Nama : Vanny septiyani
Nim : 20160302197
Sesi : 10
1. 1. Lakukan uji
kualitas garis lurus dan hipotesa slope dan intersep (gunakan rumus-rumus yang
sudah diberikan dan kerjakan di laboratorium komputer)
Jawaban :
Coefficiens (a)
Persamaan garis :
Ŷ = β0 + β1X
GPP = 48.737 + 4.319
IMT
a.
a. Asumsi : bahwa model persamaan garis lurus beserta asumsinya
berlaku;
b.
b. Hipotesa : Ho : β1 = 0
Ha : β0 ≠ 0
c. c. Uji
statistik :
d. d.
Distribusi statistik : bila asumsi terpenuhi dan Ho diterima makan uji t
digunakan dengan derajat kebebasan n-2;
e.
e. Pengambilan keputusan : Ho ditolak bila nilai t-hitung lebih
besar dari t-tabel, α=0.05 = 2,05954
f. f.
Perhitungan statistik : dari komputer output diperoleh besaran nilai β1=
4.319 dan Sβ1 = 1.070
t = 4.319/1.070
= 4.035
g. g.
Keputusan statistik :
Nilai t-hitung
= 4.035 > t-tabel = 2,05954
Kita menolak hipotesa
nol (Ho)
h. h.
Kesimpulan : Slop gdaris regresi tidak sama dengan 0, maka garis regresi antara
IMT dan GPP adalah linear.
2. 2. Data berat
badan dan kadar glukosa darah orang dewasa sebagai berikut:
Jawaban :
Coefficiens (a)
Persamaan garis :
Ŷ = β0 + β1X
Berat Badan = 30.778 +
0.460 Glukosa
a.
a. Asumsi : bahwa model persamaan garis lurus beserta asumsinya berlaku;
b.
b. Hipotesa : Ho : β1 = 0
Ha : β0 ≠ 0
c. Uji statistik :
d. d.
Distribusi statistik : bila asumsi terpenuhi dan Ho diterima makan uji t
digunakan dengan derajat kebebasan n-2;
e. e.
Pengambilan keputusan : Ho ditolak bila nilai t-hitung lebih besar
dari t-tabel, α=0.05 = 2,14479
f. f.
Perhitungan statistik : dari komputer output diperoleh besaran nilai β1=
0.460 dan Sβ1 = 0.222
t = 0.460/0.222
= 2.072
g. g.
Keputusan statistik :
Nilai t-hitung
= 2.072 < t-tabel = 2,14479
Kita menerima hipotesa
nol (Ho)
h. h.
Kesimpulan : Slop garis regresi sama dengan 0, maka garis regresi antara berat
badan dan Glukosa adalah tidak linear.
3. 3. Jelaskan
asumsi-asumsi tentang analisa regresi sederhana bila kita ingin membuat
inferensi tentang populasi dari data yang kita punyai.
jawaban
Dalam analisa regresi beberapa
asumsi harus terpenuhi untuk mendapatkan model garis lurus yang sebenarnya
seperti dibawah ini:
- Eksistensi untuk setiap nilai dari variabel X, dan Y adalah random variabel yang mempunyai nilai rata-rata dan varians tertentu. Notasi untuk populasi.
- Nilai-nilai Y adalah independen satu sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain.
- Linearity berarti nilai rata-rata Y, adalah fungsi garis lurus X, dengan demikian = β0 + β1x. Persamaan garis lurus itu dapat ditulis Y = β0 + β1X+E, dimana E adalah Eror yang merupakan random variabel dengan nilai rata-rata 0 untuk setiap nilai X (yaitu untuk setiap nilai X). Dengan demikian nilai Y adalah jumlah dari β0+ β1X dan E(random Variabel), dan karena nilai E = 0.
- Homoscedasticity artinya varians Y adalah sama untuk setiap nilai X (homo artinya sama ; scedastic artinya “menyebar” = scattered).
- Distribusi normal artinya untuk setiap nilai X, nilai Y berdistribusi normal.
b. Mengapa persamaan regresi disebut “the least
square equation”?
Jawaban :
The least square equation merupakan teknik dalam menentukan garis lurus yang
terbaik. Teknik ini menggunakan “penentuan garis dengan nilai error yang
minimalkan” berdasarkan titik observasi dalam diagram sebar. Karena semakin
kecil penyimpangan satu observasi terhadap garis lurus (semakin kecil kuadrat
simpangan) semakin dekat garis lurus yang terbaik yang diperoleh dari data yang
dimiliki.
c. Jelaskan tentang pada persamaan regresi.
Jawaban : β0 adalah
nilai Y bila nilai X=0
d. d. Jelaskan
tentang pada persamaan regresi.
Jawaban :
β1 adalah setiap kenaikan 1
unit X maka nilai Y akan bertambah (meningkat) sebesar β1.
Sebaliknya,bila β1 negatif (-β1) maka kenaikan 1 unit X
maka nilai Y akan menurun sebesar β1
Tidak ada komentar:
Posting Komentar