A.
SOAL
1. Spots cannot always be removed by dry cleaning. Suppose the records from four
different dry cleaning establishment yield the following data on number of
unremovable spots per day.
Treatment Observations
1 2 1 3
2 1 5
3 9 5 6 4
4 3 4 5
Summarize by an ANOVA Table
2. The elastic limit and ultimate strength of reinforcing steel are often stated to be a
function of bar size owing to differences in the rates of cooling when rolled
(strength.xlsx). The following data were obtained by random sampling of the
delivered reinforcing steel for a particular job.
a. Make a regression analysis of the elastic limit data on bar size. The elastic limit
may vary linearly with bar diameter or with bar area. Make a preliminary plot
to determine which is the best measure for use in a regression analysis. Test
the assumption that the elastic limit is a function of bar size.
b. Repeat (a) for ultimate strength.
c. Are elastic limit and ultimate strength correlated
B. ANALISA DAN PEMBAHASAN
1. Diketahui :
Treatment Observations
1 2 1 3
2 1 5
3 9 5 6 4
4 3 4 5
Ditanya : ANOVA Table
Halaman 1 dari 15
Dijawab :
Treatment (i) j Value (𝑥 ) (𝑥 – 𝑥 ) (𝑥 – 𝑥 )
1 1 2 0 0 Mean Treatment 𝑥 :
2+1+3
1 2 1 -1 1 3
∶2
1 3 3 1 1
2 1 1 -2 4 Mean Treatment 𝑥 :
1+5
2 2 5 2 4 ∶3
2
3 1 9 3 9
3 2 5 -1 1 Mean Treatment 𝑥 :
3 3 6 0 0 9+5+6+4
∶6
3 4 4 -2 4 4
4 1 3 -1 1 Mean Treatment 𝑥 :
4 2 4 0 0 3+4+5
∶4
4 3 5 1 1 3
48 0 26
Grand Mean of All Data Points (𝑥 )
2+1+3+1+5+9+5+6+4+3+4+5
∶4
12
Dengan n masing-masing sebagai berikut :
a. 𝑛 : 3
b. 𝑛 : 2
c. 𝑛 : 4
d. 𝑛 : 3
Treatment (i) (𝑥 − 𝑥 ) (𝑥 – 𝑥 ) 𝑛 (𝑥 – 𝑥 )
1 -2 4 12
2 -1 1 2
3 2 4 16
4 0 0 0
30
Selanjutnya kita bisa mengitung nilai SSE (The Sum Of Squares for Error), SSTR (The
Sum Of Square For Treatment), MSTR (Mean Square Treatment), dan MSE (Mean
Square Error) sebagai berikut
𝑆𝑆𝐸 = 𝑋 −𝑋
𝑆𝑆𝐸 = 26
𝑆𝑆𝑇𝑅 = 𝑛 𝑋 −𝑋
Halaman 2 dari 15
𝑆𝑆𝑇𝑅 = 30
𝑆𝑆𝑇𝑅
𝑀𝑆𝑇𝑅 =
𝑟−1
30
𝑀𝑆𝑇𝑅 =
4−1
𝑀𝑆𝑇𝑅 = 10
𝑆𝑆𝐸
𝑀𝑆𝐸 =
𝑛−𝑟
26
𝑀𝑆𝐸 =
12 − 4
𝑀𝑆𝐸 = 3.25
𝑀𝑆𝑇𝑅
𝐹( , ) =
𝑀𝑆𝐸
10
𝐹( , ) =
3.25
𝐹( , ) = 3.07692
Dengan demikian maka ANOVA Table nya adalah sebagai berikut :
ANNOVA Table
Source Of Sum of Degrees Of Mean Square F Ratio
Variation Squares Freedom
Treatment SSTR = 30 (r-1) =3 MSTR =10 3.07692
Error SSE = 26 (n-r) = 8 MSE = 3.25
Total SST =56 (n-1) =11 MST = 5.090
2. Diketahui : Data Strength.xls
Ditanyakan :
a. Regresi Analysis antara Elastic Limit dengan bar size, buatlah pre
eliminary plot
b. Regresi Analysis antara Ultimate Strength dengan Bar Size, buatlah
pre eliminary plot
c. Apakah Elastic Limit (psi) dan Ultimate Strength (psi) berkorelasi
Halaman 3 dari 15
Dijawab :
a. Regresi Analysis Elastic Limit (psi) dengan Bar Size
Dengan menggunakan Fitur Data Analysis dalam Excel (Data > Data Analysis >
Regression) didapatkan Analisa Regresi antara Elastic Limit (psi) dengan Bar
Size sebagai berikut
Tabel Summary Output
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,680967525
R Square 0,46371677
Adjusted R Square 0,414963749
Standard Error 5788,200919
Observations 13
Tabel ANNOVA
ANOVA
df SS MS F Significance F
Regression 1 318668008,5 318668008,5 9,511549 0,010395323
Residual 11 368535968,6 33503269,87
Total 12 687203977,1
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 66349,84578 4380,301316 15,14732457 1,03E-08 56708,86758 75990,82397 56708,86758 75990,82397
Bar size number
(Ukuran Batang) -2017,28389 654,0958369 -3,08408 0,010395 -3456,93912 -577,6286598 -3456,93912 -577,6286598
Tabel Residual Ouput
RESIDUAL OUTPUT
Predicted Elastic limit (psi)
Observation Residuals Standard Residuals
(Batas Elastis)
1 60297,99411 12532,00589 2,26136816
2 58280,71022 6839,289784 1,234132212
3 58280,71022 -6350,710216 -1,145969289
4 58280,71022 -4981,710216 -0,898936767
5 56263,42633 -1863,426326 -0,336250477
6 56263,42633 -5573,426326 -1,005710414
7 56263,42633 -4044,426326 -0,729806305
8 54246,14244 1203,857564 0,217232994
9 52228,85855 2021,141454 0,364709766
10 50211,57466 -3711,574656 -0,66974408
11 48194,29077 -2504,290766 -0,451892814
12 46177,00688 2122,993124 0,383088637
13 44159,72299 4310,277014 0,777778377
Halaman 4 dari 15
Tabel Probability Output
PROBABILITY OUTPUT
Elastic limit
Percentile (psi)
3,846153846 45690
11,53846154 46500
19,23076923 48300
26,92307692 48470
34,61538462 50690
42,30769231 51930
50 52219
57,69230769 53299
65,38461538 54250
73,07692308 54400
80,76923077 55450
88,46153846 65120
96,15384615 72830
Diagram Pendukung
Selanjutnya kita coba bandingkan dengan Regresi Analysis dengan
menggunakan Minitab dengan cara Stat > Regression > Regression > Fit
Regression Model dengan hasil sebagai berikut
Halaman 5 dari 15
Selanjutnya berdasarkan Data Analysis baik menggunakan Excel maupun
minitab dapat diketahui Model Regresinya adalah
Elastic Limit (psi) = 66350 – 2017.Bar Size Number
Dimana 66350 adalah Slope nya dan - 2017 adalah nilai dari Koefisien
Regresinya. Dalam hal ini setiap penambahan 1 Bar Size Number akan
mengakibatkan pengurangan sebesar 2017 terhadap variable Elastic Limit
(psi) sehingga hubungannya adalah negatif.
Pengujian Asumsi Normalitas
Asumsi Normalitas ini adalah untuk menguji normal atau tidak nilai error
(residual) yang didapatkan dengan cara Stat > Basic Statistic > Normality
Test, masukkan variable dan menggunakan Metode Kolmogorof –
Smirnov, dengan hasil sebagai berikut
Halaman 6 dari 15
Dari gambar terlihat bahwa P Value lebih besar dari Alfa, sehingga
erornya terdistribusi Normal.
Pengujian Asumsi Identik
Dalam menguji Asumsi Identik, kita akan gunakan Uji Gletser. Dengan
cara masuk ke dalam kalkulator (Calc) dengan Function Absolut Value.
Dari angka Absolute Value (Abs) tersebut diuji lagi dengan Regresi (Stat
> Regression > Regression > Fit Regression Model dengan mengganti nilai
Elastic Limit (Y) menjadi nilai Absolute Value. Dengan hasil sebagai
berikut
Diketahui bahwa P Value 0,046 (Lebih Besar dengan Alfa) sehingga kita
gagal menolak H0, kesimpulannya adalah model atau eror yang kita miliki
ini memenuhi asumsi Identik atau tidak ada gejala hetero elastisitas.
Pengujian Asumsi Independent
Dalam menguji Asumsi Independent , kita akan gunakan nilai uji Durbin
– Watson Test. Dengan cara Stat > Regression > Regression > Fit
Regression Model kemudian masuk ke Result (check Durbin – Watson
Statistic)
Halaman 7 dari 15
Dari data diatas didapatkan nilai Durbin – Watson Statistik adalah
0,940918
Bisa juga kita menggunakan cara kedua yaitu kita melihat nilai ACF nya
dengan cara Stat > Time Series > Autocorrelation, kemudian input eror
atau residual dari Elastic Limit (psi) dengan hasil sebagai berikut
Karena tidak ada leg (dari 3 leg diatas) yang keluar dari batas atas dan
batas bawah maka dapat dikatakan bahwa tidak ada Auto korelasi,
sehingga model ini bebas dari pelanggaran asumsi independent atau
tidak ada autocorrelation.
b. Regresi Analysis Ultimate Strength (Psi) dengan Bar Size
Dengan menggunakan Fitur Data Analysis dalam Excel (Data > Data Analysis >
Regression) didapatkan Analisa Regresi antara Ultimate Strength (psi) dengan
Bar Size sebagai berikut
Tabel Summary Output
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,528674476
R Square 0,279496701
Adjusted R Square 0,213996401
Standard Error 5881,183412
Observations 13
Tabel ANOVA
Halaman 8 dari 15
ANOVA
df SS MS F Significance F
Regression 1 147592009,3 147592009,3 4,267106 0,063240807
Residual 11 380471501,6 34588318,33
Total 12 528063510,9
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 88279,10904 4450,667108 19,83502852 5,84E-10 78483,25678 98074,96129 78483,25678 98074,96129
Bar size number
(Ukuran Batang) -1372,86935 664,6033266 -2,065697382 0,063241 -2835,651411 89,91270759 -2835,651411 89,91270759
Tabel Residual Output
RESIDUAL OUTPUT
Predicted Ultimate
Observation strength (psi) Residuals Standard Residuals
(Kekuatan Tertinggi)
1 84160,50098 11259,49902 1,999625306
2 82787,63163 6572,368369 1,167216595
3 82787,63163 -1317,631631 -0,234004155
4 82787,63163 -5622,631631 -0,998548557
5 81414,76228 -7754,762279 -1,377203272
6 81414,76228 -3184,762279 -0,565596323
7 81414,76228 -3383,762279 -0,600937632
8 80041,89293 -301,8929273 -0,053614529
9 78669,02358 4730,976424 0,84019548
10 77296,15422 -3906,154224 -0,693711578
11 75923,28487 -4843,284872 -0,860140844
12 74550,41552 2429,584479 0,431480886
13 73177,54617 5322,453831 0,945238625
Tabel Probability Output
PROBABILITY OUTPUT
Ultimate strength (psi)
Percentile
(Kekuatan Tertinggi)
3,846153846 71080
11,53846154 73390
19,23076923 73660
26,92307692 76980
34,61538462 77165
42,30769231 78031
50 78230
57,69230769 78500
65,38461538 79740
73,07692308 81470
80,76923077 83400
88,46153846 89360
96,15384615 95420
Diagram Pendukung
Halaman 9 dari 15
Selanjutnya kita coba bandingkan dengan Regresi Analysis dengan
menggunakan Minitab dengan cara Stat > Regression > Regression > Fit
Regression Model dengan hasil sebagai berikut
Halaman 10 dari 15
Selanjutnya berdasarkan Data Analysis baik menggunakan Excel maupun
minitab dapat diketahui Model Regresinya adalah
Ultimate Strange (psi) = 88279 – 1373.Bar Size Number
Dimana 88279 adalah Slope nya dan - 1373 adalah nilai dari Koefisien
Regresinya. Dalam hal ini setiap penambahan 1 Bar Size Number akan
mengakibatkan pengurangan sebesar 1373 terhadap variable Ultimate
Strange (psi) sehingga hubungannya adalah negatif.
Uji Asumsi
Pengujian Asumsi Normalitas
Asumsi Normalitas ini adalah untuk menguji normal atau tidak nilai error
(residual) yang didapatkan dengan cara Stat > Basic Statistic > Normality
Test , masukkan variable dan menggunakan Metode Kolmogorof –
Smirnov, dengan hasil sebagai berikut
Halaman 11 dari 15
Dari gambar terlihat bahwa P Value lebih besar dari Alfa, sehingga
erornya terdistribusi Normal
Pengujian Asumsi Identik
Dalam menguji Asumsi Identik, kita akan gunakan Uji Gletser. Dengan
cara masuk ke dalam kalkulator (Calc) dengan Function Absolut Value.
Dari angka Absolute Value (Abs) tersebut diuji lagi dengan Regresi (Stat
> Regression > Regression > Fit Regression Model dengan mengganti nilai
Elastic Limit (Y) menjadi nilai Absolute Value. Dengan hasil sebagai
berikut
Diketahui bahwa P Value 0,330 (Lebih Besar dengan Alfa) sehingga kita
gagal menolak H0, kesimpulannya adalah model atau eror yang kita miliki
ini memenuhi asumsi Identik atau tidak ada gejala hetero elastisitas.
Pengujian Asumsi Independent
Dalam menguji Asumsi Independent , kita akan gunakan nilai uji Durbin
– Watson Test. Dengan cara Stat > Regression > Regression > Fit
Regression Model kemudian masuk ke Result (check Durbin – Watson
Statistic)
Halaman 12 dari 15
Dari data diatas didapatkan nilai Durbin – Watson Statistik adalah
1,55624.
Bisa juga kita menggunakan cara kedua yaitu kita melihat nilai ACF nya
dengan cara Stat > Time Series > Autocorrelation, kemudian input eror
atau residual dari Elastic Limit (psi) dengan hasil sebagai berikut
Karena tidak ada leg (dari 3 leg diatas) yang keluar dari batas atas dan
batas bawah maka dapat dikatakan bahwa tidak ada Auto korelasi,
sehingga model ini bebas dari pelanggaran asumsi independent atau
tidak ada autocorrelation.
c. Analisis Korelasi Elastic Limit (psi) dengan Ultimate Strength (psi)
- Dengan menggunakan Fitur Data Analysis dalam Excel (Data > Data
Analysis > Correlation) didapatkan Analisa Korelasi antara Elastic Limit (psi)
dengan Ultimate Strength (psi) dengan hasil sebagai berikut
Elastic limit (psi) Ultimate strength (psi)
(Batas Elastis) (Kekuatan Tertinggi)
Elastic limit (psi)
(Batas Elastis) 1
Ultimate strength (psi)
(Kekuatan Tertinggi) 0,911541574 1
Dari Hasil perhitungan data Analysis melalui excel diatas, ditemukan
bahwa nilai korelasi nya adalah 0,911541574 (Positip).
- Dengan menggunakan perhitungan kalkulasi melalui Pearson Correlation
Coefficient Calculator melalui website www.socscistatistics.com ,
didapatkan hasil sebagaimana berikut :
Halaman 13 dari 15
Dari Hasil perhitungan data Analysis melalui Pearson Correlation
Coefficient Calculator melalui website www.socscistatistics.com diatas,
ditemukan bahwa nilai korelasi nya adalah 0,9115 (Positip).
- Adapun Nilai Korelasi Elastic Limit (psi) dengan Ultimate Strength (psi)
juga kami lihat melalui Minitab (Stat > Basic Statistic > Correlation) dengan
hasil sebagai berikut
Halaman 14 dari 15
Dari Hasil perhitungan data Analysis melalui Minitab diatas, ditemukan
bahwa nilai Pearson Correlation nya adalah 0,912 (Positip).
Dari ketiga cara perhitungan diatas (Data Analysis Excel, Pearson
Correlation Coefficient Calculator melalui website www.socscistatistics.
com dan menggunakan Minitab, dapat disimpulkan bahwa Elastic Limit
(psi) dengan Ultimate Strength (psi) memiliki korelasi positif, sehingga
kedua variable tersebut memiliki hubungan searah. Dalam arti lain
peningkatan Elastic Limit (psi) akan bersamaan dengan peningkatan
Ultimate Strength (psi) begitu juga sebaliknya.
Halaman 15 dari 15
