REGRESI POLINOMIAL KUBIK

Untuk memenuhi tugas matakuliah Analisis regresi Yang dibina oleh Bapak Hendro Permadi

Oleh: Kelompok 2 1. 2. 3. 4. Rizky Dinar Palupi Dewi Ratna Ayu W (408312408016) (408312409132)

Baharudin Kristian P (408312413111) Furintasari Setya A (408312413113)

UNIVERSITAS NEGERI MALANG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA OKTOBER 2010

BAB I PENDAHULUAN

1.1.

Latar Belakang Regresi dalam statistika adalah salah satu metode untuk menentukan

hubungan suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan variabel bebas atau variabel X karena seringkali digambarkan dalam grafik sebagai absis. Variabel yang kedua adalah variabel terikat atau variabel Y, dalam grafik digambarkan sebagai ordinat. Kedua variabel ini biasanya merupakan variabel acak (random). Analisa regresi merupakan salah satu uji statistika yang memiliki dua jenis pilihan model yaitu linear dan non linear dalam parameternya. Model linear memiliki dua sifat yaitu regresi sederhana dan regresi berganda dengan kurva yang dihasilkan membentuk garis lurus. Untuk model non linear polynomial berderajat dua yang disebut kuadratik, berderajat tiga yang disebut kubik, berderajat empat disebul kuartil, dan seterusnya. Kurva yang dihasilkan polynomial tersebut membentuk garis lengkung. Disini kami akan menganalisis tentang model regresi non linear dalam parameternya bersifat kubik. Regresi non linier yang bersifat kubik biasa dinyatakan dalam bentuuk Yi = 0X0i + 1Xi + 2Xi2 + 3Xi3 + . Dalam makalah ini kami mengambil contoh tentang banyaknya cucian yang masuk ke | BUSA laundry selama bulan Juni - September 2010.

1.2.

Rumusan Masalah 1. Bagaimana bentuk umum persamaan regresi non linear yang berbentuk kubik? 2. Bagaimana mengubah suatu persamaan regresi non linier yang berbentuk kubik menjadi regresi linier? 3. Bagaiman menganalisa model regresi yang telah diperoleh

1.3.

Tujuan 1. Untuk mengetahui bentuk umum persamaan regresi non linear yang berbentuk kubik. 2. Mengubah suatu persamaan regresi non linier yang berbentuk kubik menjadi regresi linier. 3. Menganalisa model regresi yang telah diperoleh.

BAB II

PEMBAHASAN

2.1 Kajian teori

Model regresi non linier polinomial berderajat tiga atau model regresi kubik mempunyai persamaan umum yang berbentuk : Y= Dimana: Yi Xi
0 1 -3
0X0i

1Xi

2 2Xi

3 3Xi

= nilai pengamatan ke-i = nilai peubah X yang ke-i = titik potong / parameter intersep = Parameter pengaruh peubah X1, X2, X3 terhadap peubah Y pada derajat atau ordo ke 1, 2, 3.

= galat ke-i yang diasumsikan berdistribusi bebas normal dengan nilai rata- rata 0 dan ragam (2)

X0i i

= 1 = 1, 2, 3, ..., n Mengubah persamaan non linier bentuk kubik menjadi linier dengan

menggunakan rumus di bawah ini: Y=Xb

[ ] [ ] [ ]

Didapatkan Yi*= b0 + b1Xi + b2Xi2 + b3Xi3. Bentuknya tetap berupa polinomial kubik. Asumsi yang diperlukan dalam model regresi polinomial berderajat tiga adalah: 1. Bahwa merupakan peubah acak dengan nilai tengah dan variansi 2 . 2. Bahwa i dan j , i tidak sama dengan j ( i j ), tidak berkorelasi satu sama lain atau dapat ditulis Cov ( i, j) = 0.

1) Pendugaan koefisien regresi polinomial berderajat tiga Jika suatu data yang diberikan hanya dapat disajikan melalui kurva regresi non linear, maka kita harus menentukan bentuk kurvanya dan menduga parameternya. Dalam pendugaan koefisien regresi terlebih dahulu diperlukan model sampel untuk mendekati data yang diperoleh dari sampel. Model sampel yang digunakan untuk regresi polinomial berderajat tiga adalah sebagai berikut: Y1 = b0X0i + b1Xi + b2Xi2 + b3Xi3 + dimana: i = 1, 2, 3, ..., n

X0i = 1 , untuk i = 1, 2, 3, ...,n Model sampel di atas terlihat bahwa koefisien b0 mengandung nilai X0i. dimana nilainya sama dengan 1. Pemberian peubah tiruan X0i bertujuan agar b0 dapat dihitung bersamaan dengan koefisien yang lainnya. Untuk menduga koefisien b0, b1, b2, b3 dapat menggunakan metode kuadrat terkecil yang dibantu dengan matriks. Y=Xb XT = XT X b (XT.X)-1 XT Y = (XT.X)-1 (XT.X) b = I b

b = (XT.X)-1 XT Y

]= [ ] [ ]

Persamaan-persamaan di atas dapat diselesaikan secara serentak dengan menggunakan metode eliminasi, juga dengan metode Cramer. Sebaiknya pada permulaan sebelum mengidentifikasikan model regresi apa yag diperkirakan sesuai, maka perlu dilihat arah kecenderungan data untuk memperoleh gambaran awal kira-kira model regresi apa yang cocok, apakah model regresi linier atau regresi non linier. Apabila data merupakan model regresi non linier, maka sebelum melakukan analisis perlu terlebih dahulu ditransformasikan agar persamaan non linier menjadi regresi linier. Analisis regresi polinomial apabila data mempunyai jarak atau interval yang sama, maka untuk memudahkan analisis regresi dapat dilakukan transformasi dari peubah asli menjadi peubah kode yaitu sebagai berikut : Xi = { Ti ( Tmin + Tmaks / 2} / { Tmaks Tmin ) / 2 }.... Dimana: Xi = peubah bebas kode Ti = peubah bebas asli Untuk mengetahui model regresi yang terbaik menggunakan analisis ragam regresi polinomial berderajat tiga. Pengujian untuk menentukan model regresi yang sesuai dilakukan mulai derajat yang paling rendah sampai dengan tiga, tetapi pengujian dapat dihentikan apabila diketahui bahwa tidak ada gunanya derajat yang lebih tinggi diuji. Berikut ini analisis ragam polinomial derajat tiga :

SK Regresi Kubik (pada X, X2, X3) - Regresi kuadratik (pada X, X2) - Sokongan oleh X3/(X, X)
2

Db 3

JK JKR3

KT KTR3 / 3

JKR2 JKK2 = JKR3 JKR2 JKS2 = JKT JKR3

KTR2 KTK2 = JKK2 KTS2 = JKS2 / (n-4)

1 ( n-4 )

Dimana: JKRS JKt = bs { XiS Yi ( XiS Yi ) / n } = Yi2 ( Yi )2 / n

Fhitung = KTR / KTsisa dan Fhitung= KTS KTsisa Untuk dapat menguji ketepatan model regresi, maka jumlah kuadrat galat perlu dipecah menjadi jumlah kuadrat galat murni dan jumlah kuadrat simpangan dari model (Gasperz 1900). Sehingga kuadratnya dapat ditulis sebagai berikut: JKG JKGM = JKGM + JKSDM = { Yi2 ( Yi )2 / ni}

JKSDG = JKG JKGM Dimana : Xi Yi ni = ulangan pada peubah bebas ke-i = pengamatan peubah tidak bebas ke-i = banyaknya ulangan pada peubah bebas ke-i Untuk menjelaskan keragaman pada regresi yang sesuai adalah dengan koefisien determinasi yaitu sebagai berikut: R2 = JKregresi / JKtotal

Apabila persamaan regresi yang sesuai telah didapat maka dapat digunakan untuk peramalan pada peubah tidak bebas dan penentuan kondisi optimal pada peubah bebas. Namun dalam peramalan hanya berlaku pada daerah percobaan yang bersangkutan agar terhindar ekstrapolasi yang berlebihan. Tetapi sebelum melakukan penentuan kondisi optimal dan peramalan, maka perlu terlebih dahulu untuk melakukan pengujian keandalan model persamaan regresi yang telah dibangun. Dalam menentukan kondisi optimal pada peubah bebas agar diketahui kondisi yang maksimal dari peubah tidak bebas maka harus dipenuhi persyaratan sebagai berikut: 1. Syarat perlu: / x1 = 0 ; / x2 = 0 2. Syarat cukup: Determinai minor utama dari matriks Hessian (H) bersifat negatif, dimana matriks H yaitu: H:

2) Pengujian Koefisien Regresi secara Individual Jika telah diperoleh model regresi yang linier maka kita dapat melakukan analisa sebagai berikut: 1. Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut

H 0 : model regresi tidak berarti

H1 : model regresi berarti

Dengan alat bantu minitab, diperoleh nilai Fhitung dari Anova, dan dari tabel dapat diperoleh Ftabel . Terima H 0 jika Fhitung < Ftabel dan tolak H 0 jika
Fhitung > Ftabel .

2.

Uji Koefisien regresi

Untuk menguji koefisien regresi menggunakan uji T, dengan hipotesis sebagai berikut

H 0 : 1 =0, artinya variabel bebas tidak berpengaruh terhadap variabel

terikat.

H1 : 1 =0, artinya variabel bebas berpengaruh terhadap variabel terikat.

Dengan alat bantu minitab, diperoleh nilai Thitung dari Anova, dan dari tabel dapat diperoleh Ttabel . Terima H 0 jika Thitung < Ttabel dan menolak H 0 jika Thitung > Ttabel . 3. Uji asumsi analisis regresi a) Uji Kenormalan Untuk menguji kenormalan residual kita gunakan alat bantu minitab dan uji Anderson Darling dan mencari nilai P_value, dan dengan hipotesis sebagai berikut:

H 0 : Residual berdistribusi normal.

H1 : Residual tidak berdistribusi normal.

Untuk menetukan apakah menolak atau menerima H 0 , P_value dibandingkan dengan suatu nilai yaitu taraf kepercayaan dengan ketentuan sebagai berikut:

=0.05, jika data diperoleh dari penelitian di lapangan. =0.01, jika data diperoleh dari penelitian di laboratorium. =0.1, jika data diperoleh dari penelitian terhadap manusia atau
binatang.

=0.00, dalam bidang kedokteran.

Terima H 0 jika P-value > , dan menolak H 0 jika P-value <

b) Uji Homogenitas Untuk menguji Homogenitasnya dengan melihat standart sisanya. Jika standart sisa 95% berada di antara (-2, 2) secara merata maka sisa dikatakan berada dalam sebaran sehingga mempunyai keragaman yang tetap.

c) Uji Kebebasan Untuk menguji kebabasan residual dilihat dari autokorelasi fungsi untuk residual dengan uji autocorelation dari Ljung-Box Q Statistik . Jika tidak ada garis atau data yang keluar dari garis merah, maka tidak ada korelasi antar sisaan. 2.2 Aplikasi Laundry BUSA menerima cucian setiap harinya. Tetapi dalam makalah ini, banyaknya cucian akan kami akumulasikan dalam setiap minggu dari bulan Juni September 2010. Anggap 1 bulan = 4 minggu. Berikut data yang berhasil diperoleh : X : Minggu ke-n Y : Banyaknya Cucian/kg Minggu ke(X) 1 2 3 4 5 6 7 Banyaknya Cucian/kg (Y) 53 59 62 68 72 68 69

8 9 10 11 12 13 14 15 16

72 72 71 66 65 72 73 76 82

Dari data diatas, akan kita uji dengan model kuadratik. Dengan bantuan minitab, diperoleh fitted lineplot sebagai berikut.

Dapat kita lihat bahwa banyak data yang terlalu jauh dengan garis regresi. Atau bisa juga dikatakan bahwa garis regresi tidak mengikuti pola data. Selanjutnya kita akan menguji model kuadratik ini dengan menggunakan SPSS. Dari SPP didapat data sebagai berikut

Dari data diatas dapat kita lihat bahwa R Square model kuadratik hanya 0.624. Oleh karena itu kita akan mencoba menaikkan pangkat polynomial menjadi berderajat tiga atau bisa juga disebut model regresi kubik. Dengan bantuan minitab, diperoleh fitted lineplot sebagai berikut :

Kita juga akan menguji R-Square model regresi kubik dengan menggunakan SPSS dan didapat data sebagai berikut :

Dari hasil SPSS diatas dapat kita lihat bahwa R Square mencapai 0.915. Jadi penambahan derajat polynomial dari kuadratik menjadi kubik sangat berarti. Oleh karena itu kita akan menguji data yang telah kita peroleh dengan menggunakan model regresi kubik Persamaan regresi kubik yang diperoleh dari hasil minitab adalah Y = 42.8150 + 10.4864X 1.2640X2 + 4.76E-02X3. Pada Fitted Line Plot di atas didapatkan S = 4,05800 , R-Sq = 93,0% , R-Sq(adj) = 90,4%. Garis hijau merupakan selang kepercayaan Y rata-rata (95% CI), sedangkan garis merah merupakan selang kepercayaan Y individu (95% PI). Model regresi yang telah diperoleh dapat kita analisis sebagai berikut: 1) Menguji model regresi Data di atas dari data lapangan maka = 0,05 Dari minitab diperoleh ANOVA sebagai berikut:

Dari ANOVA di atas diperoleh Fhitung = 42,8634 Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut: H0 : Model regresi tidak berarti H1 : Model regresi berarti Dari tabel didapat Ftabel=1,0000 Karena Fhitung > Ftabel maka menolak H0, jadi model regresi berarti sehingga dapat disimpulkan bahwa model regresi Y = 42.8150 + 10.4864X 1.2640X2 + 4.76E-02X3 signifikan. 2) Menguji koefisien regresi Untuk menguji koefisien regresi digunakan uji T, dengan hipotesis sebagai berikut: H0 : 1 = 0 artinya variabel bebas tidak berpengaruh terhadap variabel terikat. H1 : 1 0 artinya variabel bebas berpengaruh terhadap variabel terikat. Dengan alat bantu spss, diperoleh:

3) Uji asumsi analisis regresi a) Uji Normalitas Untuk menguji kenormalan kita gunakan alat bantu minitab dengan uji Anderson Darling dan mencari P-value, dan dengan hipotesis sebagai berikut: H0 : Residual berdistribusi normal. H1 : Residual tidak berdistribusi normal. Untuk menentukan apakah menolak atau menerima H0, P-value dibandingkan dengan suatu nilai .

Dari minitab diperoleh nilai P-value beserta grafiknya sebagai berikut:

Karena p-value = 0.284> =0,05 sehingga terima H0, jadi residual berdistribusi normal. b) Uji Homogenitas Untuk menguji homogenitas kita gunakan alat bantu minitab sebagai berikut:

Dari grafik di atas dapat dilihat bahwa standart sisa 95% berada di antara (-2, 2). Data mengumpul pada selang 50-80 dan merupakan data acak. Jadi data tersebut bersifat Homogen.

c) Uji Kebebasan Untuk menguji kebebasan residual dilihat dari autokorelasi fungsi untuk residual dengan menggunakan alat bantu minitab uji autocorelation dari Ljung-Box Q Statistik. Selain itu juga bisa

menggunakan individual chart. Hasilnya dapat dilihat dari chart di bawah ini :

Dari I Chart dapat dilihat bahwa tidak ada data yang melebihi garis merah maka tidak ada data pencilan yang harus dihapus. Individual Chart bukanlah metode formal dalam uji kebebasan data. Untuk menguji secara formal kita gunakan uji autocorelation dari Ljung-Box Q Statistik dan diperoleh hasil seperti di bawah ini.

Dari Autocorelation dapat dilihat bahwa ada data yang melebihi garis merah maka dapat disimpulkan bahwa data tidak saling bebas.

BAB III PENUTUP 3.1 Kesimpulan Regresi dapat dibedakan menjadi dua jenis, yaitu regresi linier dan non linier. Regresi linier merupakan regresi yang datanya membentuk persamaan linier dan grafiknya mendekati garis lurus, sedangkan regresi non linier merupakan regresi yang datanya membentuk persamaan non linier dan kurvanya lengkung. Jika data yang diperoleh membentuk regresi yang non linier maka harus dilinierkan dulu dengan menggunakan transformasi yang sesuai. Untuk regresi non linier model kubik Y =
0X0i 2 2Xi 3 3Xi

1Xi

+ .

Pendugaan model tentunya harus memperhatikan teori dari ilmu yang melandasinya atau melatarbelakanginya, apakah pola hubungan tersebut linier maupun non linier. Model regresi polinomial merupakan peningkatan orde yang lebih tinggi dari bentuk linier dan pada umumnya orde tertinggi yang biasa digunakan sampai orde tiga atau bentuk regresi kubik. Konsep pendugaan parameter persamaan garisnya sama dengan regresi linier sederhana yakni menggunakan metode kuadrat terkecil. Dari aplikasi banyaknya cucian yang masuk ke BUSA laundry di atas disimpulkan bahwa hasil datanya merupakan model dari regresi kubik dengan persamaan Y = 42.8150 + 10.4864X 1.2640X2 + 4.76E-02X3. Dari analisis didapat bahwa model bersebaran normal, dan menolak H0 karena P value > 0,05. mempunyai keragaman yang tetap karena data menyebar pada selang 50 80 dan merupakan data acak namun tidak saling bebas atau ada korelasi antar sisaan. Sebab saat di uji dengan Uji autocorelation dari Ljung-Box Q Statistik diperoleh bahwa ada data yang melebihi garis merah maka dapat disimpulkan bahwa data tidak saling bebas.