LAPORAN PRAKTIKUM BIOMETRI “SAS (STATISTICAL ANALYSIS SYSTEM) REGRESI”

LAPORAN PRAKTIKUM BIOMETRI

“SAS (STATISTICAL ANALYSIS SYSTEM) REGRESI”

OLEH :

KELOMPOK 2

ROVIAH                    F1071141008

                        

    

PROGRAM STUDI PENDIDIKAN BIOLOGI

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNUVERSITAS TANJUNGPURA

PONTIANAK

2016

A.    Pendahuluan

Sejarah Analisis Regresi Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel yang lain, Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Analisis regresi meliputi pengumpulan data berpasangan, pencarian pola garis (pendugaan parameter dan ketidakpasan model), pendugaan persamaan regresi (pendugaan dan pengujian parameter serta interpretasi model dan parameter (Hanafiah, H.A. 1991)

Analisis regresi sederhana digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat.

1.      Model Regresi : Y = 𝛽0 + 𝛽1Xi+𝜀 2.

2.      Persamaan Regresi : yhat = bo+b1xi

·         Dimana bo : intersep

·         b1: slope/kemiringan 1 (Yitnosumarto, Suntoyo. 1991)

B.     Hasil Pengamatan 

1.      Hasil pengamatan dari penuntun

a.       (input)

DATA KEL2;

INPUT X Y;

CARDS;

1.0       41.3

1.5       34.0

2.0       32.5

2.5       35.2

3.0       28.8

3.5       25.6

4.0       30.1

4.5       25.7

5.0       22.6

5.5       20.3

6.0       18.8

6.5       17.1

;

RUN;

PROC REG;

TITLE ’HASIL ANALISIS REGRESI’;

MODEL Y=X;

RUN;

b.      Data (output)

                                     HASIL ANALISIS REGRESI        15:54 Monday, May 5, 1997   1

Model: MODEL1

Dependent Variable: Y

                                      Analysis of Variance

                                         Sum of         Mean

                Source          DF      Squares       Square      F Value       Prob>F

                Model            1    540.83643    540.83643      106.442       0.0001

                Error           10     50.81023      5.08102

                C Total         11    591.64667

                    Root MSE       2.25411     R-square       0.9141

                    Dep Mean      27.66667     Adj R-sq       0.9055

                    C.V.           8.14739

                                      Parameter Estimates

                               Parameter      Standard    T for H0:

              Variable  DF      Estimate         Error   Parameter=0    Prob > |T|

              INTERCEP   1     42.252331    1.55630103        27.149        0.0001

              X          1     -3.889510    0.37699672       -10.317        0.0001

2.      Hasil pengamatan dari bu entin

a.      Input

DATA KLP2;

INPUT            X         Y;

CARDS;

24        10

22        5

21        6

20        3

22        6

19        4

20        5

23        9

24        11

25        13

21        7

20        4

20        6

19        3

25        12

27        13

28        16

25        12

26        14

24        12

27        16

23        9

24        13

23        11

22        7

21        5

26        12

25        11

26        13

27        14

;

RUN;

PROC REG;

TITLE ‘HASIL           ANALISIS     REGRESI’;

MODEL          Y=X;

RUN;

b.      Autput

Analysis of Variance

                         Sum of         Mean

Source          DF      Squares       Square      F Value

Prob>F

Model            1    421.02926    421.02926      293.468

0.0001

Error           28     40.17074      1.43467

C Total         29    461.20000

    Root MSE       1.19778     R-square       0.9129

    Dep Mean       9.40000     Adj R-sq       0.9098

    C.V.          12.74231

                         Parameter Estimates

                 Parameter      Standard    T for H0:

Variable  DF      Estimate         Error   Parameter=0    Prob > |T|

INTERCEP   1    -24.380929    1.98401814       -12.289        0.0001

X          1      1.449825    0.08463216        17.131        0.0001

C.    PEMBAHASAN

Pada praktikum kalia ini menganalisis data “Regresi” dengan menggunaka sofwer analisis data yaitu SAS  dalam peritungan menggunakan sas ini ada ketentuan kusus agar saat pembacaan data tidak error.

Regresi linier sederhana merupakan salah satu metode ststistik yang di pergunakan dalam produksi untuk melakukan peramalan tau prediksi tentang karakteristik kualitas maupun kuantitas.

 Pada praktikum kali ini di lakukan input data yang akan di ujikan dengan SAS. Cara mengimputnya yaitu mengetik data pada endela program editor yang ada pada sas bisa juga di ketik terlebi dahulu di word kemudian di copy dan di paste di jendela program SAS. Data INPUT yang ada di hasil pengamatan adalah  data yang sudah di input pada SAS yang suda sesuai dengan bahasa pemograman SAS. Di atas merupakan data mentah dari rak yang akan di itung tabel inovanya agar ipotesisnya dapat terliat diterima atau di tolak. Dari data seperti di atas ada beberapa bahasa pemogaraman yang unik atau khusus dalam pengguanaan SAS . Berikut penjelasan

·         (DATA DT;) Merupakan keterangan untuk nama data yang akan di buat (DT) dapat di ganti dengan nama praktikan seperti contoh di atas di ganti ( KEL2) akan tetapi ada syarat hanya 8 karakter saja.

·         (INPUT X Y;) artinya adalah data yang mau di masukkan (INPUT), kemudian X Y yang artianya (X) adalah vareabel terikatnya atau faktor penyebab, dan (Y) adalah vareabel bebas atau variebel akibat (;) semi kolon, yang berfungsi sebagai penanda akhir kalimat sama halnya seperti tanda (.) dalam sebuah kalimat.

·         Lalu dikahiri dengan kata (CARDS;) Selanjutnya dilakukan penginputan data yang sudah tertera.

·          Setelah diinput data maka diakhir data harus ada perintah untuk menampilkan data yang diinginkan yaitu RUN, yang berarti bahwa data siap untuk dijalankan yang nantinya data tersebut akan tampil di Jendela Output dalam program SAS.

·         (PROC) sebagai perintah SAS untuk menujukan jenis analisis yang akan dilakukan. − (REG) yaitu jika ingin memasukkan model linear umum untuk Regresi

·         TITLE ‘HASIL ANALISIS REGRESI’ adalah judul dalam data yang ingin di input ke dalam SAS.

·         MODEL adalah Y=X; adalah penjelasan dari data regresi bahwa ada faktor sebab yaitu (Y) dan akibat yaitu (X)

·         Setelah menginput data maka diakhiri dengan perintah RUN; agar perintah dijalankan

Data yang di gunakan dari ibu Entin sama dalam perintah yang di gunakan pada perintah penuntun yaitu seperti penjelasan di atas.

Setelah di input maka akan menghasilkan data yang ada di  hasil pengamatan autput (Data dari penuntun) df  dari hasil output data menunjukan data yang sama pada perhitungan manual terbukti sama didapatkan df bernilai 1 sehingga hasilnya sama dengan perhitungan manual.

Dari data perhitungan manual diketahui F tab _0.05;1,10 = 4.96, Maka F Value = 106.442 > F tab = 4.96, kesimpulan bahwa ada perbedaannya yang signifikan pada sebab akibat dati adanya hasil dari Y.

R-square menunjukkan keakuratan, berapa banyak data yang masuk ke dalam model. Nilai 0,9141 atau 91,41% untuk menunjukkan model mendekati akurat untuk menggambarkan data yang sebenarnya.

Pr > F menunjukkan tingkat signifikan, bila nilainya 0,0001 maka sangat signifikan perbedaannya. Jika Pr > 0,05 maka tidak signifikan. Dalam praktikum regresi tidak adanya “kons” saat memasukkan data, karena ini sebab-akibat. Y adalah hasil dari X. maka dari itu model yang tertera adalah x = y

Nilai a = parameter estimate intercept = 42.25

Nilai b = parameter estimate X            = -3.89

Maka didapat persamaan untuk menggambarkan garis regresinya sebagai berikut.

= a + b

= 42.25 + (-3.89)

D.    KESIMPULAN

Regresi linear sederhana adalah regresi yang memiliki satu variable independen (X) dan satu variable dependen (Y). Analisis regresi sederhana ini bertujuan untuk menguji pengaruh antara variable X terhadap Variabel Y.

Pr> F menunjukkan tingkat signifikan, bila nilainya 0,0001 maka sangat signifikan perbedaannya. Jika Pr> 0,05 maka tidak signifikan. Dalam praktikum regresi tidak adanya “kons” saat memasukkan data, karena ini sebab-akibat. Y adalah hasil dari X.  Dari data perhitungan manual diketahui F tab _0.05;1,10 = 4.96, Maka F Value = 106.442 > F tab = 4.96, kesimpulan bahwa ada perbedaannya yang signifikan pada sebab akibat dati adanya hasil dari Y. R-square menunjukkan keakuratan, berapa banyak data yang masuk kedalam model. Nilai 0,9141atau 91,41% untuk menunjukkan model mendekati akurat untuk menggambarkan data yang sebenarnya. Berdasarkan hasil analisis regresi pada program SAS baik data dari asisten maupun data dari Bu Entin di dapat Probabilitas (pr) 0.0001 < 0.05 sehingga dapat disimpulkan H0 ditolak dan H1 di terima. Jadi terdapat perbedaan yang signifikan atau berbeda nyata.

DAFTAR PUSTAKA

Yitnosumarto, Suntoyo. 1991. Percobaan Perancangan, Analisis, dan Interpretasinya. Jakarta : PT. Gramedia Pustaka Utama.

Hanafiah, H.A. 1991. Rancangan Percobaan : Teori dan Aplikasi Cetakan Ke 5. Jakarta Utara : PT. Raja Grafindo Persada.