Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
0Activity
×
0 of .
Results for:
No results containing your search query
P. 1
regresi_linier

regresi_linier

Ratings: (0)|Views: 76|Likes:
Published by Ahmad Yu
aa
aa

More info:

Published by: Ahmad Yu on Apr 05, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See More
See less

04/05/2013

pdf

text

original

 
REGRESI LINIER
(LINEAR REGRESSION)Deny Kurniawan2008
Penulis memberikan ijin kepada siapapun untuk memperbanyak dan menyebarluaskantulisan ini dalam bentuk (format) apapun tanpa batas. Penyebarluasan tulisan ini olehpihak lain dalam format apapun untuk tujuan komersial tidak diperkenankan. Penulismemiliki hak tak terbatas atas tulisan ini, baik secara material maupun immaterial.
Dilarang merubah sebagian atau keseluruhan isi tulisan ini.
Segala kritik, saran dan komentar yang membangun dapat dialamatkan keFORUM STATISTIKASpeaks With Datahttp://ineddeni.wordpress.com
Copyright 2008 Deny Kurniawanhttp://ineddeni.wordpress.com
R Development Core Team (2008). R: A language and environment forstatistical computing. R Foundation for Statistical Computing,Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org
 
Preface
Dengan nama Allah Yang Maha Pengasih lagi Maha Penyayang
 Tulisan ini disusun dengan harapan dapat membantu siapa saja yang ingin mempelajariregresi linier. Konsep dari tulisan ini bersifat terapan dan tidak terlalu menitikberatkan pada teori.Hal ini disebabkan karena penulis beranggapan bahwa tulisan yang bersifat teoritis sudah banyakditerbitkan, baik itu dalam bentuk buku teks maupun dalam bentuk
 
file
 
.Namun demikian, tidakterlalu banyak tulisan yang memuat penerapan dari regresi linier. Padahal, di luar sana, penggunaregresi linier bukanlah
 
statisticians
 
saja.Contoh kasus yang diberikan dalam tulisan ini adalah penerapan regresi linier berganda.Penulis sengaja memilih regresi linier berganda karena memberikan banyak manfaat. setidak
 
tidaknya, dengan menerapkan regresi linier berganda, konsep regresi linier sederhana akan ter
 
coverdengan sendirinya.Penulistidakmengklaimbahwahanyadenganmembacatulisanyangteramatsederhanaini,seseorang akan mahir dalam menerapkan regresi linier. Apabila dimisalkan bahwa konsep regresilinier seluas dunia ini, maka tulisan ini tak lebih dari sebuah jendela kecil di dalam sebuahbangunan, dimana seseorang yang melihat dunia luar melalui jendela ini tidak akan memperolehgambaran dunia luar secara utuh, melainkan hanya sedikit. Penulis berharap para pembaca dapatterus mencari ªjendelajendelaº lain yang mungkin jauh lebih besar dari ini.Akhirnya, penulis berharap semoga tulisan ini dapat bermanfaat bagi siapapun, walaumungkin hanya sedikit.Penulis mengucapkan terimakasih kepada:1
 
.Allah S.W.T. dan Nabi Muhammad2.R Development Core Team, Vienna Austria3.John Fox (Mcmaster, C.A)4.Juergen Gross ± Univ. Dortmund, Germany5.Torsten Hothorn, Achim Zeileis, Giovanni Millo dan David Mitchell6.
 
Pengunjung FORUM STATISTIKA, karena mereka telah menumbuhkan semangat penulisuntuk membuat tulisan ini ada.7
 
.Semua pihak yang tidak dapat penulis sebutkan satupersatu.
Copyright 2008 Deny Kurniawanhttp://ineddeni.wordpress.com
R Development Core Team (2008). R: A language and environment forstatistical computing. R Foundation for Statistical Computing,Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org
 
R
egresi linier adalah metode statistika yang digunakan untuk membentuk modelhubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas(independen, prediktor, X). Apabila banyaknya variabel bebas hanya ada satu, disebut sebagairegresi linier sederhana, sedangkan apabila terdapat lebih dari 1 variabel bebas, disebut sebagairegresi linier berganda.Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi darif
 
enomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi.Regresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yangbersifatnya: :numerik.: :Regresi: :juga: :dapat: :digunakan: :untuk: :melakukan: :pengendalian: :(kontrol)terhadap suatu kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yangdiperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk melakukan prediksi untukvariabel terikat. Namun yang perlu diingat, prediksi di dalam konsep regresi hanya boleh dilakukandi dalam rentang data dari variabel-variabel bebas yang digunakan untuk membentuk model regresitersebut. Misal, suatu model regresi diperoleh dengan mempergunakan data variabel bebas yangmemiliki rentang antara 5 s.d. 25, maka prediksi hanya boleh dilakukan bila suatu nilai yangdigunakan sebagai input untuk variabel X berada di dalam rentang tersebut. Konsep ini disebutsebagai interpolasi.Data untuk variabel independen X pada regresi linier bisa merupakan data pengamatan yangtidak ditetapkan sebelumnya oleh peneliti (obsevational data) maupun data yang telah ditetapkan(dikontrol) oleh peneliti sebelumnya (experimental or fixed data). Perbedaannya adalah bahwadengan: :menggunakan: :fixed: :data,: :informasi: :yang: :diperoleh: :lebih: :kuat: :dalam: :menjelaskanhubungan sebab akibatsM-CMjMs'MjSM;r(s=s"M-s'MjSM;r(s8#skr"M-f:M-,sDM"MsK;$rj'MCSK-M(s"MCM,sinformasi yang diperoleh belum tentu merupakan hubungan sebab-akibat. Untuk fixed data, penelitisebelumnya: :telah: :memiliki: :beberapa: :nilai: :variabel: :X: :yang: :ingin: :diteliti.: :Sedangkan,: :padaobservational data, variabel X yang diamati bisa berapa saja, tergantung keadaan di lapangan.Biasanya, fixed data diperoleh dari percobaan laboratorium, dan observational data diperolehdengan menggunakan kuesioner.Di dalam suatu model regresi kita akan menemukan koefisien-koefisien. Koefisien padamodel regresi sebenarnya adalah nilai duga parameter di dalam model regresi untuk kondisi yangsebenarnya ((LINEAR GS(SR ), sama halnya dengan statistik ON) (rata-rata) pada konsep statistikadasar. Hanya saja, koefisien-koefisien untuk model regresi merupakan suatu nilai rata-rata yangberpeluang terjadi pada variabel Y (variabel terikat) bila suatu nilai X (variabel bebas) diberikan.Koefisien regresi dapat dibedakan menjadi 2 macam, yaitu1. Intersep (S (NLAND()Intersep, definisi secara metematis adalah suatu titik perpotongan antara suatu garis dengansumbu Y pada diagram/sumbu kartesius saat nilai X = 0. Sedangkan definisi secara statistikaadalah NODAOReA)AneA)A pada variabel Y apabila nilai pada variabel X bernilai 0. Dengan katalain, apabila X tidak memberikan kontribusi, maka secara rata-rata, variabel Y akan bernilaisebesar intersep. Perlu diingat, intersep hanyalah suatu konstanta yang memungkinkan:munculnya koefisien lain di dalam model regresi. Intersep tidak selalu dapat atau perlu:untuk diinterpretasikan. Apabila data pengamatan pada variabel X tidak mencakup nilai 0atau mendekati 0, maka intersep tidak memiliki makna yang berarti, sehingga tidak perludiinterpretasikan.1
Copyright 2008 Deny Kurniawanhttp://ineddeni.wordpress.com
R Development Core Team (2008). R: A language and environment forstatistical computing. R Foundation for Statistical Computing,Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->