8.

Jawabannya:

a. Prosedur semua regresi yang mungkin untuk menghasilkan sebuah model terbaik

NO. X1 X2 X3 FEV1
1. 24 175 78.0 4.7
2. 36 172 67.6 4.3
3. 25 166 65.5 4.0
4. 22 176 65.5 4.7
5. 27 185 85.5 4.3
6. 27 171 76.3 4.7
7. 36 185 79.0 5.2
8. 24 182 88.2 4.2
9. 26 180 70.5 3.5
10. 29 163 75.0 3.2
11. 31 180 65.0 2.0
12. 30 180 70.4 4.0
13. 22 168 63.0 3.9
14. 27 168 91.2 3.0
15. 46 178 67.0 4.5
16. 36 173 62.0 2.4

Hasil analisis computer.

a. Peubah X1

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .036a .001 -.070 .9143

a. Predictors: (Constant), X1
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 4.055 1.094 3.707 .002

X1 -.005 .037 -.036 -.133 .896

a. Dependent Variable: FEV1

b. Peubah X2

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .257a .066 .000 .8840

a. Predictors: (Constant), X2

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -1.980 5.916 -.335 .743

X2 .034 .034 .257 .997 .336

a. Dependent Variable: FEV1

c. Peubah X3

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .214a .046 -.022 .8936

a. Predictors: (Constant), X3

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 2.408 1.847 1.304 .213

X3 .021 .025 .214 .820 .426

a. Dependent Variable: FEV1
d. Peubah X1, X2

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .272a .074 -.068 .9135

a. Predictors: (Constant), X2, X1

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -2.031 6.115 -.332 .745

X1 -.012 .037 -.091 -.332 .745

X2 .036 .036 .275 1.012 .330

a. Dependent Variable: FEV1

e. Peubah X1, X3

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .215a .046 -.101 .9273

a. Predictors: (Constant), X3, X1

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 2.331 2.470 .943 .363

X1 .002 .038 .014 .050 .961

X3 .021 .027 .217 .781 .449

a. Dependent Variable: FEV1

f. Peubah X2, X3

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .303a .092 -.048 .9047

a. Predictors: (Constant), X3, X2

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -2.283 6.075 -.376 .713

X2 .029 .035 .220 .812 .432

X3 .016 .026 .164 .606 .555

a. Dependent Variable: FEV1

g. Peubah X1, X2, X3

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .306a .094 -.133 .9406

a. Predictors: (Constant), X3, X2, X1

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -2.284 6.316 -.362 .724

X1 -.007 .040 -.048 -.163 .873

X2 .030 .038 .233 .796 .442

X3 .014 .028 .151 .512 .618

a. Dependent Variable: FEV1

Berdasarkan hasil analisis computer, diketahui bahwa:

1. Himpunan satu peubah (X2,), 𝑅12 = 0.066
2. Himpunan dua peubah (X2) dan (X3), 𝑅22 = 0.066
 3. Himpunan tiga peubah (X1), (X2) dan (X3), 𝑅32 = 0.066
Jadi, pilihan persamaan regresi terbaik berdasarkan pada prosedur semua regresi yang
mungkin dengan 𝑅𝑝2 , maka :
Y = -2.283 + 0.029 X2 + 0.016 X3

Berdasarkan hasil analisis computer, maka dapat dikatakan bahwa dapat simpulkan bahwa
Y=3.913. Hasil tersebut menunjukkan bahwa dengan tidak adanya modifikasi peubah bebas
maka tidak menghasilkan model terbaik.

b. Model dengan memusatkan umur, berat, tinggi dan kuadratnya masing-masing sebagai peubah
bebas.

NO. FEV1 X1 X2 X3 X4 X5 X6
1. 4.7 24 175 78.0 576 6084.0 30625.0
2. 4.3 36 172 67.6 1296 4569.8 29584.0
3. 4.0 25 166 65.5 625 4303.4 27556.0
4. 4.7 22 176 65.5 484 4303.4 30976.0
5. 4.3 27 185 85.5 729 7310.3 34225.0
6. 4.7 27 171 76.3 729 5821.7 29241.0
7. 5.2 36 185 79.0 1296 6241.0 34225.0
8. 4.2 24 182 88.2 576 7779.2 33124.0
9. 3.5 26 180 70.5 676 4970.2 32400.0
10. 3.2 29 163 75.0 841 5625.0 26569.0
11. 2.0 31 180 65.0 961 4225.0 32400.0
12. 4.0 30 180 70.4 900 4956.1 32400.0
13. 3.9 22 168 63.0 484 3969.0 28224.0
 14. 3.0 27 168 91.2 729 8317.4 28224.0
15. 4.5 46 178 67.0 2116 4489.0 31684.0
16. 2.4 36 173 62.0 1296 3844.0 29929.0

Berdasarkan hasil analisis, diketahui bahwa setelah melakukan analisis pada semua model dengan
memusatkan umur, berat, tinggi dan kuadratnya masing-masing sebagai peubah bebas tidak dapat
disarankan untuk strategi seleksi maju.

c. Prosedur semua regresi yang mungkin untuk model yang diperluas untuk memilih sebuah model
terbaik.

Tabel 1. Forced Expiratory volume in 1 second, Umur, Tinggi dan Berat

NO. FEV1 X1 X2 X3 X4 X5 X6 X7
1. 4.7 24 175 78.0 576 6084.0 4200.0 1872.0
2. 4.3 36 172 67.6 1296 4569.8 6192.0 2433.6
3. 4.0 25 166 65.5 625 4303.4 4150.0 1637.5
4. 4.7 22 176 65.5 484 4303.4 3872.0 1441.0
5. 4.3 27 185 85.5 729 7310.3 4995.0 2308.5
6. 4.7 27 171 76.3 729 5821.7 4617.0 2060.1
7. 5.2 36 185 79.0 1296 6241.0 6660.0 2844.0
8. 4.2 24 182 88.2 576 7779.2 4368.0 2116.8
9. 3.5 26 180 70.5 676 4970.2 4680.0 1833.0
10. 3.2 29 163 75.0 841 5625.0 4727.0 2175.0
11. 2.0 31 180 65.0 961 4225.0 5580.0 2015.0
12. 4.0 30 180 70.4 900 4956.1 5400.0 2112.0
13. 3.9 22 168 63.0 484 3969.0 3696.0 1386.0
14. 3.0 27 168 91.2 729 8317.4 4536.0 2462.4
15. 4.5 46 178 67.0 2116 4489.0 8188.0 3082.0
16. 2.4 36 173 62.0 1296 3844.0 6228.0 2232.0
Hasil analisis computer.

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -31.136 43.415 -.717 .494

X1 -.316 1.467 -2.307 -.215 .835

X2 .226 .333 1.728 .679 .516

X3 .454 .567 4.722 .799 .447

X4 .012 .005 5.677 2.567 .033

X5 -.005 .003 -7.961 -1.819 .106

X6 -.007 .012 -10.009 -.632 .545

X7 .012 .009 6.388 1.339 .217

2 (Constant) -39.841 14.979 -2.660 .026

X2 .294 .103 2.246 2.840 .019

X3 .405 .492 4.214 .823 .432

X4 .012 .004 5.857 3.024 .014

X5 -.005 .003 -7.798 -1.913 .088

X6 -.010 .004 -13.240 -2.771 .022

X7 .014 .007 7.010 1.954 .082

3 (Constant) -29.683 8.350 -3.555 .005

X2 .342 .084 2.617 4.095 .002

X4 .013 .004 6.043 3.194 .010

X5 -.003 .001 -4.665 -3.250 .009

X6 -.011 .003 -15.415 -3.937 .003

X7 .017 .005 8.979 3.413 .007

Berdasarkan hasil analisis computer, maka ditemukan persamaan regresi terbaik berdasarkan pada
prosedur semua regresi yang mungkin yaitu:

Y= -29.683 + 0.342 X2 + 0.013 X4 – 0.003 X5 – 0.011 X6 + 0.017 X7

d. Model yang paling wajar setelah membandingkan model (a), (b) dan (c) adalah model (a) yang
dihasilkan pada bagian a. hal tersebut disebabkan karena model tersebut sudah mencakup setiap
kriteria. Dalam artian bahwa setiap kriteria seleksi dapat dioptimalkan secara numeric untuk
sampel khusus dalam studi.