laporan biomet sas regresi astody

PRAKTIKUM BIOMETRIANALISIS REGRESI MENGGUNAKAN SAS (STATISTICAL ANALYSIS SYSTEM)

DISUSUN OLEH :NAMA : ASTODY GUSTA MANDAYU NIM : F1071131005KELAS : A

PROGRAM STUDI PENDIDIKAN BIOLOGIJURUSAN MATEMATIKA DAN ILMU PENGETAHUANFAKULTAS KEGURUAN DAN ILMU PENDIDIKANUNIVERSITAS TANJUNGPURAPONTIANAK2015

A. PENDAHULUANDi masa ini berbagai metode statistika makin banyak dipergunakan untuk analisis atau menguji data hasil percobaan, dan sebaliknya tidak jarang model-model matematis yang biasa dipakai untuk percobaan dipertimbangkan untuk menganalisis data yang dikumpulkan dengan metode bukan percobaan. Saat ini, fasilitas pengolahan data berupa komputer dengan berbagai program kemasan statistika yang tersedia makin canggih, dengan kemampuan dan kecepatan olah komputer yang makin tinggi, serta tenaga yang makin propesional lebih terbuka kemungkinan untuk memilih analisis yang lebih sesuai dan mendalam, dengan hasil yang lebih cermat serta dikerjakan dalam waktu yang singkat. Mungkin saja selama penyelenggaraan percobaan terjadi yang hal-hal mengakibatkan penyimpangan terhadap apa yang telah direncanakan dan dipertimbangkan dalam bentuk anggapan-anggapan sebelumnya, sehingga rencana terutama analisis data hasil penelitian harus diubah sesuai dengan paket program kemasan yang ada, Program SAS (Statistical Analysis System) sangat mudah menyesuikan dengan apa yang kita rencanakan atau telah kita rancang dalam rancangan percobaan karena tersedia syntax SAS, dalam syntax SAS kita dapat mengubah bahasa atau model matematis dalam rancangan percobaan menjadi bahasa komputer, sehingga sesuai dengan yang kita rancang.Oleh karena itu dalam praktikum kali ini kami akan mencoba melakukan perhitungan data dari perlakuan eksperimen Regresi dengan menggunakan aplikasi SAS. Diharapkan setelah melakukan praktikum ini maka praktikan dapat menggunakan aplikasi SAS untuk melakukan perhitungan data perlakuan eksperimen Regresi.Ketika kita menggunakan statistika untuk menguji hipotesis maka muncul dua macam hipotesis berupa hipotesis penelitian dan hipotesis statistika. Tepatnya hipotesis penelitian kita rumuskan kembali menjadi hipotesis statistika yang sepadan. Hipotesis statistika harus mencerminkan dengan baik maksud dari hipotesis penelitian yang akan diuji (Santoso, 2012).Regresi adalah bentuk hubungan fungsional antara variable respon dan prediktor. Analisis regresi merupakan teknik statistik yang banyak penggunnya serta mempunyai manfaat yang cukup besar bagi pengambil keputusan. Secara umum, dalm analisis regresi digunakan metode kuadrat terkecil (least square method) untuk mencari kecocokan garis reresi dengan data sampel yang diamati (Gaspersz, 1991).Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Analisis regresi dapat didefinisikan metode statistika digunakan untuk menentukan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel lain yang belum diketahui (Yusnandar, 2010).Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variable tak bebas tunggal dengan variable bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas. Bentuk umum dari persamaan regresi linier untuk populasi adalah di mana :Y = a + bxY = Variabel tak bebasx = Variabel bebasa = Parameter Interceptb = Parameter Koefisisen Regresi Variabel BebasMenentukan koefisien persamaan a dan b dapat dengan menggunakan metode kuadrat terkecil, yaitu cara yang dipakai untuk menentukan koefisien persamaan dan dari jumlah pangkat dua (kuadrat) antara titik-titik dengan garis regresi yang dicari yang terkecil (Yusnandar, 2010).Program SAS (Statistical Analisis System) merupakan suatu program yang dirancang khusus untuk analisis data hasil penelitian dengan kapasitas modul-modul yang sangat spesifik sesuai yang diharapkan pengguna dalam: (a) penyimpanan, pemanggilan, dan manipulasi data; (b) analisis statistika sederhana maupun yang komplek; dan (c) pembuatan laporan hasil analisis (Santoso 2012).Sistem SAS (Statistical Analysis System) merupakan sistem paket program untuk analisis data dan pelaporan. SAS dapat melakukan Penyimpanan, pemanggilan dan manipulasi data, analisis statistika sederhana dan analisis statistika kompleks. Sistem SAS adalah produk perangkat lunak yang dirancang untuk mengakses, menganalisis dan melaporkan data untuk berbagai macam aplikasi. Bahasa SAS termasuk bahasa pemrograman yang dirancang untuk memanipulasi data dan mempersiapkannya untuk analisis dengan prosedur sistem SAS. Sistem SAS pada awalnya dikembangkan pada 1970-an untuk peneliti akademis olehDr. James Goodnightdan rekan-rekannya di North Carolina State University (Laili, 2011).Pemrograman dalam SAS dapat dikategorikan menjadi 2 jenis. Pertama, data step. Data step biasanya digunakan untuk membuat, membaca, ataupun memanipulasi data. Kedua, proc step (proc merupakan kependekan dari procedure). Proc step digunakan untuk menganalisa, meringkas, ataupun membuat tabulasi dari sebuah data. Baik data step maupun proc step diawali dengan kata data atau proc, dan diakhiri dengan kata run (Widjaja, 2009).

B. TUJUAN DAN PERMASALAHANAdapun tujuan dari penggunaan regresi dalam analisis data adalah untuk menemukan model matematik yang dapat dipakai untuk menjelaskan hubungan fungsional antara variable bebas dengan variable tak bebasnya.Sedangkan permasalahan yang didapat pada praktikum kali ini adalah bagaimana cara menginput data Regresi ke dalam aplikasi SAS dan menganalisis hasil data dari proses penggunaan aplikasi SAS.

C. HASIL PENGAMATAN1. Data PengamatanHASIL ANALISIS REGRESI 1 16:01 Monday, May 5, 1997

Model: MODEL1Dependent Variable: Y

Analysis of Variance

Sum of MeanSource DF Squares Square F ValueProb>F

Model 1 540.83643 540.83643 106.4420.0001Error 10 50.81023 5.08102C Total 11 591.64667

Root MSE 2.25411 R-square 0.9141Dep Mean 27.66667 Adj R-sq 0.9055 C.V. 8.14739

Parameter Estimates

Parameter Standard T for H0:Variable DF Estimate Error Parameter=0

INTERCEP 1 42.252331 1.55630103 27.149 X 1 -3.889510 0.37699672 -10.317

Variable DFProb> |T|

INTERCEP 1 0.0001 X 1 0.0001

D. PEMBAHASANPada praktikum kali ini yaitu menganalisis data ragam Regresi dengan menggunakan salah satu software analisis data yaitu SAS. Adapun penggunaan SAS pada perlakuan Regresi ini memiliki tujuan untuk menemukan model matematik yang dapat dipakai untuk menjelaskan hubungan fungsional antara variable bebas dengan variable tak bebasnya.Pada praktikum regresi dengan menggunakan sistem SAS untuk menghitung hubungan fungsional antara variabel respon dan prediktat. Penggunaan sistem SAS ini ada ketentuan khusus agar saat pembacaan data tidak error. Pada praktikum ini dilakukan pemasukan data sebagai berikut :DATA TITIK;INPUTXY;CARDS;1.041.31.534.02.032.52.535.23.028.83.525.64.030.14.525.75.022.65.520.36.018.86.517.1;RUN;PROC REG;TITLE HASIL ANALISIS REGRESI;MODEL Y=X;RUN;Data di atas merupakan regresi yang akan dihitung tabel anovanya. Pada regresi ini terdapat persamaan Y= a+bx yang digunakan untuk mencari kecocokan garis regresi dengan data sample yang diamati. (DATADT;) merupakan keterangan untuk nama data yang akan dibuat (DT) dapat diganti dengan nama praktikan minimal 8 karakter dan pada praktikum ini diubah menjadi (DATA TITIK;). (INPUTX Y;) adalah keterangan perintah untuk memasukan data (INPUT) yaitu data yang akan dimasukan, terdapat (X dan Y) yang artinya dalam data itu akan dimasukan 2 data yang berbeda. Setelah menuliskan perintah di atas maka harus ditutup dengan (;) semi kolon, yang berfungsi sebagai penanda akhir kalimat sama halnya seperti tanda titik (.) dalam sebuah kalimat. Berbeda dengan percobaan sebelumnya regresi tidak menggunakan tanda ($), karena data yang disajikan lagsung dalam bentuk angka jadi cukup dengan menspasinya dan diakhiri (;) semi kolon.(CARDS;) digunakan sebagai dataline, dataline untuk menujukan bahwa praktikan ingin menghasilkan himpunan data SAS. Kemudian dilakukan penginputan data hasil ketikan. Setelah diinput data maka diakhir data harus ada perintah dari data yang diinginkan. Seperti (RUN) yang berarti data siap untuk dijalankan yang nantinya data tersebut akan masuk di LAYOUT dalam program SAS. (TITLE) merupakan judul dari percobaan yang akan dijalankan oleh sistem SAS, berikut adalah TITLE dari hasil percobaan (TITLE HASIL ANALISIS REGRESI;). (PROC) perintah sistem SAS untuk menujukan jenis analisis yang akan dilakukan, (MODEL Y=X) sebagai umum linier model termasuk ANOVA, REGRESI, dan analisis model KOVARIAS. Berikut adalah hasil perhitungan dengan menggunakan sistem SASHASIL ANALISIS REGRESI 1 16:01 Monday, May 5, 1997


Pada hasil data dari sistem SAS di atas menjelaskan bahwa terdapat model 1 dari akibat adanya pengaruh dari X.





Parameter Estimates


INTERCEP 1 42.252331 1.55630103 27.149 X 1 -3.889510 0.37699672 -10.317


INTERCEP 1 0.0001 X 1 0.0001Hasil di atas menunjukan hasil dari pengimputan data. Setelah dihitung dengan menggunakan sistem SAS ini dapat dilihat bahwa df dari hasil output data menunjukan data yang sama pada perhitungan manual terbukti sama didapatkan df bernilai 1sehingga hasilnya sama dengan perhitungan manual.Dari data perhitungan manual diketahui F tab 0.05;1,10 = 4.96, Maka F Value = 106.442 > F tab = 4.96,kesimpulan bahwa ada perbedaannya yang signifikan pada sebab akibat dari adanya hasil dari Y.R-square menunjukkan keakuratan, berapa banyak data yang masuk ke dalam model. Nilai 0,9141atau 91,41% untuk menunjukkan model mendekati akurat untuk menggambarkan data yang sebenarnya.Pr > F menunjukkan tingkat signifikan, bila nilainya 0,0001 maka sangat signifikan perbedaannya. Jika Pr > 0,05 maka tidak signifikan. Dalam praktikum regresi tidak adanya kons saat memasukkan data, karena ini sebab-akibat. Y adalah hasil dari X. Maka dari itu model yang tertera adalah x = yNilai a = parameter estimate intercept = 42.25Nilai b = parameter estimate X = -3.89Maka didapat persamaan untuk menggambarkan garis regresinya sebagai berikut.= a + b= 42.25 + (-3.89)

DAFTAR PUSTAKA

Gaspersz, Vincent. 1991. Teknik Analisis dalam Penelitian Percobaan. Bandung : Tarsito.Laili, Cahaya. 2011. Mengenal SAS. (Online). (http://dansboom.blogspot.co.id/2010/08/analisis-data-dengan-menggunakan.html/ diakses tanggal 20 Desember 2015).Santoso, Singgih. 2012. Paduan Lengkap SPSS Versi 20. Jakarta: PT. Elex media Komputindo.Yusnandar, M. 2010. Aplikasi Analisis Regresi/Korelasi Data Hasil Penelitian Peternakan Dengan Menggunakan Program Sas (Statistical Analysis System). (Online). (http://www.litbang.pertanian.go.id/warta-ip/pdf-file/yusnandar_10.pdf. Diakses tanggal 12 Januari 2016).Widjaja, Hendra. 2009. SAS, Statistical Analysis System. (Online). (https://hendrawidjaja.wordpress.com/tag/statistical-analysis-system/ diakses tanggal 12 Januari 2016).

LAMPIRANDATA TITIK;INPUTXY;CARDS;1.041.31.534.02.032.52.535.23.028.83.525.64.030.14.525.75.022.65.520.36.018.86.517.1;RUN;PROC REG;TITLE HASIL ANALISIS REGRESI;MODEL Y=X;RUN;HASIL ANALISIS REGRESI 1 16:01 Monday, May 5, 1997






Parameter Estimates


INTERCEP 1 42.252331 1.55630103 27.149 X 1 -3.889510 0.37699672 -10.317


INTERCEP 1 0.0001 X 1 0.0001

laporan biomet sas regresi astody

Documents