Data

Berikut ini diberikan perhitungan Uji Ketidakpasan Model Regresi Linier Sederhana pada contoh numerik dari slide perkuliahan.

library(readxl)
datap4<-read_excel("D:/ketidakcocokan.xlsx")
head(datap4)

## # A tibble: 6 × 2
##       x     y
##   <dbl> <dbl>
## 1   125   160
## 2   100   112
## 3   200   124
## 4    75    28
## 5   150   152
## 6   175   156

Persamaan Regresi

lm1 <- lm(y ~ x, data=datap4) # build linear regression model on full data
summary(lm1)

## 
## Call:
## lm(formula = y ~ x, data = datap4)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -59.23 -34.06  12.61  32.44  48.44 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)  50.7225    39.3979   1.287     0.23
## x             0.4867     0.2747   1.772     0.11
## 
## Residual standard error: 40.47 on 9 degrees of freedom
## Multiple R-squared:  0.2586, Adjusted R-squared:  0.1762 
## F-statistic: 3.139 on 1 and 9 DF,  p-value: 0.1102

Analisis Variansi

anova(lm1)

## Analysis of Variance Table
## 
## Response: y
##           Df  Sum Sq Mean Sq F value Pr(>F)
## x          1  5141.3  5141.3  3.1389 0.1102
## Residuals  9 14741.6  1638.0

Berdasarkan hasil di atas diperoleh nilai SSR(Sum square residuals)=JKG (jumlah kuadrat galat)=14741.6.

Uji Ketidakpasan

library(alr3)
pureErrorAnova(lm1)

## Analysis of Variance Table
## 
## Response: y
##              Df  Sum Sq Mean Sq F value   Pr(>F)   
## x             1  5141.3  5141.3  22.393 0.005186 **
## Residuals     9 14741.6  1638.0                    
##  Lack of fit  4 13593.6  3398.4  14.801 0.005594 **
##  Pure Error   5  1148.0   229.6                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Jika mengalami kesulitan dalam menginstall package alr3 gunakan perintah dibawah ini:

install.packages(“devtools”)

library(devtools)

install_github(“cran/alr3”)

Berdasarkan hasil di atas dapat disimpulkan bahwa H0 ditolak yang berarti model regresi linier sederhana tidak cocok digunakan.