Latihan 1
Lakukan uji kualitas garis lurus dan hipotesa slope dan intersep (gunakan rumus-rumus yang sudah diberikan dan kerjakan di laboratorium komputer).
Kasus
|
IMT
|
GPP
|
Kasus
|
IMT
|
GPP
|
Kasus
|
IMT
|
GPP
|
1
|
18.6
|
150
|
10
|
18.2
|
120
|
19
|
27
|
140
|
2
|
28.1
|
150
|
11
|
17.9
|
130
|
20
|
18.9
|
100
|
3
|
25.1
|
120
|
12
|
21.8
|
140
|
21
|
16.7
|
100
|
4
|
21.6
|
150
|
13
|
16.1
|
100
|
22
|
18.5
|
170
|
5
|
28.4
|
190
|
14
|
21.5
|
150
|
23
|
19.4
|
150
|
6
|
20.8
|
110
|
15
|
24.5
|
130
|
24
|
24.0
|
160
|
7
|
23.2
|
150
|
16
|
23.7
|
180
|
25
|
26.8
|
200
|
8
|
15.9
|
130
|
17
|
21.9
|
140
|
26
|
28.7
|
190
|
9
|
16.4
|
130
|
18
|
18.6
|
135
|
27
|
21.0
|
120
|
Latihan 2.
Data berat badan dan kadar glukosa darah orang dewasa sebagai berikut
Subjek
|
BB (kg)
|
Glukosa mg/100 ml
|
Subjek
|
BB (kg)
|
Glukosa mg/100 ml
|
1
|
64.0
|
108
|
9
|
82.1
|
101
|
2
|
75.3
|
109
|
10
|
78.9
|
85
|
3
|
73.0
|
104
|
11
|
76.7
|
99
|
4
|
82.1
|
102
|
12
|
82.1
|
100
|
5
|
76.2
|
105
|
13
|
83.9
|
108
|
6
|
95.7
|
121
|
14
|
73.0
|
104
|
7
|
59.4
|
79
|
15
|
64.4
|
102
|
8
|
93.4
|
107
|
16
|
77.6
|
87
|
Latihan 3
1. Jelaskan asumsi-asumsi tentang
analisa regresi sederhana bila kita ingin membuat inferensi tentang populasi
dari data yang kita punyai.
Jawab :
Dalam analisa regresi
beberapa asumsi harus terpenuhi untuk mendapatkan model garis lurus yang
sebenarnya seperti dibawah ini:
a.
Eksistensi untuk setiap
nilai dari variabel X, dan Y adalah random variabel yang mempunyai nilai
rata-rata dan varians tertentu. Notasi untuk populasi.
b. Nilai-nilai Y adalah
independen satu sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y
lain.
c.
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.
d. Homoscedasticity artinya
varians Y adalah sama untuk setiap nilai X (homo artinya sama ; scedastic
artinya “menyebar” = scattered).
e.
Distribusi normal
artinya untuk setiap nilai X, nilai Y berdistribusi normal.
Mengapa persamaan regresi disebut “the least square
equation”?
Jawab :
The least square equation
merupakan tehnik dalam menentukan garis lurus yang terbaik. Tehnik ini
menggunakan “penentuan garis dengan 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.
3.
Jelaskan tentang pada persamaan
regresi.
Jawab
: β0 adalah nilai Y bila nilai X=0
4. Jelaskan tentang pada persamaan
regresi.
Jawab
:
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.