15
LAMPIRAN
16
Lampiran 1. Diagram aliran data level 2 proses 1 (Input Data)
Lampiran 2. Diagram aliran data level 2 proses 2 (Manajemen Data)
Lampiran 3. Diagram aliran data level 2 proses 10 (Simpan Data)
17
Lampiran 4. Diagram aliran data level 3 proses 6.2 (Regresi Logistik)
Lampiran 5. Diagram aliran data level 4 proses 6.2.4 (Fungsi Penghubung)
Lampiran 6. Diagram aliran data level 3 proses 6.5 (P emilihan Model Regresi Terbaik )
18
Lampiran 7. Diagram aliran data level 3 proses 6.3 (Algoritma Regresi Kuadrat Terkecil Parsial)
Lampiran 8. Diagram aliran data level 3 proses 6.6 (Validasi Silang)
19
Lampiran 9. Lingkungan utama dan skema menu Pakar 2.0 1. Lingkungan Utama Pakar 2.0
20
Lampiran 9. Lanjutan 2. Skema Menu Pakar 2.0 a. Menu File File
Buat Dataset Baru
Memuat Dataset
Impor Dataset
Ekspor Dataset
Simpan Dataset
SPSS
SPSS
.csv (,)
.csv (,)
.csv (;)
.csv (;)
Ms. Excel
Ms. Excel 2003
Simpan Hasil
Hasil HTML
Ms. Access
b. Menu Edit Edit
Cut
Salin
Paste
Hapus
Undo
Pilih Semua
Bersihkan Jendela
c. Menu Data Data
Pilih Dataset Aktif
Lihat Dataset Aktif
Edit Dataset Aktif
Kalkulator
Bangkitkan Bilangan Acak
Bilangan Acak Seragam
Bilangan Acak Binomial
Bilangan Acak Normal
Cetak Dataset
Keluar
21
Lampiran 9. Lanjutan e. Menu Bantuan
d. Menu Statistika
Bantuan
Statistika
Bantuan Pakar 2.0 Statistika Dasar
Analisis Regresi
Plot Pengepasan Garis
Analisis Regresi Linier
Analisis Regresi Bertatar
Analisis Regresi Komponen Utama
Analisis Regresi Gulud
Analisis Regresi Logistik Biner
Analisis Regresi Logistik Ordinal
Analisis Regresi Logistik Multinomial
Analisis Regresi Kuadrat Terkecil Parsial
Tentang Pakar 2.0
22
Lampiran 10. Kotak Dialog Regresi Komponen Utama a. Kotak Dialog Utama
b. Kotak Dialog Validasi Silang
d. Kotak Dialog Pilihan
c. Kotak Dialog Grafik
23
Lampiran 11. Kotak Dialog Regresi Gulud
24
Lampiran 12. Kotak Dialog Regresi Logistik Biner a. Kotak Dialog Utama
b. Kotak Dialog Pilihan
25
Lampiran 13. Kotak Dialog Regresi Logistik Ordinal a. Kotak Dialog Utama
b. Kotak Dialog Pilihan
26
Lampiran 14. Kotak Dialog Regresi Logistik Multinomial a. Kotak Dialog Utama
b. Kotak Dialog Pilihan
27
Lampiran 15. Kotak Dialog Regresi Kuadrat Terkecil Parsial a. Kotak Dialog Utama
b. Kotak Dialog Validasi Silang
c. Kotak Dialog Grafik d. Kotak Dialog Pilihan
d. Kotak Dialog Pilihan
28
Lampiran 16. Tabel perbandingan keluaran regresi komponen utama antara Pakar 2.0 dengan SAS Kasus Uji Nilai keragaman kumulatif (%):
Pakar 2.0
SAS
Komponen 1 24.4177
Komponen 2 40.1402
Komponen 1 24.4177
Komponen 2 40.1402
-0.164
0.36
-0.04429
0.360244
0.522
0.163462
0.522462
0.124
-0.032279
0.124259
0.178857
0.082523
0.041932
0.042446
-0.26
-0.024728
-0.259467
Loading X : Cd Mo Mn Ni
-0.179
Cu Al Ba
-0.339
-0.186
0.338704
-0.186204
Cr
-0.241
0.224
0.240608
0.22403
Sr
-0.377
-0.214
0.376707
-0.213696
Pb
-0.158
0.514
0.157737
0.513736
-0.001333
0.034471
B Mg
-0.397
0.39727
0.005712
Si
-0.298
0.298122
-0.053741
Na
-0.263
0.262575
-0.233776
Ca
-0.328
0.327468
0.093608
P
-0.194
0.194372
0.130145
-0.234 0.13
-0.369 -0.164 0.368582 -0.164225 K Data yang kosong pada hasil Pakar 2.0 menunjukkan nilai loading yang kecil (mendekati nol)
29
Lampiran 17. Tabel perbandingan keluaran regresi gulud antara Pakar 2.0 dengan SAS Pakar 2.0
k
Unemployed
Armed.Forces
Population
Year
0
Intersep -3482.26
GNP.deflator 0.0150619
GNP -0.0358192
-0.0202023
-0.0103323
-0.051104
1.82915
0.01
-2307.35
-0.0018682
-0.0150427
-0.0087284
-0.148944
1.22702
1.22702
0.02
-1877.44
0.0093468
0.0051902
-0.0137616
-0.0081273
-0.128808
1.00355
0.03
-1620.43
0.0210596
0.0079943
-0.0131457
-0.0077519
-0.10188
0.86912
0.04
-1442.71
0.030744
0.0094135
-0.0127679
-0.0074784
-0.077721
0.77585
0.05
-1310.59
0.0385846
0.0102337
-0.0125038
-0.0072632
-0.057223
0.70638
0.06
-1207.84
0.0449642
0.0107496
-0.0123033
-0.0070854
-0.039942
0.65228
0.07
-1125.36
0.0502107
0.0110937
-0.0121422
-0.0069336
-0.025293
0.60881
0.08
-1057.56
0.0545754
0.0113333
-0.0120074
-0.0068008
-0.012763
0.57305
0.09
-1000.75
0.0582462
0.0115056
-0.011891
-0.0066823
-0.001947
0.54308
0.1
-952.43
0.061364
0.0116325
-0.0117881
-0.0065749
0.007474
0.51757
SAS
k 0
Intersep -3482.26
GNP.deflator 0.015
0.01
-766.48
0.02
GNP -0.04
Unemployed -0.0202
Armed.Forces -0.01033
Population -0.051
Year 1.829
0.073
0.01
-0.0113
-0.00607
0.045
0.419
-575.23
0.083
0.01
-0.0105
-0.00518
0.087
0.318
0.03
-500.08
0.086
0.01
-0.0099
-0.00452
0.102
0.279
0.04
-458.7
0.086
0.01
-0.0093
-0.00396
0.11
0.257
0.05
-431.83
0.086
0.01
-0.0088
-0.00347
0.114
0.243
0.06
-412.57
0.086
0.01
-0.0083
-0.00302
0.117
0.233
0.07
-397.85
0.085
0.01
-0.0079
-0.00262
0.118
0.225
0.08
-386.05
0.085
0.01
-0.0075
-0.00225
0.119
0.219
0.09
-376.29
0.084
0.01
-0.0071
-0.00191
0.12
0.214
Perbedaan rumus regresi gulud yang digunakan: X adalah matriks peubah bebas berukuran (n x p) y adalah vektor peubah respon berukuran (n x 1) SAS:
dengan D adalah matriks diagonal berukuran (p x p) yang berisi unsur diagonal utama dari matriks X’X. Matriks X yang digunakan adalah matriks X terbakukan. Pakar 2.0:
dengan Z adalah hasil penguraian nilai singular dari matriks X yang telah dibakukan.
30
Lampiran 18. Perbandingan plot regresi gulud antara Pakar 2.0 dengan SAS Plot hasil regresi gulud pada Pakar 2.0 Plot antara nilai k vs dugaan koefisien gulud
8
Peubah Bebas
-2
0
2
^
4
6
GNP.deflator GNP Unemployed Armed.Forces Population Year
0.00
0.02
0.04
0.06
Plot hasil regresi gulud pada SAS
0.08
0.10
31
Lampiran 19. Tabel perbandingan keluaran regresi logistik biner (fungsi penghubung logit) antara Pakar 2.0 dengan Minitab, SAS, dan SPSS Kasus Uji Koefisien regresi: Intersep Smokes Weight SK 95% koefisien: Intersep Smokes Weight nilai Z (Wald): Intersep Smokes Weight Odds Ratio: Smokes Weight SK 95% odds ratio: Smokes Weight AIC Null deviance Residual deviance Statistik G P-value G
Pakar 2.0 -1.98717 -1.19297 0.02502
Hasil Minitab SPSS -1.98717 -1.19297 0.0250226
SAS
-1.987 -1.193 0.025
-1.987 -1.1929 0.025
0.303 1.025
0.303 1.025
93.64 7.574
99.64 101.214 93.64 7.5743
-5.4153 1.228 -2.3107 -0.1191 0.0021 0.0506 -1.183 -2.157 2.042
-1.18 -2.16 2.04
0.3033 1.0253
0.3 1.03
0.0992 0.887 1.0021 1.0519 99.64 101.21 93.64 7.5743 0.0227
0.1 0.9 1 1.05
7.574 0.023
32
Lampiran 20. Perbandingan tabel klasifikasi regresi logistik biner (fungsi penghubung logit) antara Pakar 2.0 dengan Minitab, SAS, dan SPSS Tabel Klasifikasi R RestingPulse Dugaan High Low High 2 20 Low 2 68 SPSS RestingPulse Dugaan High Low High 2 20 Low 2 68 SAS RestingPulse Dugaan High Low High 2 20 Low 2 68 Lampiran 21. Tabel perbandingan keluaran regresi logistik ordinal (fungsi penghubung logit) antara Pakar 2.0 dengan Minitab, SAS, dan SPSS Hasil
Kasus Uji Pakar 2.0
Minitab
SPSS
SAS
Koefisien regresi: b0 (0)
2.2039
2.20332
2.119
b0 (1) pared (1) public (1)
4.2994
4.29877
4.214
4.2983
1.0477
-1.04766
1.051
-1.0478
-0.0588
0.05868
-0.056
0.0585
0.6159
-0.61575
0.596
-0.6156
b0 (0)
2.8272
2.81
b0 (1)
5.3454
5.31
pared (1)
3.9418
-3.9
public (1)
-0.1974
0.2
2.3633
-2.34
pared (1)
2.8511
0.35
0.351
public (1)
0.9429
1.06
1.06
gpa
1.8513
0.54
0.54
AIC
727.0249
gpa
2.2029
nilai Z (Wald):
gpa Odds Ratio:
Null deviance Residual deviance
727.025 741.205
717.0249
717.025
33
Lampiran 22. Tabel perbandingan keluaran regresi logistik multinomial antara Pakar 2.0 dengan Minitab, SAS, dan SPSS Hasil
Kasus Uji Pakar 2.0
Minitab
SPSS
SAS
Koefisien regresi: b0 (2)
-11.7747
-11.7747
-11.251
-11.7746
b0 (3)
-22.7214
-22.7214
-22.255
-22.7214
female (2)
0.5238
0.523814
-0.524
0.5238
female(3)
0.4659
0.465941
-0.466
0.4659
age(2)
0.3682
0.368206
0.368
0.3682
age(3)
0.6859
0.685908
0.686
0.6859
b0 (2)
-6.6351
-6.64
b0 (3)
nilai Z (Wald): -11.0404
-11.04
female (2)
2.6967
2.7
female(3)
2.0609
2.06
age(2)
6.6943
6.69
age(3)
10.9524
10.95
female (2)
1.6884
1.69
1.688
female(3)
1.5934
1.59
1.594
age(2)
1.4451
1.45
1.445
age(3)
1.9856
1.99
1.986
Odds Ratio:
AIC
1417.9414
1417.941
Residual deviance
1405.9414
1405.941
34
Lampiran 23. Tabel perbandingan keluaran regresi kuadrat terkecil parsial antara Pakar 2.0 dengan Minitab, dan SAS
Kasus Uji
Pakar 2.0 Komponen Komponen 1 2
Minitab Komponen Komponen 1 2
Nilai keragaman kumulatif (%):
22.5149
36.6697
22.5149
36.6697
R-square(pred)
0.45659
0.46324
0.456585
0.463238
22.39045
22.11633
22.3904
22.1163
0.117094
PRESS
SAS Komponen Komponen 1 2 22.515
36.67
0.068153
0.112583
0.057013
-0.000775
0.508907
-0.000745
0.425724
0.035704
-0.035632
0.034328
-0.029808
-0.160192
0.114982
-0.154021
0.096187
-0.017745
0.050879
-0.017062
0.042562
-0.083849
-0.285146
-0.080619
-0.238537
-0.440711
-0.09625
-0.423733
-0.080518
Loading X : Cd
0.117
Mo
0.509
Mn Ni
-0.16
0.115
Cu Al
-0.285
Ba
-0.441
Cr
-0.137
0.45
-0.137135
0.44952
-0.131852
0.376044
Sr
-0.487
-0.122
-0.487433
-0.121531
-0.468655
-0.101666
-0.008749
0.378982
Pb B
0.112
0.453
-0.0091
0.453032
0.417
0.112403
0.417321
0.108073
0.349108 0.145732
Mg
-0.41
0.174
-0.409967
0.174207
-0.394173
Si
-0.262
0.299
-0.262182
0.299153
-0.252082
0.250255
Na
-0.321
0.102
-0.320968
0.102507
-0.308603
0.085752 0.201575 0.387708
Ca P
-0.288
0.241
-0.287606
0.240962
-0.276527
0.464
-0.079286
0.463463
-0.076231
-0.361763 0.201878 K -0.376 0.241 -0.376258 0.241323 Data yang kosong pada hasil Pakar 2.0 menunjukkan nilai loading yang kecil (mendekati nol)
35
Lampiran 24. Contoh keluaran Pakar 2.0
