3.6.3 Uji Keberartian Model
Persamaan-persamaan regresi tersebut dilakukan pengujian dengan analisis keragaman analysis of variance untuk melihat signifikan atau adanya
ketergantungan peubah-peubah yang menyusun regresi tersebut. Tabel 2 Analisis keragaman pengujian regresi ANOVA
Sumber keragam Derajat
bebas Jumlah
kuadrat JK
Kuadrat tengah KT
F
hitung
F
tabel
Regresi k = p-1
JKR KTR=JKRk
KTRKTS Sisaan
n-k-1 JKS
KTS=JKSn- k-1
Total n-1
JKT Dalam analisa tersebut hipotesis yang diuji adalah :
a. Pada regresi linier sederhana : H
: β = 0 lawan H
1
: β ≠ 0 b. Pada regresi linier barganda:
H
0 :
β
i
= 0 dimana : i = 1,2 H
1
: sekurang- kurangnya ada β
i
≠ 0 Dengan kaidah keputusannya :
F hitung F tabel maka tolak H F hitung ≤ F tabel maka terima H
Jika H ditolak, maka regresi tersebut nyata, artinya ada keterkaitan antara
peubah bebas diameter pohon dengan peubah tidak bebasnya volume pohon. Sehingga setiap ada perubahan pada peubah bebasnya akan terjadi perubahan
pada peubah tidak bebasnya. Jika H yang diterima, maka regresi tersebut tidak
nyata, artinya persamaan regresi tidak dapat digunakan untuk menduga volume pohon berdasarkan peubah bebasnya.
3.6.4 Analisis Sisaan
1. Uji visual kenormalan Kenormalan sisaan dapat dilihat dengan menampilkan plot hubungan sisaan
dengan probabilitas normalnya. Nilai sisaan dinyatakan normal apabila antara nilai sisaan dengan probability normalnya membentuk pola garis lurus atau
mendekati garis lurus Kuncahyo 1991.
2. Uji keaditifan model Sifat aditif dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan
nilai dugaan. Asumsi keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola atau berbentuk acak disekitar nilai sisaan nol Kuncahyo
1991.
3.6.5 Analisis Data Pencilan
Pengamatan pencilan adalah pengamatan yang tidak mengikuti pola dominan pengamatan lainnya. Pengamatan pencilan ini dapat ditentukan dengan
melihat nilai-nilai pengamatan tak wajar unusual observations menggunakan minitab
. 3.6.6
Validasi Model
Validasi model menggunakan metode Jacknife Procedures dengan melihat nilai Predicted Residual of Sum Square PRESS. Persamaan terbaik adalah
persamaan yang memiliki nilai PRESS yang paling kecil. Adapun langkah- langkahnya sebagai berikut Draper dan Smith 1992:
a Amatan pertama pada peubah respons maupun peubah ramalannya dihilangkan.
b Tentukan model dugaan semua kemungkinan regresi terhadap n-1 data. c Gunakan setiap persamaan regresi yang diperoleh untuk meramalkan Y
1
oleh Y
�
i
misalnya, sehingga diperoleh simpangan ramalannya untuk semua kemungkinan model regresinya.
d Ulangi ketiga langkah diatas namun dengan menghilangkan amatan kedua, ketiga sampai amatan ke-n.
e Untuk setiap model regresi dihitung jumlah kuadrat simpangan ramalannya. �
= ∑
� �
�=
− �
�
P
2
Keterangan: Y
i
: Nilai Y pada amatan ke-i Y
�
i
: Nilai Y �
R
i
dugaan persamaan regresi tanpa mengikutsertakan amatan ke-i
3.6.7 Kriteria Pemilihan Model