1. Dokumen menganalisis data soal selidik mengenai kebarangkalian pengguna kereta beralih kepada pengangkutan awam dengan menaikkan kadar parkir. Model fungsi logistik digunakan dan graf plot serta persamaan regresi dibina. 2. Analisis sama dilakukan untuk data soal selidik mengenai pengguna kereta beralih ke bas dengan mengurangkan tambang dan masa perjalanan bas. Model logistik dibina dengan parameter dari analisis reg

1. TUGASAN PISAHAN RAGAM
RA VITALA A/L RAMA MOORTHY @ STEVEN RAM
A172002
ASAS-ASAS SAINS DATA DALAM PENGANGKUTAN

2. 1. Seorang Datuk Bandar hendak mengurangkan
penggunaan kereta dalam bandar. Kaedah yang
digunakan ialah dengan menaikkan kadar parkir
kereta. Data yang diperolehi hasil soal selidik kepada
pengguna kereta beralih kepada pengangkutan awam
adalah seperti jadual di bawah:
(a) Tuliskan model fungsi logistik yang sesuai
(b) Plotkan graf bagi data di bawah
(c) Tukarkan data dalam bentuk ln (log e)
(d) Plotkan graf dan dapatkan persamaan garisan
regresi.
(e) Masukkan angka-angka parameter fungsi logistic
anda
(f) Dengan menggunakan model yang dibina,
kirakan kebarangkalian pengguna kereta beralih
kepada

3. (a) Tuliskan model fungsi logistik yang sesuai
P 1
=
1 + e α × kadar × C

4. PLOTKAN GRAF :
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 1 2 3 4 5 6 7
kebarangkalian
peralih
kepada
pengangkutan
awam
kadar parkir per jam

5. Tukarkan data dalam bentuk ln (log e)
1 - P
P
)= α(kadar parkir per jam) + C
Ln(
Kadar Parkir satu jam
Kebarangkalian peralih
kepada pengangkutan
awam (P)
(1-P)/P Ln[(1-P)/P]
0.5 0.04 24 3.178054
1 0.06 15.66667 2.751535
1.5 0.1 9 2.197225
2 0.17 4.882353 1.585627
2.5 0.28 2.571429 0.944462
3 0.39 1.564103 0.447312
3.5 0.5 1 0
4 0.65 0.538462 -0.61904
4.5 0.75 0.333333 -1.09861
5 0.8 0.25 -1.38629
5.5 0.83 0.204819 -1.58563
6 0.86 0.162791 -1.81529

6. y = -0.4811x + 3.5107
R² = 0.9834
-3
-2
-1
0
1
2
3
4
1 2 3 4 5 6 7 8 9 10 11 12
Kadar Parkir Per Jam
Plotkan graf dan dapatkan persamaan garisan regresi.

7. (f) Dengan menggunakan model yang dibina, kirakan kebarangkalian
pengguna kereta beralih kepada
Kadar Parkir satu jam Kebarangkalian beralih kepada pengangkutan awam
0.5 0.04610862
1 0.07253405
1.5 0.11232093
2 0.16993331
2.5 0.24881356
3 0.34891769
3.5 0.46439785
4 0.58382611
4.5 0.69416204
5 0.78596959
5.5 0.85593748
6 0.90577454

8. Soalan 2 :
2.Dalam usaha untuk mengurangkan
penggunan kereta, masa perjalanan menaiki
bas hendak dikurangkan dengan membina
satu laluan khas bas dan dalam masa yang
sama tambang bas pun juga akan
dikurangkan. Data dari hasil soal selidik ke
atas pengguna kereta beralih kepada bas
adalah seperti jadual di bawah
(a) Tuliskan fungsi logistik yang sesuai
(b) Tukarkan dalam bentuk ln (log e)
(c) Lakukan analisis regresi
(d) Tuliskan model logistik dengan paremater
dari analisis regresi
Tambang bas jimat masa
Kebarangkalian Pengguna
kereta beralih kepada bas
2.90 0 0.10
2.90 5 0.14
2.90 10 0.19
2.90 15 0.25
2.90 20 0.32
2.90 25 0.40
2.90 30 0.48
2.00 20 0.35
2.25 20 0.34
2.50 20 0.33
2.75 20 0.32
3.00 20 0.31
3.25 20 0.31
3.50 20 0.30
3.75 20 0.29

9. (a) Tuliskan model fungsi logistik yang sesuai
P
1
=
1 + e α (tambang) + β (jimat masa) + C
(b)Tukarkan dalam bentuk ln (log e)
1 - P
P
) = Α (tambang bas) + β ( jimat masa) + C
Ln(

10. Data yang telah ditukar :
Tambang Bas Jimat Masa Kebarangkalian Pengguna kereta
beralih kepada bas
(1-P)/P In (Log e)
2.9 0 0.1 9 2.197225
2.9 5 0.14 6.142857 1.815290
2.9 10 0.19 4.263158 1.450010
2.9 15 0.25 3 1.098612
2.9 20 0.32 2.125 0.753772
2.9 25 0.4 1.5 0.405465
2.9 30 0.48 1.083333 0.080043
2 20 0.35 1.857143 0.619039
2.25 20 0.34 1.941176 0.663294
2.5 20 0.33 2.030303 0.708185
2.75 20 0.32 2.125 0.753772
3 20 0.31 2.225806 0.800119
3.25 20 0.31 2.225806

11. c) Analisis Regresi :
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.999648
R Square 0.999296
Adjusted R
Square
0.999155
Standard
Error
0.01678
Observation
s
13
ANOVA
df SS MS F Significance F
Regression 2 3.995836 1.997918 7096.043 1.73E-16
Residual 10 0.002816 0.000282
Total 12 3.998651
Coefficients Standard Error t Stat F-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 1.729461 0.043568 36.69597 2.46E-12 1.632386 1.826536 1.632386 1.826536
X Variable 1 0.152598 0.014645 10.42002 1.09E-06 0.119968 0.185229 0.119968 0.185229
X Variable 2 -0.074 0.000606 -116.116 5.5E-17 -0.07175 -0.06905 -0.07175 -0.06905

12. Tuliskan model logistik dengan paramater dari analisis regresi
α = 0.152598 , ß = -0.0704 C = eksp(1.729461 ) = 5.637614
Tambang
Bas
Jimat
Masa
Kebarangkalian Pengguna kereta
beralih kepada bas
(1-P)/P In (Log e)
P
2.9 0 0.1 9 2.197225 0.122036629
2.9 5 0.14 6.142857 1.815290 0.127514245
2.9 10 0.19 4.263158 1.450010 0.133506695
2.9 15 0.25 3 1.098612 0.140090141
2.9 20 0.32 2.125 0.753772 0.147356547
2.9 25 0.4 1.5 0.405465 0.155418002
2.9 30 0.48 1.083333 0.080043 0.164412541
2 20 0.35 1.857143 0.619039 0.151825591
2.25 20 0.34 1.941176 0.663294 0.150618975
2.5 20 0.33 2.030303 0.708185 0.149385584
2.75 20 0.32 2.125 0.753772 0.14125444
3 20 0.31 2.225806 0.800119 0.146838622
3.25 20 0.31 2.225806 0.800119 0.145525228