Salsabilla Firdaus - Kelas C - Tugas 8

NAMA: SALSABILLA FIRDAUS
NPM: 10060118057
KELAS PRAKTIKUM: C
1. Menginstal Paket
install.packages("readxl")
library(readxl)
> install.packages("readxl")
Warning in install.packages :
unable to access index for repository https://cran.rstudio.com/src/contrib:
cannot open URL 'https://cran.rstudio.com/src/contrib/PACKAGES'
Installing package into ‘C:/Users/lenovo/Documents/salsa ANREG/Tugas 8/3.5’
(as ‘lib’ is unspecified)
package ‘readxl’ is not available (for R version 3.5.1)
unable to access index for repository https://cran.rstudio.com/bin/windows/contrib
/3.5:
cannot open URL 'https://cran.rstudio.com/bin/windows/contrib/3.5/PACKAGES'
> library(readxl)
2. Memanggil Data
pressure=read_excel("E:/PrakAnalisisRegresi/pressure.xlsx",sheet="Hoja2")
pressure
pressure
temperature pressure
1 0 0.0002
2 20 0.0012
3 40 0.0060
4 60 0.0300
5 80 0.0900
6 100 0.2700
7 120 0.7500
8 140 1.8500
9 160 4.2000
10 180 8.8000
11 200 17.3000
12 220 32.1000
13 240 57.0000
14 260 96.0000
15 280 157.0000
16 300 247.0000
17 320 376.0000
18 340 558.0000
19 360 806.0000
3. Membuka Variabel
pressure$temperature
pressure$pressure
> pressure$temperature
[1] 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360
> pressure$pressure
[1] 0.0002 0.0012 0.0060 0.0300 0.0900 0.2700 0.7500 1.8500 4.200
0 8.8000 17.3000
[12] 32.1000 57.0000 96.0000 157.0000 247.0000 376.0000 558.0000 806.0000
4. Membuat Model Regresi
modelregresi=lm(temperature~pressure,data=pressure)
summary(modelregresi)
> modelregresi=lm(temperature~pressure,data=pressure)
> summary(modelregresi)
Call:
lm(formula = temperature ~ pressure, data = pressure)
Residuals:
Min 1Q Median 3Q Max
-132.791 -62.813 6.507 67.033 90.759
Interpretasi:
Dengan jumlah data 19 memiliki Ŷ minimum sebesar -132.791 dan Ŷ maximum sebesar 90.759 dengan
nilai rata-ratanya adalah -62.813.
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 132.79072 19.94314 6.658 4.03e-06 ***
pressure 0.37969 0.07929 4.788 0.000171 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Y = temperature
X = pressure
Konstanta sebesar 132.79072 menyatakan bahwa jika tidak ada temperature = 0, maka besarnya pressure
adalah 132.79072. Koefisisen regresi pressure dari temperature sebesar 0.37969 menyatakan bahwa setiap
penambahan 1 satuan pressure, maka nilai dari temperature bertambah sebesar 0.37969. Koefisien
bernilai positif sehingga dapat dikatakan bahwa arah pengaruh variabel X terhadap Y adalah positif..
Uji t untuk menguji signifikasi konstanta dan variabel dependent (pressure).
1. Uji t untuk menguji signifikasi konstanta:
a. Perumusan hipotesis:
H0 : 𝛽 0 = 0 ; semua nilai temperature dapat dijelaskan oleh pressure.
H1 : 𝛽 1 ≠ 0 ; semua nilai temperature tidak dapat dijelaskan oleh pressure.
b. Statistik uji:
Berdasarkan tabel koefisisen diatas nilai thitung adalah 6.658
c. Nilai kritis:
Dasar pengambilan keputusan adalah berdasarkan probabilitas atau p-value, dimana:
Jika probabilitas > 0,05 maka H0 diterima
Jika probabilitas < 0,05 maka H0 ditolak
Berdasarkan tabel koefisien, probabilitas dari konstanta adalah 0,000, maka 0,000 < 0,05.
d. Kesimpulan:
H0 ditolak sebab 0,000 < 0,05 jadi dapat disimpulkan bahwa semua nilai temperrature tidak dapat
dijelaskan oleh pressure
2. Uji t untuk menguji signifikasi variabel dependent (pressure):
H0 : 𝛽 0 = 0 ; tidak ada hubungan linier antara nilai temperature dengan pressure
H1 : 𝛽 1 ≠ 0 ; ada hubungan linier antara nilai temperature dengan pressure
b. Statistik uji:
Berdasarkan tabel koefisisen diatas nilai thitung adalah 4.788.
c. Nilai kritis:
Berdasarkan tabel koefisien, probabilitas dari variabel dependent (pressure) adalah 0,000171,
maka 0,000171 < 0,05.
d. Kesimpulan:
H0 ditolak sebab 0,000171 < 0,05 jadi dapat disimpulkan bahwa ada hubungan linier antara nilai
temperature dengan pressure.
Residual standard error: 75.56 on 17 degrees of freedom

Multiple R-squared: 0.5742, Adjusted R-squared: 0.5492
F-statistic: 22.93 on 1 and 17 DF, p-value: 0.000171
Interpretasi:
Angka R square adalah 0,5742 (adalah pengkuadratan dari koefisien korelasi). R square bisa disebut
koefisien determinasi, yang dalam hal ini berarti 57,42% temperature bisa dijelaskan oleh variabel
pressure. Sedangkan sisanya (100% - 57,42% = 42.58%) dijelaskan oleh sebab-sebab yang lain. R square
berkisar pada angka 0 sampai 1, dengan catatan semakin kecil angka R square, semakin lemah hubungan
kedua variabel.
5. Membuat Plot Model Regresi

plot(modelregresi,pch=16,col="red")
Interpretasi:
Jika data berasal dari distribusi normal, maka nilai-nilai yang diplotkan harus berada disekitar garis lurus.
Dari hasil plot diatas terlihat bahwa titik-titik data berada disekitar garis lurus, sehingga dapat dikatakan
bahwa ke-19 data temperature dan pressure diatas berdistribusi normal.
residual=modelregresi$residuals
residual
> residual=modelregresi$residuals
> residual
1 2 3 4 5 6 7
8 9
-132.790793 -112.791172 -92.792995 -72.802108 -52.824889 -32.893233 -13.075484
6.506858 25.614589
10 11 12 13 14 15 16
17 18
43.868020 60.640663 75.021265 85.567008 90.759136 87.598105 73.426092
44.446207 -4.657196
19
-78.820076
6. Menginstall Paket
install.packages("car")
library(car)
> install.packages("car")
package ‘car’ is not available (for R version 3.5.1)
/3.5:
> library(car)
shapiro.test(residual)
> shapiro.test(residual)
Shapiro-Wilk normality test
data: residual
W = 0.92479, p-value = 0.1388
Interpretasi:
Perumusan hipotesis untuk uji shapiro-wilk:
a. Perumusan hipotesis
H0 : data temperature dengan data pressure berdistribusi normal.
H1 : data temperature dengan data pressure tidak berdistribusi normal.
b. Taraf signifikan
Taraf signifikan yang digunakan sebesar 5% atau 0,05
c. Statistika uji
Dari tampilan output software R diatas, didapatkan statistik ujinya adalah 0,92479
d. Nilai kritis
Yang menjadi dasar pengambilan keputusan berdasarkan nilai signifikan,
Jika nilai sig > 0,05, maka H0 diterima.
Jika nilai sig < 0,05, maka H0 ditolak,
berdasarkan tampilan output diatas nilai signifikannya adalah 0,1388.
e. Kesimpulan
H0 diterima sebab 0,1388 > 0,05 jadi dapat disimpulkan bahwa data temperature dan data
pressure berdistribusi normal.
7. Membuat Model Regresi

modelregresi2=lm(temperature~pressure, data=pressure)
summary(modelregresi2)
> modelregresi2=lm(temperature~pressure, data=pressure)
> summary(modelregresi2)
Call:
lm(formula = temperature ~ pressure, data = pressure)
Residuals:
Min 1Q Median 3Q Max
-132.791 -62.813 6.507 67.033 90.759
Interpretasi:
Dengan jumlah data dari 19 memiliki Ŷ minimum sebesar -132.791 dan Ŷ maximum sebesar 90.759
dengan nilai rata-ratanya adalah -62.813
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 132.79072 19.94314 6.658 4.03e-06 ***
pressure 0.37969 0.07929 4.788 0.000171 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Interpretasi:
Y = temperature
X = pressure
Konstanta sebesar 132.7902 menyatakan bahwa jika tidak ada temperature = 0, maka nilai pressure
adalah 132.7902. Koefisisen regresi pressure dari temperature sebesar 0,37969 menyatakan bahwa setiap
penambahan 1 satuan biaya, maka nilai dari temperature bertambah sebesar 0.37969. Koefisien bernilai
positif sehingga dapat dikatakan bahwa arah pengaruh variabel X terhadap Y adalah positif..
Uji t untuk menguji signifikasi konstanta dan variabel dependent (pressure).
1. Uji t untuk menguji signifikasi konstanta:
H0 : 𝛽 0 = 0 ; semua nilai temperature dapat dijelaskan oleh pressure.
H1 : 𝛽 1 ≠ 0 ; semua nilai temperature tidak dapat dijelaskan oleh pressure.
b. Statistik uji:
Berdasarkan tabel koefisisen diatas nilai thitung adalah 6.658
c. Nilai kritis:
Berdasarkan tabel koefisien, probabilitas dari konstanta adalah 0,000, maka 0,000 < 0,05.
d. Kesimpulan:
H0 ditolak sebab 0,000 < 0,05 jadi dapat disimpulkan bahwa semua nilai temperrature tidak dapat
dijelaskan oleh pressure
2. Uji t untuk menguji signifikasi variabel dependent (pressure):
H0 : 𝛽 0 = 0 ; tidak ada hubungan linier antara nilai temperature dengan pressure
H1 : 𝛽 1 ≠ 0 ; ada hubungan linier antara nilai temperature dengan pressure
b. Statistik uji:
Berdasarkan tabel koefisisen diatas nilai thitung adalah 4.788.
c. Nilai kritis:
Berdasarkan tabel koefisien, probabilitas dari variabel dependent (pressure) adalah 0,000171,
maka 0,000171 < 0,05.
d. Kesimpulan:
H0 ditolak sebab 0,000171 < 0,05 jadi dapat disimpulkan bahwa ada hubungan linier antara nilai
temperature dengan pressure.
Residual standard error: 75.56 on 17 degrees of freedom

Multiple R-squared: 0.5742, Adjusted R-squared: 0.5492
F-statistic: 22.93 on 1 and 17 DF, p-value: 0.000171
Interpretasi:
Angka R square adalah 0,5742 (adalah pengkuadratan dari koefisien korelasi). R square bisa disebut
koefisien determinasi, yang dalam hal ini berarti 57,42% temperature bisa dijelaskan oleh variabel
pressure. Sedangkan sisanya (100% - 57,42% = 42.58%) dijelaskan oleh sebab-sebab yang lain. R square
berkisar pada angka 0 sampai 1, dengan catatan semakin kecil angka R square, semakin lemah hubungan
kedua variabel.
korelasi=cor(pressure)
korelasi
> korelasi=cor(pressure)
> korelasi
temperature pressure
temperature 1.0000000 0.7577923
pressure 0.7577923 1.0000000
Antara X1 dan X2 memberikan angka korelasi 0,758. Angka tersebut menunjukkan cukup kuatnya
korelasi antara X1 dengan X2 sebab 0,758 diatas 0,5.
install.packages("ggpubr")
library("ggpubr")
> install.packages("ggpubr")
package ‘ggpubr’ is not available (for R version 3.5.1)
/3.5:
> library("ggpubr")
ujikorelasi=cor.test(pressure$Temperature,pressure$Pressure, method="pearson")
ujikorelasi
> ujikorelasi=cor.test(pressure$temperature,pressure$pressure, method="pearson")
> ujikorelasi
Pearson's product-moment correlation
data: pressure$temperature and pressure$pressure

t = 4.7885, df = 17, p-value = 0.000171
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.4629176 0.9016552
sample estimates:
cor
0.7577923
Interpretasi:
Antara X1 dan X2 memberikan angka korelasi 4.7885. Angka tersebut menunjukkan cukup kuatnya
korelasi antara X1 dengan X2 sebab 4,7885 diatas 0,5.
Tahapan hipotesis antar variabel X1 Dan X2:
H0 : tidak ada hubungan antara temperature dan pressure.
H1 : ada hubungann antara temperature dan pressure.
b. Taraf signifikan:
Taraf signifikan yang digunakan adalah 1% atau 0,01
c. Statistik uji:
Berdasarkan output software R diatas diperoleh nilai statistik ujinya adalah 4.7885.
d. Titik kritis:
Untuk yang menjadi dasar pengambilan keputusan adalah berdasarkan nilai signifikan (sig), jika:
Nilai sig > 0,01, maka H0 diterima.
Nilai sig < 0,01, maka H0 ditolak.
Berdasarkan output diatas, diperoleh nilai signifikannya adalah 0,000171.
e. Kesimpulan:
Maka H0 ditolak sebab 0,000171 < 0,01, jadi dapat disimpulkan bahwa ada hubungann antara
temperature dan pressure.
matriksdata=as.matrix(pressure)
is.matrix(matriksdata)
> matriksdata=as.matrix(pressure)
> is.matrix(matriksdata)
[1] TRUE
install.packages("Hmisc")
library(Hmisc)
> install.packages("Hmisc")
package ‘Hmisc’ is not available (for R version 3.5.1)
/3.5:
> library(Hmisc)
10. Menginstal Paket

install.packages("corrplot")
library(corrplot)
> install.packages("corrplot")
package ‘corrplot’ is not available (for R version 3.5.1)
/3.5:
> library(corrplot)

install.packages("lmtest")
library(lmtest)
> install.packages("lmtest")
package ‘lmtest’ is not available (for R version 3.5.1)
/3.5:
> library(lmtest)

Salsabilla Firdaus - Kelas C - Tugas 8

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Salsabilla Firdaus - Kelas C - Tugas 8

Caricato da

Copyright:

Formati disponibili

NAMA: SALSABILLA FIRDAUS

Residual standard error: 75.56 on 17 degrees of freedom

5. Membuat Plot Model Regresi

Shapiro-Wilk normality test

7. Membuat Model Regresi

Residual standard error: 75.56 on 17 degrees of freedom

Pearson's product-moment correlation

data: pressure$temperature and pressure$pressure

10. Menginstal Paket

11. Menginstall Paket

Potrebbero piacerti anche