1 Kunci Jawaban Soal Analisis Regresi 1

MODEL REGRESI LINIER SEDERHANA

Deskripsi Model
Soal 1
Jawaban : D
Model regresi linier ialah model regresi yang linier dalam parameter sehingga
Y0  0  1 X1   i dan Y0   0  1 X 1   i merupakan model regresi linier. Pada
2

pilihan c. Y0   0  1 X 1 merupakan persamaan regresi linier, bukan model regresi

linier. Jawaban yang tepat untuk soal di atas d. a dan b benar
Soal 2
Jawaban : B
Tebaran data pada gambar di atas membentuk pola kuadratik. Model yang tepat untuk
tebaran data di atas ialah Y0   0  1 X 1   i .
2

Pemeriksaan Pola Garis Lurus Secara Deskriptif

Soal 1
Jawaban : D
Dari gambar tersebut diperoleh nilai titik ujung selang yaitu (X1,Y1) = (0,2) dan (X2,Y2) =
(8,18).
Untuk mencari rumusan persamaan regresi dapat menggunakan formula berikut:
X  X1 Y  Y1

X 2  X 1 Y2  Y1

X 0 Y 2

8  0 18  2
16 X  8Y  16
Y  2X  2
Diperoleh persamaan regresi sebesar Y  2  2 X . Nilai b1 ialah sebesar 2.
Soal 2
Jawaban: D
Persamaan sudah diperoleh pada jawaban sebelumnya.

Dini.Lani.Melisa.Nunung
2 Kunci Jawaban Soal Analisis Regresi 1

Interpretasi dan Asumsi dari Parameter Model

Soal 1
jawaban (a)
Soal 2
jawaban (c)

Pendugaan dengan MKT

Soal 1
No. Ukuran Rumah Harga Rumah X2 XY Y2
1 1.8 32 3.24 57.6 1024
2 1 24 1 24 576
3 1.7 27 2.89 45.9 729
4 2.8 47 7.84 131.6 2209
5 2.2 35 4.84 77 1225
6 0.8 17 0.64 13.6 289
7 3.6 52 12.96 187.2 2704
8 1.1 20
1.21 22 400
9 2 38 4 76 1444
10 2.6 45 6.76 117 2025
V 2.3 44 5.29 101.2 1936
12 0.9 19 0.81 17.1 361
13 1. 2 25 1.44 30 625
14 3.4 50 11.56 170 2500
15 1.7 30 2.89 51 900
16 2.5 43 6.25 107.5 1849
17 1.4 27 1.96 37.8 729
18 3.3 50 10.89 165.0 2500
19 2.2 37 4.84 81.4 1369
20 1.5 28 2.25 42 784

 x y
 xy 
40 * 690
1554 
b1  n 20
 x 2
= = 12.8982
40 * 40
93.56 
x
2
 20
n

Dini.Lani.Melisa.Nunung
3 Kunci Jawaban Soal Analisis Regresi 1

b0  y  b1x = 8.7036

Maka y = 8.7036 – 12.8982

x……………………………………………………………….(a)

Soal 2

no jumlah pegawai (X) penjualan /minggu (y) X2 XY Y2

1 17 7 289 119 49
2 39 17 1521 663 289
3 32 10 1024 320 100
4 17 5 289 85 25
5 25 7 625 175 49
6 43 15 1849 645 225
7 25 11 625 275 121
8 32 13 1024 416 169
9 48 19 2304 912 361
10 10 3 100 30 9
11 48 17 2304 816 289
12 42 15 1764 630 225
13 36 14 1296 504 196
14 30 12 900 360 144
15 19 8 361 152 64
total 463 173 16275 6102 2315

 x y
 xy 
463 * 173
6102 
b1  n 15
 x 2
= = 0.384157817
463 * 463
16275 
x
2
 15
n

b0  y  b1x = -0.324337949

Penguraian Keragaman Total

1. Untuk mencari nilai JKR maka rumusnya JKR = β1. JKxy
β1 = JKxy/ Jkx
∑𝑥∑𝑦
JKxy = ∑(𝑥𝑦) - 𝑛

= 6332-73670/12 = 192,833

Dini.Lani.Melisa.Nunung
4 Kunci Jawaban Soal Analisis Regresi 1

Jkx = ∑ 𝑥 2 – (∑(𝑥) )2/n

= 39,6666
Maka diperoleh JKR = β1. JKxy= 526,39

2. Pertama cari db dari regressi = p-1 = 2-1=1

Kemudian cari db galat = n-p = 12 – 2= 10

Diketahui nilai KTG = 36,186 . KTG = JKG/n maka JKG = KTG x n= 36,19 x 10 =
361,86
Maka untuk mencari JKR= JKT- JKG = 888,86 – 361,86= 526,39
Sehingga nilai JKR = KTR karena KTR = JKR/1 = 526,39/1=526,39
F-hitung = KTR/KTG= 526,39/36,186= 14,55

Pengujian hipotesis pada slope dan intersep

Number of Police Number of

City Officers (X) Robberies (Y)
1 64 625
2 53 750
3 67 560
4 52 690
5 82 515
6 59 680
7 67 630
8 90 510
9 50 800
10 77 550
11 88 550
12 71 525
13 58 625

Regression Analysis: Number of Robber versus Number of Police

The regression equation is

Number of Robberies (Y) = 1024 - 6.03 Number of Police Officers (X)

Predictor Coef SE Coef T P

Constant 1023.58 69.35 14.76 0.000
Number of Police Officers (X) -6.033 1.009 -5.98 0.000

Dini.Lani.Melisa.Nunung
5 Kunci Jawaban Soal Analisis Regresi 1

S = 46.9940 R-Sq = 76.5% R-Sq(adj) = 74.3%

Analysis of Variance

Source DF SS MS F P
Regression 1 79015 79015 35.78 0.000
Residual Error 11 24293 2208
Total 12 103308

Soal 1 di uji
H0 : β1 = 0
H0 : β1 ≠ 0

 x 2
878 2
JKx = x 2

n
= 61470 
13
= 61470 – 59298,77 = 2171,23

 y  2
770 2
JKy = y 2

n
= 5038700 
13
= 5038700 – 4935392,308 = 103307,692

 x y = 527885  8788010  = 527885 – 540983,08 = -13098,08

JKxy =  xy  n 13

JKxy  13098 ,08

b = = -6,03
JKx 2171,23

JKy  b 2 JKxy 103307 ,692  (6,03) 2 2171,23 103307 ,692  78947 ,88
Se     47 ,059
n2 13  2 11

Se 47 ,059 47 ,059
Sb     1,01
JKx 2171,23 46,596

b1   1  6,03  0
t hit    5,97
Sb 1,01

ttable = 2,201
thit > ttable berarti tolak H0
jadi jawaban yang benar adalah a

Dini.Lani.Melisa.Nunung
6 Kunci Jawaban Soal Analisis Regresi 1

Soal 2
Hipotesis yang di uji
H0 : β1 ≤ -7
H0 : β1 > -7

b1   1  6,03   7 
t hit    0,98
Sb 1,01

ttable = 1,796
thit < ttable berarti terima H0
jadi jawaban yang benar adalah c

Kualitas fitted model

Soal 1
Jawab :
b. 36.3 %
penyelesaian :
rata-rata gaji
kota jumlah guru (Y) (X) XY x2 y2
1 27 4 108 16 729
2 14 3,3 46,2 10,89 196
3 35 5,1 178,5 26,01 1225
4 32 3,9 124,8 15,21 1024
5 23 3,3 75,9 10,89 529
6 24 5 120 25 576
7 17 3,3 56,1 10,89 289
8 36 4,2 151,2 17,64 1296
9 20 3,4 68 11,56 400
10 26 3,9 101,4 15,21 676
11 30 4,3 129 18,49 900
12 15 4 60 16 225
total 299 47,7 1219,1 193,79 8065

 b1  JKXY
2
R
Dini.Lani.Melisa.Nunung
7 Kunci Jawaban Soal Analisis Regresi 1

JKXY   xy 
 x y = 1219.1  299  47.7 = 30,575
n 12

 7.31 30,575 = 36.3 %

2
R

Soal 2
Jawab : C
Koefisien determinasi menggambarkan seberapa baik persamaan regresi mengepas
data yang ada. Nilai koefisien determinasi ini antara 0-100 %. Semakin pas persamaan
mengepas data semakin besar nilai koefisien determinasinya. Gambar diatas menunjukkan
bahwa model mengepas semua data dengan baik sehingga nilai koefisien determinasinya
= 100 %.
Koefisien korelasi menggambarkan keeratan hubungan linear antara dua peubah.
Gambar diatas menunjukkan bahwa peubah X dan peubah Y memiliki hubungan yang
tidak linear sehingga nilai koefisien korelasinya = 0.

Regresi Melalui Titik Pusat

Soal 1
Jawaban (a)
Soal 2
Jawab : d

 ( x  x) 293.49

 
b1  i
  0.199767
 xi  x
2
1469.17556

b0 
y i

50.3
 5.58
n 9

Selang Kepercayaan untuk Rataan Respon dan Interval Dugaan

1. Selang kepercayaan untuk rataan respon
1
𝑦̂(x0) ± tα/2(n-2)δ √𝑛 + (𝑥0 − ̅̅̅
𝑥)/ δx
atau

Dini.Lani.Melisa.Nunung
8 Kunci Jawaban Soal Analisis Regresi 1

1
𝑦̅ + β1(x0-𝑥̅ ) ± tα/2(n-2)δ √𝑛 + (𝑥0 − ̅̅̅
𝑥)/ δx
Jawabannya : e
2. Selang kepercayaan untuk nilai tunggal Y0 bila x=x0 adalah

1 ̅̅̅
(𝑥0−𝑥)
𝑦̂(x0) ± tα/2(n-2)δe √1 + 𝑛 + δx atau 𝑦̅ + β1(x0-𝑥̅ ) ± tα/2(n-2)
(n−1)
1 ̅̅̅
(𝑥0−𝑥)
√𝐾𝑇𝐺(1 + + ) δx
𝑛 (n−1)
Jawabanya : d

PEMERIKSAAN SISAAN
Informasi yang Dapat Diperoleh Dari Sisaan
Soal 1
Jawaban: D
Untuk menguji adanya multikolinieritas dapat dilihat dari korelasi antar peubah bebas
dan nilai VIF (Variance Inflation Factor). Formula bagi VIF ini adalah sebagai
berikut:
VIF = (1 – R2i)-1
di mana R2i merupakan koefisien determinasi regresi antara peubah X ke-i sebagai
peubah responnya dengan peubah X lainnya sebagai peubah penjelasnya.
Untuk menguji kenormalan sisaan, asumsi kehomogenan ragam sisaan, asumsi
kebebasan sisaan serta mendeteksi pencilan dan data berpengaruh diperlukan sisaan
dari hasil pendugaan model regresi.
Soal 2
Jawaban: C
Semakin besar sisaan suatu pengamatan belum tentu semakin besar juga pengaruhnya
terhadap garis regresi. Sisaan yang amat besar mengindikasikan terdapatnya data
pencilan yang kadang-kadang tidak terlalu berpengaruh terhadap persamaan garis
regresi.

Plot sisaan
Soal 1
Jawaban : D

Dini.Lani.Melisa.Nunung
9 Kunci Jawaban Soal Analisis Regresi 1

Asumsi kenormalan dapat dilihat dari plot kenormalan dan histogram dari sisaan.
Asumsi kenormalan sisaan pada gambar di atas terpenuhi yang terlihat dari plot
kenormalan yang membentuk garis lurus serta histogram yang memusat pada nilai nol
dan tidak menjulur. Asumsi kehomogenan ragam sisaan terlihat dari plot antara sisaan
dengan dugaan responnya. Pada plot antara sisaan dengan dugaan respon, terlihat bawa
pencaran data membentuk pola kuadratik dan banyak data yang berada jauh di bawah
nilai harapan sehingga asumsi kehomogenan ragam sisaan tidak terpenuhi. Asumsi
kebebasan sisaan dilihat dari plot sisaan terhadap urutan waktunya. Pada plot di atas,
tebaran data membentuk pola tertentu. Pada suatu waktu, sisaan berada di atas nilai
harapan kemudian pada periode setelahnya, sisaan berada di bawah nilai harapan.
Begitu seterusnya hingga urutan yang terakhir. Hal ini mengindikasikan bahwa asumsi
kebebasan sisaan tidak terpenuhi. Jawaban yang tepat untuk soal di atas ialah d. Asumsi
kehomogenan ragam sisaan dan Asumsi kebebasan sisaan.

Soal 2
Jawaban : A
Informasi yang dapat diperoleh dari histogram sisaan di atas ialah mengenai asumsi
kenormalan sisaan. Pada histogram tersebut, terlihat bahwa sisaan menjulur ke kanan
sehingga asumsi kenormalan tidak terpenuhi.

Sisaan Terstandardkan (Studentized Residuals)

Soal 1
Jawaban : E
Soal 2
Jawaban : E

Nilai PRESS
Soal 1
Jawaban : B.
Nilai PRESS menunjukkan ukuran ketidaksesuaian model dalam memprediksi suatu
pengamatan dengan pengamatan tersebut tidak disertakan dalam model.
Soal 2

Dini.Lani.Melisa.Nunung
10 Kunci Jawaban Soal Analisis Regresi 1

Jawaban : D
Semakin kecil nilai PRESS maka semakin baik dugaan model regresi tersebut karena Nilai
PRESS menunjukkan ukuran ketidaksesuaian model dalam memprediksi suatu
pengamatan dengan pengamatan tersebut tidak disertakan dalam model.

Deteksi Pencilan
Soal 1
Jawaban: B
Data pencilan dapat dilihat dari keterangan:
13 12 312.00 221.12 13.13 90.88 2.85R
R denotes an observation with a large standardized residual.

Soal 2
Jawaban: D
Deteksi pencilan dapat dilihat dari nilai sisaan terstandarkan. Suatu amatan pencilan jika
|di| >2, dengan di merupakan sisaan terstandarkan.

Plot Diagnostik
Soal 1
Jawaban: E
Gambar tersebut ialah plot antara sisaan dengan dugaan responnya. Plot tersebut
menunjukkan adanya pelanggaran asumsi kehomogenan ragam yang mengakibatkan
berkurangnya presisi penduga parameter.

Soal 2
Jawaban: E
Gambar tersebut digunakan untuk melihat kebebasan sisaan secara eksplorasi. Pada
gambar tersebut asumsi kebebasan sisaan tidak terpenuhi karena semakin meningkatnya
urutan sisaan maka nilainya akan semakin kecil. Dampak pelanggaran asumsi kebebasan
serupa dengan pelanggaran asumsi kehomogenan ragam sisaan yaitu berkurangnya presisi
penduga parameternya.

Plot Normal
Dini.Lani.Melisa.Nunung
11 Kunci Jawaban Soal Analisis Regresi 1

Soal 1
Jawaban: A
Dari pilihan plot pada jawaban, hanya jawaban A yang tidak mengikuti garis lurus.
Soal 2
Jawaban: D
Plot kenormalan pada gambar 1 tidak mengikuti garis lurus yang mengindikasikan bahwa
terdapat pelanggaran asumsi kenormalan.
Identifikasi pengamatan berpengaruh melalui hii
Soal 1
Jawabannya adalah a
yaitu data berpengaruh >2p/n 2.2/20= 0,2
karena pada data ke-10 (0,29..) dan ke-15 (0,281..) >dari 0,2 maka data tersebut masuk ke
dalam data berpengaruh

Soal 2
Jawabanya adalah b

PENDEKATAN MATRIKS TERHADAP REGRESI LINIER

Penulisan model regresi dengan notasi matriks

1. Jawabanya adalah a dan c

Pendugaan model regresi dengan matriks

1. Jawabanya adalah e

2. X’X = [ 8 42
] X’Y =[105]
42 244 613
p𝛽̂ 1 =p(X’X)p p(X’Y)1
-1

maka cari terlebih dahulu matrix invers (X’X) = 1/det (X’X) x Adj (X’X)

= 1/((8x 244)-(42x42)) x [ 244 −42]

−42 8

1,29787 −0,22340
=[ ]
−0,22340 0,04255
p𝛽̂ 1 =p(X’X)p -1 p(X’Y)1

Dini.Lani.Melisa.Nunung
12 Kunci Jawaban Soal Analisis Regresi 1

1,29787 −0,22340 105

=[ ][ ]
−0,22340 0,04255 613
−0,67
=[ ] sehingga persamaan yang diperoleh y= -0,67 + 2,63X
2,63
Pengujian parameter regresi dengan notasi matriks
3 0 0 20
1. X’X = [0 5 0] X’Y=[30] δ2β = 1,56
0 0 4 60
(X’X) = 1/det (X’X) x adj (X’X)
-1

−60 0 0
= 1/ ( 3x5x4) [ 0 −60 0 ]
0 0 −48
−1 0 0
=[ 0 −1 0 ]
0 0 4/5
p𝛽̂ 1 =p(X’X)p -1 p(X’Y)1
−1 0 0 20
=[
0 −1 0] [30]
4
0 0
5 60

−20
= [−30] t-hit = 𝛽̂ 1/√δ
48
= -30/√1,56 =-24,019
Jawabanya C
 66 
 43 
 
 36 
 11.5  0.336768 0.0064   223.6   
2. :( X’X) =  .3368 0.010494  0.000916 X’Y =
 8049.2  23
-1
Y=  
     22 
 0.0064  0.000916 0.001  6954.7   
 14 
 12 
 
7.6 

 11.5  0.336768 0.0064   223.6   94.5520

βduga =  .3368 0.010494  0.000916 8049.2  =
 
 2.8016 
 
 0.0064  0.000916 0.001  6954.7   1.0727 

Dini.Lani.Melisa.Nunung
13 Kunci Jawaban Soal Analisis Regresi 1

JKR = 𝛽̂’(X’Y)
 223.6 
=[−94,5520 2,8016 1,0727] 8049.2 
 
6954.7 

=8869,1
Jawabannya A

REGRESI BERGANDA
Penulisan model regresi berganda
Soal 1
Jawab : C
jawaban a adalah model regresi sederhana sedangkan jawaban b adalah model regresi
linear sederhana dengan ordo kuadratik.
Soal 2
Jawab : e

Pendugaan parameter pada model regresi berganda dengan dua peubah bebas
Soal 1
Jawab : d
Penyelesaian
β = (X’X)-1(X’Y)
1 38 47.5  66 
1 41 21.3  43 
  
1 34 36.5  36 
     8 274 198 
X= 
1 35 18  23
Y =   X’X = 274 9488 6875.6 
1 31 29.5  22  
    198 6875.6 5979.08
1 34 14.2   14 
1 29 21   12 
   
1 32 10  7.6 

Dini.Lani.Melisa.Nunung
14 Kunci Jawaban Soal Analisis Regresi 1

 11.5  0.336768 0.0064   223.6 

-1
(X’X) =  .3368 0.010494  0.000916 X’Y = 8049.2 
   
 0.0064  0.000916 0.001  6954.7 

 11.5  0.336768 0.0064   223.6   94.5520

βduga =  .3368 0.010494  0.000916
 8049.2  =  2.8016 
     
 0.0064  0.000916 0.001  6954.7   1.0727 

Soal 2
Jawab : a.
Penyelesaian βduga = (X’X)-1(X’Y)
1 130 190   35 
1 174 
176  81.7 
  
1 134 205 42.5
   
1 191 210 98.3
1 165 230 52.7 
   
1 194 192   825 
1 143 220 34.5
   
1 186 235 95.4
x y
1 139 240 56.7 
   
1 188 230 84.4
   
1 175 200 94.3
1 156 218  44.3
   
1 190 220 83.3
1 178 210 91.4
   
1 132 208 43.5
1 225 51.7 
 148  
 16 2623 3409   13.1209  0.0201344  0.0457972

x' x  2623 438257 558816    0.0201 0.0001212 558816 
1
x' x
3409 558816 731003  0.0458 0.0000012 731003 

 1072 
x' y  183169 
227997

Dini.Lani.Melisa.Nunung
15 Kunci Jawaban Soal Analisis Regresi 1

 13.1209  0.0201344  0.0457972  1072   67.8844

β = (X’X) (X’Y) =   0.0201 0.0001212
-1
558816  183169  =  0.9061 
    
 0.0458 0.0000012 731003  227997    0.0642 

Pemeriksaan model untuk regresi berganda

Soal 1
Jawab : b. Semua asumsi regresi berganda terpenuhi
asumsi dalam regresi berganda adalah :
a. ragam sisaan homogen. Plot sisaan dengan nilai fit dugaan dapat digunakan untuk
mendeteksi kehomogenan ragam tersebut. Apabila plot yang terbentuk cenderung
datar dan tidak membentuk pola maka asumsi kehomogenan ragam terpenuhi. Pada
kasus diatas, plot sisaan dengan nilai fit dugaan cenderung datar dan tidak
membentuk pola seperti corong, oleh karena itu asumsi kehomogenan ragam
terpenuhi.
b. Kenormalan sisaan. Dapat dideteksi dengan melihat plot kenormalan. Apabila nilai
sisaan berada tepat atau disekitar plot kenormalan, maka asumsi kenormalan sisaan
terpenuhi. Pada kasus diatas, sissan hampir tepat berada pada garis kenormalan
sehingga asumsi kenormalan sisaan terpenuhi.
c. Kebebasan sisaan. Dapat dideteksi dengan melihat plot sisaan dengan nilai fit
dugaan. Jika plot tidak membentuk pola tertentu maka dapat dikatakan sisaan saling
bebas. Pada kasus diatas plot sisaan tidak membentuk pola apapun sehingga asumsi
kebebasan sisaan terpenuhi.
d. Tidak ada multikolinearitas. Dapat dideteksi dengan nilai VIF. Jika nilai VIF ≥ 10
maka ada indikasi multikolinearitas. Pada kasus diatas nilai VIF = 1 sehingga dapat
disimpulkan bahwa asumsi tidak ada multikolinearitas terpenuhi.
Kesimpulannya semua asumsi regresi berganda untuk kasus tersebut terpenuhi.
Soal 2
jawab : c
jawaban a dan b merupakan akibat dari adanya ketidakhomogenan ragam sisaan.

Dini.Lani.Melisa.Nunung