Modul 12 Qualitative Independent Variables

Presentasi berjudul: "Modul 12 Qualitative Independent Variables"— Transcript presentasi:

1 Modul 12 Qualitative Independent Variables
TUJUAN INSTRUKSIONAL KHUSUS : 1. Mahasiswa dapat memahami pengertian qualitatuve independent variables pada regresi linier berganda. 2. Mahasiswa dapat memahami penerapan qualitative independent variables pada Daftar Isi : QUALITATIVE INDEPENDENT VARIABLES I. II. III. Kualitativ Independent Variabel Kualitative Independent Variabel Lebih Kompleks Kasus Gabungan Kualitativ Independent Variabel Sederhana dan Kompleks. Kasus Latihan Mahasiswa 3 8 10 14 ‘13 Business Forecasting Dr Tjiptogoro Dinarjo Soehari MM 1 Pusat Bahan Ajar & E-learning Universitas Mercu Buana

2 5 6 7 8 9 10 2 7 9 8 4 6 Electrical Mrchanical Mechanical 2,9 4,9 4,2 4,8 4,4 4,5 Lama pekerjaan yang diperlukan untuk service/reparasi filtration system sebagai variabel terikat (dependent variable) Y dalam satuan jam, jarak antara service terahir dengan service berikutnya yang dilakukan sebagai variabel bebas (independent variable) X1 dalam satuan bulan, type atau jenis tindakan tergolong electrical atau mechanical sebagai variabel bebas X2. Regresi engan model hanya X1 memprediksi Y adalah sebagai berikut: Y = β0 + β1X1 + Ɛ (12.1) Dengan menggunakan minitab akan diperoleh persamaan regresi sbb: ————— 31/12/2012 8:23:03 ———————————————————— Welcome to Minitab, press F1 for help. Regression Analysis: Repair Time (Hou versus Months Since Las The regression equation is Repair Time (Hours) Y = 2,15 + 0,304 Months Since Last Service (X1) Predictor Constant Months Since Last Service (X1) Coef 2,1473 0,3041 SE Coef 0,6050 0,1004 T P 0,008 0,016 3,55 3,03 S = 0,781022 R-Sq = 53,4% R-Sq(adj) = 47,6% Analysis of Variance Source Regression Residual Error DF 1 8 SS MS F P 0,016 5,5960 4,8800 5,5960 0,6100 9,17 Total 9 10,4760 ‘13 Business Forecasting Dr Tjiptogoro Dinarjo Soehari MM 3 Pusat Bahan Ajar & E-learning Universitas Mercu Buana

3 8 9 10 8 4 6 1 4,8 4,4 4,5 Jika data tersebut di proses menggunakan minitab maka diperoleh sebagai berikut; Regression Analysis: Repair Time versus Months Since; Type of Repa The regression equation is Repair Time (Hours) Y = 0, ,388 Months Since Last Service (X1) + 1,26 Type of Repair (X2) Predictor Constant Months Since Last Service (X1) Type of Repair (X2) Coef 0,9305 0,38762 1,2627 SE Coef 0,4670 0,06257 0,3141 T P 0,087 0,000 0,005 1,99 6,20 4,02 S = 0,459048 R-Sq = 85,9% R-Sq(adj) = 81,9% Analysis of Variance Source Regression Residual Error DF 2 7 SS MS F P 0,001 9,0009 1,4751 4,5005 0,2107 21,36 Total 9 10,4760 Dari tabel 2 dengan menggunakan minitab diperoleh persamaan: Ŷ = 0,93 + 0,388X1 + 1,26X (12.6) Pada taraf nyata α = 0,05, p-value = 0,001 < taraf nyata = 0,05 dengan demikian persamaan regresi significant. R-sq = 85,9% mengindikasikan bahwa X1 dan X2 sebagai variabel bebas yaitu jarak (bulan) service terahir terhadap waktu service yang dilakukan berikutnya dan jenis service/reparasi X2 dapat menjelaskan 85,9% dari variabel terikat Y yaitu lama pekerjaan service/reparasi dalam satuan jam atau disebut repair time. Hal ini mengindikasikan pula bahwa dengan memasukan jenis service/reparasi menghasilkan estimasi lamanya service/rparasi sebagai variabel terikat Y menjadi lebih significant atau nyata. Interpretasi parameter. ‘13 Business Forecasting Dr Tjiptogoro Dinarjo Soehari MM 5 Pusat Bahan Ajar & E-learning Universitas Mercu Buana