Академический Документы
Профессиональный Документы
Культура Документы
Disusun Oleh :
AJENG DWI RIZKIA
24010215140093
Statistika - A
DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2018
KATA PENGANTAR
Puji syukur penulis panjatkan ke hadirat Allah SWT atas segala rahmat,
hidayah serta karunia-Nya sehingga penulis dapat menyelesaikan Tugas Individu
Mata Kuliah Analisis Data yang bertajuk “Distribusi dan Pemodelan Variabel
Acak”.
Penulis menyadari bahwa laporan ini masih terdapat kesalahan dan jauh dari
sempurna. Oleh karena itu penulis sangat mengharapkan kritik dan saran untuk
perbaikan di masa yang akan datang. Penulis berharap laporan ini dapat bermanfaat
bagi semua pihak.
Penulis
2
DAFTAR ISI
Halaman
HALAMAN JUDUL ............................................................................................. 1
KATA PENGANTAR ........................................................................................... 2
DAFTAR ISI .......................................................................................................... 3
PERMASALAHAN .............................................................................................. 4
HASIL DAN PEMBAHASAN ............................................................................. 6
1. Halaman 13 Latihan 1 Nomor 1 .................................................................. 6
2. Halaman 13 Latihan 1 Nomor 2 .................................................................. 6
3. Halaman 22 Latihan 2 Nomor 1 .................................................................. 8
4. Halaman 22 Latihan 2 Nomor 3 .................................................................. 9
5. Halaman 27 Problem 14 ............................................................................ 10
6. Halaman 37 Latihan 3 Bagian B ............................................................... 11
7. Halaman 42 Latihan 4 ............................................................................... 15
DAFTAR PUSTAKA .......................................................................................... 18
3
PERMASALAHAN
Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Sakit 12 13 15 23 26 27 29 23 17 15 10 14
Ujilah menggunakan uji hipotesis dua arah, apakah proporsi jumlah karyawan
yang tidak masuk kerja karena sakit tiap bulan selama satu tahun adalah sama
atau berbeda, jika diambil tingkat kesalahan = 5%.
5. Halaman 27 Problem 14
1⁄
Misalkan untuk membuat plot fungsi akar kuadrat 𝑦 = 𝐵𝑥 2 dengan berbagai
nilai parameter 𝐵.
4
Sintaks:
figure;
x=linspace(0,4,500);
A=0.5:0.5:2;
i=1;
while i <= length(A)
y = A(i)*x.^(1/2);
plot(x,y); hold on;
i = i+1;
end
grid on;
6. Halaman 37 Bagian B
𝜕(𝑦 ′ 𝑦) 𝜕(𝛽 ′ 𝑋 ′ 𝑦) 𝜕(𝛽 ′ 𝑋 ′ 𝑋 𝛽) 𝜕 𝜕(𝑋 ′ 𝑋𝛽)
Carilah | | , | | ,| | , (𝑥 ′ 𝑦) dan ,
𝜕𝛽 ̂
𝛽=𝛽 𝜕𝛽 ̂
𝛽=𝛽 𝜕𝛽 ̂
𝛽=𝛽 𝜕𝛽 𝜕𝛽
𝑦1 1 𝑥11 𝑥21 𝜀1
𝛽0
1 𝑥12 𝑥22 𝜀2
If [𝑦2
… ] = [⋮ ⋮ ] [ 𝛽1 ] + [ ⋮ ]
⋮
𝑦𝑛 𝛽2
1 𝑥1𝑛 𝑥2𝑛 𝜀𝑛
7. Halaman 42 Latihan 4
Diketahui data berikut ini:
X 0 1 2 3 4
Y 6,7 11,3 18,7 47,6 112,4
5
HASIL DAN PEMBAHASAN
Statistik uji :
𝑝̂ − 𝑝 0,03 − 0,06
𝑧= = = −1,79
𝑝𝑞
√ √(0,06)(0,94)
𝑛 200
Daerah penerimaan H0 adalah −1,96 < 𝑧 ≤ 1,96 dan daerah penerimaan H1
adalah 𝑧 < 1,96 dan 𝑧 > 1,96. Karena −1,79 berada di daerah penerimaan H0,
maka H0 diterima dimana hal ini berarti proporsi produk pipa bor yang rusak
adalah sebesar 0,06 atau 6%.
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Sakit 224 20.77 6.247 10 29
Sakit
Observed N Expected N Residual
10 10 22.4 -12.4
12 12 22.4 -10.4
13 13 22.4 -9.4
14 14 22.4 -8.4
15 30 22.4 7.6
6
17 17 22.4 -5.4
23 46 22.4 23.6
26 26 22.4 3.6
27 27 22.4 4.6
29 29 22.4 6.6
Total 224
Test Statistics
Sakit
Chi-Square 51.000a
df 9
Asymp. Sig. .000
a. 0 cells (0.0%) have expected frequencies less than 5.
The minimum expected cell frequency is 22.4.
Uji Kompatibilitas
Hipotesis :
H0 : proporsi jumlah karyawan yang tidak masuk kerja karena sakit tiap bulan
selama satu tahun adalah sama
H1 : proporsi jumlah karyawan yang tidak masuk kerja karena sakit tiap bulan
selama satu tahun adalah berbeda
α
Jika diambil α = 5%, maka = 0,025 dan derajat bebasnya adalah 9, didapat
2
Daerah penerimaan H0 adalah 2,70 < χ2(9;0,025) ≤ 19,02 dan daerah penerimaan
H1 adalah χ2(9;0,025) < 2,70 dan χ2(9;0,025) > 19,02. Karena 51,000 berada di
daerah penerimaan H1 maka H1 diterima dimana hal ini berarti proporsi jumlah
7
karyawan yang tidak masuk kerja karena sakit tiap bulan selama satu tahun
adalah berbeda.
1,96.
Statistik uji :
8
b. Perhitungan dengan menggunakan software
Output software SPSS
α
Jika diambil α = 5%, maka 2 = 0,025, didapat nilai Asymp. Sig.(2-tailed) =
Berdasarkan hasil output SPSS di atas, terlihat bahwa banyaknya data adalah
𝑁 = 25, 𝜇 = 5,60. Untuk uji dua arah Most Extreme Differences Absolute
(MEDA) = 0,198, nilai Kolmogorov-Smirnov Z= 0,988, dan Asymp. Sig.(2-
tailed) = 0,283. Terbukti bahwa hasil perhitungan manual sama dengan hasil
olahan software untuk nilai MEDA.
9
Negative -.418
Kolmogorov-Smirnov Z .934
Asymp. Sig. (2-tailed) .347
a. Test Distribution is Exponential.
b. Calculated from data.
Descriptive Statistics
N Minimum Maximum Sum Mean Std. Deviation
data 5 2137 6701 19751 3950.20 2020.396
Valid N (listwise) 5
5 19751
𝜆 = 19751 = 0,000253 dan 𝜇 = = 3950,2
5
𝜕2 𝑦 5
= − (0,000253)2 = −78114015,22 (negatif)
𝜕𝜆2
5. Halaman 27 Problem 14
Penyelesaian :
Dengan software MATLAB diperoleh gambar untuk plot fungsi akar kuadrat
1⁄
𝑦 = 𝐵𝑥 2 sebagai berikut:
10
B didefinisikan sebagai A=0.5:0.5:2; artinya nilai B berjalan dari 0,5 sampai 2
dengan jaraknya 0,5, yaitu B = 0,5; 1; 1,5; 2, sehingga diperoleh 4 grafik pada
plot di atas.
6. Halaman 37 Bagian B
Penyelesaian :
𝜕(𝒚′𝒚 )
a.
𝜕𝜷
𝑦1 𝑛
𝑦2
𝑦 𝑇 𝑦 = [𝑦1 𝑦2 … 𝑦𝑛 ] [ ] = 𝑦1 + 𝑦2 + ⋯ + 𝑦𝑛 = ∑ 𝑦𝑖2 = 𝐴
2 2 2
⋮
𝑦𝑛 𝑖=1
𝜕(𝐴)
𝜕𝛽0
𝜕(𝒚′𝒚 ) 𝜕(𝐴) 𝜕(𝐴) 0
= = = [ 0]
𝜕𝜷 𝜕𝜷 𝜕𝛽1
0
𝜕(𝐴)
[ 𝜕𝛽2 ]
11
𝜕(𝜷′ 𝑿′ 𝒚 )
b.
𝜕𝜷
1 𝑥11 𝑥21
1 1 … 1 𝛽0
1 𝑥12 𝑥22
𝛽 ′ 𝑋 ′ 𝑋 𝛽 = [𝛽0 𝛽1 𝛽2 ] [𝑥11 𝑥12 … 𝑥1𝑛 ] [ ] [ 𝛽1 ]
⋮ ⋮ ⋮
𝑥21 𝑥22 … 𝑥2𝑛 𝛽2
1 𝑥1𝑛 𝑥2𝑛
𝛽0 + 𝛽1 𝑥11 + 𝛽2 𝑥21
1 1 … 1
= [𝛽0 𝛽1 𝛽2 ] [𝑥11 𝑥12 … 𝑥1𝑛 ] [ 𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ]
𝑥21 𝑥22 … 𝑥2𝑛 ⋮
𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛
(𝛽0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 )
= [𝛽0 𝛽1 𝛽2 [ 11 0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + 𝑥12 (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + 𝑥1𝑛 (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 ) ]
] 𝑥 (𝛽
𝑥21 (𝛽0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + 𝑥22 (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + 𝑥2𝑛 (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 )
∑𝑛𝑖=1 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
= [𝛽0 𝛽1 𝛽2 ] [𝑥1𝑖 ∑𝑛𝑖=1 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ]
𝑥2𝑖 ∑𝑛𝑖=1 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
= 𝛽0 ∑𝑛𝑖=1(𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ) + 𝛽1 𝑥1𝑖 ∑𝑛𝑖=1(𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ) + 𝛽2 𝑥2𝑖 ∑𝑛𝑖=1(𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 )
2
= ∑𝑛𝑖=1(𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 ) + ∑𝑛𝑖=1(𝛽1 𝛽0 𝑥1𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 ) + ∑𝑛𝑖=1(𝛽0 𝛽2 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖 +
𝛽2 2 𝑥2𝑖 2 )
2
= ∑𝑛𝑖=1(𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 𝛽0 𝑥1𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 +𝛽0 𝛽2 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑛 2
=∑ (𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 +𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑖=1
𝑛 2
=∑ (𝛽0 2 + 2𝛽0 𝛽1 𝑥1𝑖 + 2𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 2 𝑥1𝑖 + 2𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑖=1
𝑛 2
=∑ (𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 )
𝑖=1
𝜕(𝛽 ′ 𝑋 ′ 𝑋 𝛽) 𝑛
2 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝜕𝛽0 𝑖=1
′ ′
𝜕(𝛽 𝑋 𝑋 𝛽) 𝜕(𝛽 𝑋 ′ 𝑋 𝛽)
′ 𝑛
= = 2 𝑥1𝑖 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 = 2𝑋 ′ 𝑋
𝜕𝛽 𝜕𝛽1 𝑖=1
′ ′ 𝑛
𝜕(𝛽 𝑋 𝑋 𝛽)
2𝑥2𝑖 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
[ 𝜕𝛽2 ] [ 𝑖=1 ]
𝜕(𝜷′ 𝑿′ 𝑿 𝜷)
c.
𝜕𝜷
1 𝑥11 𝑥21
1 1 … 1 𝛽0
1 𝑥12 𝑥22
𝛽 ′ 𝑋 ′ 𝑋 𝛽 = [𝛽0 𝛽1 𝑥
𝛽2 ] [ 11 𝑥12 … 𝑥1𝑛 ] [ ] [ 𝛽1 ]
⋮ ⋮
𝑥21 𝑥22 … 𝑥2𝑛 ⋮ 𝛽2
1 𝑥1𝑛 𝑥2𝑛
12
𝛽0 + 𝛽1 𝑥11 + 𝛽2 𝑥21
1 1 … 1
= [𝛽0 𝛽1 𝛽2 ] [𝑥11 𝑥12 … 𝑥1𝑛 ] [ 𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ]
𝑥21 𝑥22 … 𝑥2𝑛 ⋮
𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛
(𝛽0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 )
= [𝛽0 𝛽1 𝛽2 ] [ 𝑥11 (𝛽0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + 𝑥12 (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + 𝑥1𝑛 (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 ) ]
𝑥21 (𝛽0 + 𝛽1 𝑥11 𝛽2 𝑥21 ) + 𝑥22 (𝛽0 + 𝛽1 𝑥12 +𝛽2 𝑥22 ) + ⋯ + 𝑥2𝑛 (𝛽0 + 𝛽1 𝑥1𝑛 + 𝛽2 𝑥2𝑛 )
𝑛
∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝑖=1
𝑛
= [𝛽0 𝛽1 𝛽2 ] 𝑥1𝑖 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝑖=1
𝑛
𝑥 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
[ 2𝑖 𝑖=1 ]
𝑛 𝑛 𝑛
= 𝛽0 ∑ (𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ) + 𝛽1 𝑥1𝑖 ∑ (𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ) + 𝛽2 𝑥2𝑖 ∑ (𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 )
𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 2 𝑛
=∑ (𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 ) + ∑ (𝛽1 𝛽0 𝑥1𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 ) + ∑ (𝛽0 𝛽2 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖
𝑖=1 𝑖=1 𝑖=1
+ 𝛽2 2 𝑥2𝑖 2 )
𝑛 2
=∑ (𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 𝛽0 𝑥1𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 +𝛽0 𝛽2 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑖=1
𝑛 2
=∑ (𝛽0 2 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽1 𝑥1𝑖 + 𝛽0 𝛽2 𝑥2𝑖 +𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 2 𝑥1𝑖 + 𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 + 𝛽2 𝛽1 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑖=1
𝑛 2
=∑ (𝛽0 2 + 2𝛽0 𝛽1 𝑥1𝑖 + 2𝛽0 𝛽2 𝑥2𝑖 + 𝛽1 2 𝑥1𝑖 + 2𝛽1 𝛽2 𝑥1𝑖 𝑥2𝑖 + 𝛽2 2 𝑥2𝑖 2 )
𝑖=1
𝑛 2
=∑ (𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 )
𝑖=1
𝜕(𝛽 ′ 𝑋 ′ 𝑋 𝛽) 𝑛
2 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝜕𝛽0 𝑖=1
′ ′
𝜕(𝛽 𝑋 𝑋 𝛽) 𝜕(𝛽 𝑋 ′ 𝑋 𝛽)
′ 𝑛
= = 2 𝑥1𝑖 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 = 2𝑋 ′ 𝑋
𝜕𝛽 𝜕𝛽1 𝑖=1
′ ′ 𝑛
𝜕(𝛽 𝑋 𝑋 𝛽)
2𝑥2𝑖 ∑ 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
[ 𝜕𝛽2 ] [ 𝑖=1 ]
13
𝜕(𝑋 ′ 𝑦)
d.
𝜕𝛽
𝑛
∑ 𝑦𝑖
𝑖=1
𝑛
𝑋′𝑦 = ∑ 𝑥1𝑖 𝑦𝑖
𝑖=1
𝑛
∑ 𝑥2𝑖 𝑦𝑖
[ 𝑖=1 ]
𝜕 ∑𝑛𝑖=1 𝑦𝑖 𝜕 ∑𝑛𝑖=1 𝑥1𝑖 𝑦𝑖 𝜕 ∑𝑛𝑖=1 𝑥2𝑖 𝑦𝑖
𝜕𝛽0 𝜕𝛽0 𝜕𝛽0
𝜕(𝑋 ′ 𝑦) 𝜕 ∑𝑛𝑖=1 𝑦𝑖 𝜕 ∑𝑛𝑖=1 𝑥1𝑖 𝑦𝑖 𝜕 ∑𝑛𝑖=1 𝑥2𝑖 𝑦𝑖 0 0 0
= = [0 0 0]
𝜕𝛽 𝜕𝛽1 𝜕𝛽1 𝜕𝛽1
0 0 0
𝜕 ∑𝑛𝑖=1 𝑦𝑖 𝑛
𝜕 ∑𝑖=1 𝑥1𝑖 𝑦𝑖 𝑛
𝜕 ∑𝑖=1 𝑥2𝑖 𝑦𝑖
[ 𝜕𝛽2 𝜕𝛽2 𝜕𝛽2 ]
𝜕(𝑋 ′ 𝑋𝛽)
e.
𝜕𝛽
1 𝑥11 𝑥21
1 1 ⋯ 1 𝛽0
′
𝑋 𝑋𝛽 = [𝑥11 𝑥12 ⋯ 𝑥1𝑛 ] [1 𝑥12 𝑥22
] [𝛽1 ]
⋯ 𝑥2𝑛 ⋮ ⋮ ⋮
𝑥21 𝑥22 𝛽2
1 𝑥1𝑛 𝑥2𝑛
𝑛 ∑𝑛𝑖=1 𝑥1𝑖 ∑𝑛𝑖=1 𝑥2𝑖 𝛽0
= [∑𝑛𝑖=1 𝑥1𝑖 ∑𝑛𝑖=1 𝑥1𝑖2
∑𝑛𝑖=1 𝑥1𝑖 𝑥2𝑖 ] [𝛽1 ]
∑𝑛𝑖=1 𝑥2𝑖 ∑𝑛𝑖=1 𝑥1𝑖 𝑥2𝑖 ∑𝑛𝑖=1 𝑥1𝑖2 𝛽2
∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
= [𝑥1𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 ]
𝑥2𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝜕(𝑋 ′ 𝑋𝛽)
𝜕𝛽
𝜕 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥1𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥2𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
𝜕𝛽0 𝜕𝛽0 𝜕𝛽0
𝜕 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥1𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥2𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
=
𝜕𝛽1 𝜕𝛽1 𝜕𝛽1
𝜕 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥1𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 𝜕𝑥2𝑖 ∑𝑛𝑖=1 𝑛𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖
[ 𝜕𝛽2 𝜕𝛽2 𝜕𝛽2 ]
𝑛 ∑𝑛𝑖=1 𝑥1𝑖 ∑𝑛𝑖=1 𝑥2𝑖
= [∑𝑛𝑖=1 𝑥1𝑖 ∑𝑛𝑖=1 𝑥1𝑖2
∑𝑛𝑖=1 𝑥1𝑖 𝑥2𝑖 ]
∑𝑛𝑖=1 𝑥2𝑖 ∑𝑛𝑖=1 𝑥1𝑖 𝑥2𝑖 ∑𝑛𝑖=1 𝑥1𝑖2
= 𝑋′𝑋
14
7. Halaman 42 Latihan 4
Penyelesaian :
a. Sintaks
x=c(0,1,2,3,4)
y=c(6.7,11.3,18.7,47.6,112.4)
model=nls(y~a+b*exp(x),start=list(a=7,b=13))
summary(model)
x1=seq(0,5,0.1)
y1=5.52071+1.97103*exp(x1)
plot(x1,y1,type="l",xlab="Prediktor",ylab="Respon",main="Reg
resi Nonlinier (Ajeng Dwi Rizkia")
lines(x,y,type="p",col="blue")
b. Hasil Olahan R
c. Taksiran model
Taksiran model yang diperoleh adalah 𝑦 = 5,52071 + 1,97103 𝑒 𝑥
15
d. Gambar model regresi
16
Karena 𝑡 = 49,324 berada di daerah penerimaan H1 yang sebelah kanan
maka H1 diterima yang artinya koefisien regresi non linier adalah signifikan
bernilai positif, yaitu 1,97103.
17
DAFTAR PUSTAKA
18