Академический Документы
Профессиональный Документы
Культура Документы
REGRESI LINEAR
http://duktek.del.ac.id/software/Utilities/
Pendahuluan
Dalam praktek, kita sering dihadapkan dengan persoalan yang
menyangkut sekelompok peubah bila diketahui bahwa
diantara peubah tersebut terdapat suatu hubungan alamiah.
Dua analisis : (1) Analisis Regresi (2) Analisis Korelasi
Analisis Regresi : Untuk mengetahui regresi yang dapat
digunakan untuk memprediksi variabel Y (variabel dependent)
dari variabel X1, X2, ... , Xk (variabel independent)
Analisi Korelasi : untuk menemukan keeratan hubungan
antara variabel X1, X2, ... , Xk and variabel Y.
Analisis Regresi
Jadi, analisis regresi adalah alat statistika
untuk mengevaluasi hubungan antara :
Satu peubah dengan peubah lainnya
Satu peubah dengan beberapa peubah lainnya
Variabel X : Variabel bebas, Independent
Variable Y : Variabel terikat, bergantung pada
x.
Variabel sering juga disebut sebagai Peubah
Contoh
Tentukan yang mana peubah bebas dan mana
peubah terikat jika kita ingin mengetahui apakah
ada hubungan antara variabel tsb.
Dosis pupuk mempengaruhi banyaknya padi
yang dihasilkan
Banyaknya barang yang terjual per minggu
dipengaruhi oleh ada tidaknya hari libur dan
harga barang.
Regresi Linear sederhana
Regresi linear dengan hanya satu peubah
bebas X dan satu peubah terikat Y.
Regresi Linier Sederhana
membangun model linier sedemikian rupa
sehingga nilai-nilai variabel Y dapat diprediksi
dari nilai-nilai dari satu variabel X.
Data disajikan sebagai n pasangan terurut dari
pengamatan independent (Xi, Yi), i = 1, 2, ..., n;
dimana Xi adalah nilai dari variabel
independent ke-i, dan Yi adalah nilai dari
variabel dependent ke-i
Contoh
No\Mata Kuliah Bahasa Inggris (X) Matematika (Y)
Diagram Pencar
Model Regresi Linear Sederhana di
Populasi
Yi Xi i
= nilai ke-i dari variabel Y
= konstanta, rata-rata Y jika nilai
semua X adalah nol.
= konstanta, koefisien regresi Y pada X
= eror ke-i
diperoleh dari a pada sampel
diperoleh dari b pada sampel
diperoleh dari ei
Koefisien Regresi
Koefisien regresi dan merupakan dua
parameter yang akan ditaksir agar kita
memperoleh persamaan linear populasi.
Taksiran untuk kedua parameter ini
selanjutnya dinyatakan dengan a dan b.
Garis Regresi Sederhana dari Sampel
Y a bX
adalah nilai prediksi, diprediksi dari nilai tertentu
Biasanya nilai prediksi dari Y tidak sama dengan nilai
sebenarnya
Perbedaan antara nilai prediksi dan nilai sebenarnya
disebut eror dan dilambangkan dengan e pada
sampel.
ei Yi Yi
Metode Kuadrat Terkecil
Akan dicari a dan b, taksiran dari dan , sehingga jumlah kuadrat
sisa minimum.
Cara meminimumkan penaksir parameter disebut metode kuadrat
terkecil.
Jadi a dan b akan dicari sehingga meminimumkan jumlah kuadrat
galat (JKG).
= 2 = 2
=1 =1
Dengan menggunakan teorema dalam kalkulus, JKG akan minimum
jika nilai a dan b adalah :
Y X 2 X XY
a
n X 2 X 2
n XY X Y
b
n X 2 X 2
Contoh
ING (X) MATH (Y)
Contoh
= 2
Y Y Y Y
2
2
= JKR + JKG
= 2
Perlu diingat bahwa nilai dan hanya
taksiran untuk parameter dan
Agar inferensi mengenai dan dapat
dibuat, maka perlu ditaksir parameter 2
Parameter 2 menggambarkan variasi acak
atau variasi galat percobaan di sekitar garis
regresi
Dalam menurunkan penaksir untuk 2 , diperkenalkan
lambang berikut
2
( =1 )
2 2
= =
=1 =1
2
(
2 =1 )
= = 2
=1 =1
( )
=1 =1
= ( ) =
=1 =1
=
Dengan JKG menyatakan Jumlah Kuadrat Galat
Teorema
Suatu taksiran tak bias untuk 2 adalah
2
= =
2 2
Inferensi Mengenai Koefisien Regresi
a. Selang Kepercayaan Untuk
Suatu selang kepercayaan sebesar (1-)100%
untuk parameter dalam persamaan garis
regresi = + adalah
2 2
< <+
Dalam rumus ini, menyatakan distribusi t
2
dengan derajat kebebaan n-2.
Inferensi Mengenai Koefisien Regresi
b. Selang kepercayaan untuk .
Suatus elang kepercayan (1-)100% untuk
parameter dalam persamaan garis regresi
= + adalah
2 2
=1
=1
2 2
<<+
Dalam rumus ini, menyatakan distribusi t dengan
2
derajat kebebaan n-2.
Pendekatan Melalui Analisis Variansi
Seringkali penilaian atas baik tidaknya taksiran
garis regresi dilakukan melalui analisis
variansi.
Analisis Variansi yang kita pelajari kali ini
adalah analisis variansi satu arah (eka arah)
ANAVA SATU JALAN
Asumsi
Asumsi berikut harus dipenuhi ketika kita akan menggunakan Anava
0 : 1 = 2 = =
1 : paling sedikit dua diantara rataan tersebut
tidak sama
Catatan :
Jangan menuliskan yang berikut:
0 : 1 = 2 = =
1 : 1 2
JKT, JKA, JKG
Teorema : Identitas Jumlah Kuadrat.
Jumlah Kuadrat Total (JKT)
= ( )2
=1 =1
2
= . . + ( )2
=1 =1 =1
Jumlah Kuadrat
Perlakuan Jumlah Kuadrat Galat
(JKA) (JKG)
JKT, JKA, JKG
2
= . .
=1
= ( )2
=1 =1
= + = ( )2
=1 =1
Formula Komputasi
2
2
=
=1 =1
2
=1 2
=
=