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
1. Koefisien Determinasi R
2
dan Koefisien Determinasi Terkoreksi R
a 2
Koefisien determinasi R
2
adalah perbandingan antara jumlah kuadrat regresi JKR dengan jumlah kuadrat total yang terkoreksi yang biasa dinyatakan
dalam persen . Perhitungan nilai R
2
adalah untuk melihat tingkat ketelitian dan keeratan hubungan antara peubah bebas dan tidak bebas. Model yang baik
memiliki nilai R
2
terbesar. Perhitungan besarnya nilai R
2
dapat dihitung dengan rumus Draper dan Smith 1992:
= �� � �
� Keterangan:
JK regresi = b
1
JHKx
1
y + b
2
JHKx
2
y JK total = JKy =
∑ �² − ∑
�
� �=
� �=
² Koefisien determinasi terkoreksi R
a 2
adalah koefisien determinasi yang telah dikoreksi oleh derajat bebas db dari JKS dan JKT-nya. Model yang baik
memiliki nilai R
a 2
terbesar. Perhitungan koefisien determinasi terkoreksi R
a 2
dengan rumus Draper dan Smith 1992: = 1 −
− − 1
100 Keterangan:
JKS : Jumlah kuadrat sisa JKTT : Jumlah kuadrat total terkoreksi
n-p : Derajat bebas sisaan n-1 : Derajat bebas total
Ketentuan keterandalan R
a 2
sama dengan R
2
. Kelebihan R
a 2
adalah dapat membandingkan keterandalan model-model yang memiliki banyak peubah
yang berbeda. Pengujian yang dilakukan menurut kriteria ini akan lebih dapat menambah keyakinan penerimaan model.
2. Simpangan Baku s Nilai simpangan baku s ditentukan dengan rumus Draper dan Smith
1992:
= � =
�∑ �
�
− Keterangan:
S² : Kuadrat tengah sisaan e
i
: Sisaan ke-i Pemeriksaan statistik di tingkat ini menunjukan bahwa semakin kecil
nilainya semakin baik, artinya semakin tepat dugaannya. 3. Simpangan Agregat Agregative Deviation
Simpangan agregat merupakan selisih antara jumlah volume aktual V
a
dan volume dugaan V
t
yang diperoleh berdasarkan dari tabel volume pohon, sebagai persentase terhadap volume dugaan V
t
. Persamaan yang baik memiliki nilai simpangan agregat SA yang berkisar dari -1 sampai +1 Spurr 1952. Nilai SA
dapat dihitung dengan rumus: � =
∑ �
�� �
�=
− ∑ �
� �
�=
∑ �
�� �
�=
4. Simpangan Rata-rata Mean Deviation Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih
antara jumlah volume dugaan V
t
dan volume aktual V
a
, proporsional terhadap jumlah volume dugaan V
t
. Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 Spurr 1952. Simpangan rata-rata dapat dihitung dengan rumus:
= �
�∑
���−��� ���
� �=
� �
� 100 5. RMSE Root Mean Square Error
RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari table volume pohon V
t
dengan volume aktualnya V
a
terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik. RMSE dihitung dengan rumus:
= �
∑ �
����−���� ���
�
� �=
�
100
3.6.8 Pemilihan Persamaan Model Regresi Terbaik