Pembacaan Hasil Analisis Regresi dan Korelasi

Standard

Pembacaan hasil analisis regresi dan korelasi pada artikel ini hanya akan membahas pembacaan hasil analisis regresi sederhana (kelinieran) dan regresi non-linier, dalam hal ini membahas model regresi kuadratik nya saja ya (karena kebetulan penelitian gue hanya menggunakan model regresi linier dan kuadratik). Coba kalian perhatikan lagi bahwa linier mempunyai perbedaan makna dengan linear. Linier disini maksudnya adalah titik-titik yang terletak pada garis lurus (linear). Jadi, linear adalah arah garis regresi nya, jika disebut linear berarti menunjukkan garis nya lurus. Untuk selanjutnya gue akan terus menggunakan linier ya, karena titik-titik penyebaran data nya berada pada garis linear. Bukan membahas tentang garis linear nya.

Analisis korelasi adalah cara analisis data yang menunjukkan ada tidaknya pengaruh variabel-variabel yang kita amati, yaitu antara variabel bebas dan variabel terikat nya. Analisis regresi adalah cara analisis data yang menunjukkan seberapa besar pengaruh variabel-variabel tersebut. Pada hal ini, contoh yang diambil adalah : variabel bebas (Xi) meliputi waktu penyimpanan selama 4 hari (dari hari ke-0 s.d. hari ke-4 maka terdapat 5 titik) dan variabel terikat (Ŷ) nya adalah : Karakteristik Hardness. Coba lihat contoh persamaan linier dibawah ini :

(Dwijayanti, A. F., 2012 )

Kita ambil persamaan yang berada pada garis linear Ŷ = 294,058x + 1813,061 yang mempunyai nilai Koefisien determinasi (KD) R2 = 0,863. Maka, pembacaan hasil tersebut, antara lain :

1) Persamaan Ŷ mengartikan bahwa Ŷ fungsi X. Artinya bila Ŷ adalah hardness dan fungsi X adalah waktu penyimpanan, maka nilai hardness (Ŷ) bergantung pada waktu penyimpanan (Xi).

2) Nilai 294,058x disebut juga slope yang menentukan arah regresi linier. Dalam hal ini, karena nilai slope nya positif maka menunjukkan hubungan yang positif, artinya makin tinggi nilai X makin besar pula nilai Ŷ nya, atau selama penyimpanan, nilai hardness produk akan terus meningkat. Slope ini juga menunjukkan pendugaan laju peningkatan hardness setiap harinya. Artinya, pendugaan penignkatan nilai hardness setiap hari akan meningkat sebanyak 294,058 gf.

3) Nilai 1813,061 disebut juga intercept. Dalam hal ini intercept mengartikan bahwa pada nilai X = 0, maka nilai hardness adalah sebesar 1813,061 gf. Atau intercept mengartikan nilai awal perhitungan X.

4) Sebelum membahas Koefisien determinasi (KD). Diketahui KD pada gambar tersebut sebesar 0,863. Dengan mengakarkan nilai 0,863 didapat hasil 0,928. Hasil pengakaran tersebut (0,928) merupakan Koefisien Korelasi nya. Artinya keeratan Korelasi antara hardness dan waktu penyimpanan sebesar 0,928. Arti nilai korelasi tersebut tersebut dapat dilihat pada gambar berikut :

Nilai KF 0,928 termauk pada kategori sangat kuat. Jadi, korelasi antara hardness terhadap waktu penyimpanan nya sangat kuat, atau peningkatan hardness yang dipengaruhi oleh waktu penyimpanan sangat kuat. Kemudian KD sebesar 86,3 artinya sebanyak 86,3 % perubahan hardness dipengaruhi oleh watu penyimpanan. Sedangkan sisanya sebesar 13,7% (100%-86,3%) merupakan faktor lain diluar variabel bebasnya.

Selesai membahas analisis regresi sederhana, mari dilanjut bagaimana cara membaca hasil regresi kuadratik. Acuan perhitungan analisis regresi kuadratik dapat di click disini. Sama pada pembahasan sebelumnya, regresi kuadratik ini terdapat variabel bebas dan variabel terikat nya pula. Variabel bebas nya tetap sama yaitu waktu penyimpanan (hari ke-0 s.d. hari ke-4) sedangkan variabel terikat nya adalah cohesiveness. Model regresi tersebut dapat dilihat pada gambar berikut :

(Dwijayanti, A.F. ,2012)

Pada persamaan kuadatik Ŷ = 0,085x2 – 0,281x + 0,339 dapat menghasilkan pendugaan nilai minimum Ŷ yaitu dengan cara :

1) Diferensiasi persamaan. Hasil diferensiasi menghasilkan persamaan Ŷ = 0,17x – 0,281 . Titik minimum didapat bila nilai Ŷ = 0. Maka kita masukkan bila nilai Ŷ = 0 = 0,17x – 0,281. Maka akan didapat nilai x = 1,65. Artinya, nilai cohesiveness minimum didapat saat x = 1,65 yaitu  pada hari ke- 1,65.

2) Kemudian untuk mengetahui nilai Ŷ pada x minimum kita masukkan nilai x = 1,65 ke persamaan kuadratik awal. Maka didapat Ŷ = 0,085 (1,652) – 0,281 (1,65) + 0,339 = 0,107. Artinya pada hari ke-1,65 mencapai nilai minimum cohesiveness sebesar 0,107.

Semoga artikel ini bermanfaat ya bagi teman-teman yang sedang menyelesaikan tugas akhir kayak gue. Artikel ini juga dibuat sekaligus sebagai metode pembelajaran dalam persiapan sidang skripsi gue. Skalian belajar deh. hehe.

References :

Anggraeni, M. 2008. Kajian Penggunaan Poly Alumunium Chloride (PAC) Dalam Proses Pemurnian Nira Aren dan Lama Pemurnian Terhadap Karateristik Nira Aren (Arenga pinnata Merr). Skripsi. Fakultas Teknologi Industri Pertanian, Universitas Padjadjaran, Jatinangor.

Dwijayanti, A. F. 2012. Kajian Karakteristik Daging Ayam Broiler Asap Selama Penyimpanan Berbasis Teknologi Asap Cair. Skripsi. Fakultas Teknologi Industri Pertanian, Universitas Padjadjaran, Jatinangor.

About these ads

One response »

Share Testinya ya :)

Please log in using one of these methods to post your comment:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s