentuk linier dengan mengalikan kedua sisi
persamaan menjadi:
ln y = ln a + x ln b
persamaan standart :
dimana :
ln y =
ln a =
ln b = .
Jadi dugaan untuk , pada bentuk linier = + x adalah
dan
=
= - x
Karena ln a = , sehingga ln a =
e ln a = e
a = e
Dan ln b = , sehnigga ln b =
e ln b = e
b = e .
Data berikut adalah hasil produksi home industri krupuk rambak di
Tulungagung (kg) dan lama waktu kerja (jam) pada tiap bulannya mulai Januari
sampai Desember 2011.
No. Lama Waktu Kerja (jam)
X
Hasil Produksi (kg)
Y
1. 2000 750
2. 2100 780
3. 2175 800
4. 2250 820
5. 2350 850
6. 2400 880
7. 2475 900
8. 2575 930
9. 2625 970
10. 2700 1000
11. 2850 1050
12. 3000 1180
Pendugaan Parameter Model Regresi
Pengujian ini dengan menggunakan Regresi Non Linier Model Compound sehingga
dalam pengerjaannya, data akan ditransformasikan dalam bentuk linier. Dengan
mengubah y menjadi ln y, diperoleh data sebagai berikut:
No. Lama Waktu Kerja
(jam)
x
Hasil Produksi
(kg)
y
ln y
1. 2000 750 6,62007
2. 2100 780 6,65929
3. 2175 800 6,68461
4. 2250 820 6,70930
5. 2350 850 6,74524
6. 2400 880 6,77992
7. 2475 900 6,80239
8. 2575 930 6,83518
9. 2625 970 6,87730
10. 2700 1000 6,97755
11. 2850 1050 6,95655
12. 3000 1180 7,07327
∑ = 29500 ∑ ln = 81,65088731
( ∑ )2 = 870250000 ∑ x ln = 201169,0794
∑ 2 = 73545000 ln y = y* = 6,804240609
x = 2458,333333
b1 =
b1 =
b1 = 4,499 x 10-4
b0 = y * - b1 x
b0 = 6,804240609 – ( 4,499 * 10-4
) (2458,333333 )
b0 = 6,804240609 – 1,065699858
b0 = 5,70854
Dari penyelesaian tersebut diperoleh persamaan regresinya adalah :
ln y = 5,70854 + 4,499 * 10-4
x
sehingga dapat diperoleh:
ln a = b0 dan ln b = b1
e ln a = e b0
e ln b = e b1
a = e b0
b = e b1
a = e5,70854
b = e 4,499 x 10-4
a = 298,867 b = 1,00045
Jadi, persamaannya adalah
y = ( 298,867 ) ( 1,00045 )x
Dengan Menggunakan Minitab
Regression Analysis
The regression equation is
ln y = 5.70 +0.000450 x
Predictor Coef StDev T P
Constant 5.70386 0.06215 91.77 0.000
x 0.00044998 0.00002511 17.92 0.000
S = 0.02541 R-Sq = 97.0% R-Sq(adj) = 96.7%
Analysis of Variance
Source DF SS MS F P
Regression 1 0.20738 0.20738 321.23 0.000
Residual Error 10 0.00646 0.00065
Total 11 0.21383
Unusual Observations
Obs x ln y Fit StDev Fit Residual St Resid
10 2700 6.97755 6.91880 0.00952 0.05875 2.49R
R denotes an observation with a large standardized residual
Y
X
32003000280026002400220020001800
1200
1100
1000
900
800
700
Observed
Linear
Compound
GRAFIK
PENGUJIAN DATA
Uji Normalitas Data
P-Value: 0.989
A-Squared: 0.112
Anderson-Darling Normality Test
N: 12
StDev: 305.133
Average: 2458.33
300025002000
.999
.99
.95
.80
.50
.20
.05
.01
.001
Pro
babili
ty
x
uji kenormalan
Berdasarkan gambar grafik di atas diperoleh:
P-value = 0.989. Ini berarti P-value > 0,05, sehingga data di atas normal.
Pengujian Model Regresi
Hipotesis
H0 : model yang diperoleh tidak signifikan (tidak bermakna)
H1 : model yang diperoleh signifikan (bermakna)
Dengan menggunakan uji F:
Dari hasil ANOVA diperoleh F hitung = 787,95718 dan dari tabel dengan α=0,05 dan
derajat bebas (1,10) diperoleh F tabel = 4,96. Karena F hitung lebih besar dari F tabel
maka menolak H0. Kesimpulannya model yang diperoleh signifikan.
Pengujian Koefisien Regresi
Hipotesis
H0 : = 0 (tidak ada pengaruh lama waktu kerja terhadap hasil produksi)
H1 : ≠ 0 (ada pengaruh lama waktu kerja terhadap hasil produksi)
Dengan menggunakan uji T:
Dari hasil ANOVA diperoleh T hitung = 64752,594 dan dari tabel dengan α=0,05 dan
derajat bebas 12-2=10 diperoleh T tabel = 1,812. Karena T hitung lebih besar dari T
tabel maka menolak H0Kesimpulannya ada pengaruh lama waktu kerja terhadap hasil
produksi.
Pengujian Homogenitas
Berdasarkan grafik autokorelasi di atas, data garis hitam tidak melewati garis merah,
maka data bebas.
321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Auto
corr
ela
tion
LBQTCorrLag
1.13
1.13
1.11
0.03
0.09
-0.94
0.01
0.03
-0.27
3
2
1
uji homogenitas
KESIMPULAN
1. Data yang tidak Linear bisa kita selesaikan dengan menggunakan Model
Regresi Non-Linear, salah satunya yaitu dengan menggunakan Model regresi
Compound.
2. Model Regresi yang sesuai dengan hasil produksi home industri keripik
pisang (kg) dan lama waktu kerja (jam) pada tiap bulannya adalah model
regresi compound.
3. Total lama waktu kerja (jam) pada tiap bulannya sangat berpengaruh terhadap
hasil produksi home industri krupuk rambak (kg).