ANALISIS REGRESI

Dalam analisa data sering dilakukan pembuatan kurva yang dapat

mewakili suatu rangkaian data yang diberikan dalam sistem koordinat x-y .
Karena adanya kesalahan dan ketidakpastian dalam pengujian, atau variasi
perubahan data dari waktu ke waktu maka titik-titik data akan tersebar dalam
koordinat x-y
Dalam analisa regresi akan dibuat kurva atau fungsi berdasarkan sebaran
titik data. Kurva yang terbentuk diharapkan dapat mewakili titik-titik data
tersebut. Setelah kurva terbentuk, seringkali dilakukan ekstrapolasi untuk
mendapatkan nilai y yang berkaitan dengan nilai x yang berada di luar rangkaian
data yang ada.




1. REGRESI LINIER

Bentuk paling sederhanan dari regresi dengan menggunakan metode kuadrat
terkecil adalah apabila kurva yang mewakili titik-titik data merupakan garis
lurus.
Bentuk persamaannya adalah :


x b a y
t
. +

Dalam hal ini :


( ) / 4 24. 8906 0. 5638 0 0 1 272. 64 276. 3298 ( )
2 2
.
. . .
i i
i i i i
x x n
y x y x n
b

x b y a .
data jumlah n
y data dari rata rata nilai y
x data dari rata rata nilai x

Jumlah kuadrat dari kesalahan dapat dihitung

( ) 276. 72 130. 5298 4. 92 30. 12 0 / 4 25. 3633 0. 5792 0 0 1 276. 72 136. 0498 25. 3633 ( )
2
1
2
y y D
i
n
i
t

berdasarkan nilai y rata-rata

( ) / 4 20. 9688 0. 675 0 0 1 279. 48 92. 2498 ( )
2
1
2
t i
n
i
y y D

berdasarkan nilai hasil regresi

Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.

Sehingga untuk menghitung nilai koefisien korelasi ( r ) adalah :
2
2 2
t
t
D
D D
r

Untuk persamaan garis regresi representative mempunyai nilai r 1


2. LINIERISASI KURVA TAK LINIER

Ada dua cara untuk melinierisasi kurva tak linier yaitu :

Persamaan Berpangkat
Persamaan ini merupakan hasil transformasi persamaan fungsi logaritma
sehingga disebut dengan transformasi log.



Bentuk persamaannya adalah
b
t
x a y .


Jika persamaan tersebut ditransformasi linier bentuk fungsi logaritma akan
menghasilkan bentuk persamaan sebagai berikut :

b
x a y .

b
x a y . log . log x b a y log . . log . log +

Jika dimisalkan ;
p = log y ; B = b
A = log a ; q = log x

Maka bentuk persamaan linier hasil transformasi dapat ditulis :

q B A p . +


Dalam hal ini:

n
x
q
i
. log
dan
n
y
p
i
. log


( ) / 4 24. 8789 0. 5641 0 0 1 235. 92 71. 3698 ( )
2 2
.
. . .
i i
i i i i
q q n
p q p q n
B

dan q B p A .
Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.

n = jumlah data


Persamaan Fungsi Eksponensial
Dalam persamaan ini digunakan penyelesaian dalam bentuk fungsi logaritma
natural atau yang disebut dengan transformasi ln.

Bentuk persamaannya adalah
x b
t
e a y
.
.


Jika persamaan tersebut ditransformasi linier bentuk fungsi logaritma natural
akan menghasilkan bentuk persamaan sebagai berikut :

x b
e a y
.
.

x b
e a y
.
. ln . ln e x b a y ln . . ln ln +

Karena ln e = 1 , maka

x b a y . ln ln +

Jika dimisalkan ;
p = ln y ; B = b
A = ln a ; q = x

Maka bentuk persamaan linier hasil transformasi dapat ditulis :

q B A p . +


Dalam hal ini:

n
q
q
i

dan
n
y
p
i
. ln

( ) / 4 24. 8789 0. 5641 0 0 1 271. 92 173. 2498 ( )
2 2
.
. . .
i i
i i i i
q q n
p q p q n
B

dan q B p A .

n = jumlah data

Nilai koefisien korelasi ( r ) dari kedua bentuk transformasi tersebut dapat
dihitung dengan rumus sebagai berikut :
Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.
2
2 2
t
t
D
D D
r

3. REGRESI POLINOMIAL

Bentuk persamaan polinomial order 1 ( persamaan linier ) adalah :
x a a y .
1 0
+

Bentuk persamaan polinomial order 2 ( persamaan kuadratik ) adalah :
2
2 1 0
. . x a x a a y + +

Bentuk persamaan polinomial order 3 ( persamaan berpangkat tiga ) adalah :
3
3
2
2 1 0
. . . x a x a x a a y + + +

Sehingga bentuk persamaan polinomial order r dapat ditulis sebagai berikut :
r
r
x a x a x a x a a y . . .......... . . .
3
3
2
2 1 0
+ + + + +

Sedangkan jumlah kuadrat dari kesalahan dapat dihitung
( ) / 4 22. 6563 0. 625 0 0 1 384. 72 383. 1298 ( ) ( ) / 4 22. 6563 0. 625 0 0 1 388. 32 383. 1298 ( )
2
3
3
2
2 1 0
1
2
. . .......... . . .
r
r i
n
i
x a x a x a x a a y D + + + + +

Jika persamaan terakhir di atas diturunkan terhadap tiap-tiap koefisien
polinomial ( a
0
, a
1
, a
2
, ...., a
r
) dan disama dengankan nol maka akan diperoleh :

( ) / 4 18. 832 0. 6709 0 0 1 384. 36 281. 6098 ( ) ( ) / 4 18. 832 0. 6709 0 0 1 387. 6 281. 6098 ( ) 0 . . .......... . . . 2
3
3
2
2 1 0
1 0
2
+ + + + +

r
r i
n
i
x a x a x a x a a y
a
D


( ) / 4 21. 2031 0. 5859 0 0 1 395. 16 227. 6098 ( ) ( ) / 4 21. 2031 0. 5859 0 0 1 398. 28 227. 6098 ( ) 0 . . .......... . . . 2
3
3
2
2 1 0
1 1
2
+ + + + +

r
r i i
n
i
x a x a x a x a a y x
a
D


( ) / 4 22. 3945 0. 5558 0 0 1 401. 4 170. 4898 ( ) ( ) / 4 22. 3945 0. 5558 0 0 1 404. 64 170. 4898 ( ) 0 . . .......... . . . 2
3
3
2
2 1 0
2
1
2
2
+ + + + +

r
r i i
n
i
x a x a x a x a a y x
a
D




Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.
( ) / 4 21. 8477 0. 6493 0 0 1 432. 72 732. 9297 ( ) ( ) / 4 21. 8477 0. 6493 0 0 1 436. 32 732. 9297 ( ) 0 . . .......... . . . 2
3
3
2
2 1 0
1
2
+ + + + +

r
r i
r
i
n
i r
x a x a x a x a a y x
a
D



Jika dimatrikskan akan berbentuk sbb :

1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
]
1

,
_

+ + +
+
+
i
r
i
i i
i i
i
r
r r
i
r
i
r
i
r
i
r
i i i i
r
i i i i
r
i i i
y x
y x
y x
y
a
a
a
a
x x x x
x x x x
x x x x
x x x n
.
.
.
.
.
.
.
. .
. ,
. ,
. .
. .
, ,
2
2
1
0
2 1
2 4 3 2
1 3 2
2


Dari persamaan matriks ini akan dicari nilai koefisien dari a
0
, a
1
, a
2
, ...., a
r

dengan metode yang telah dipelajari pada bab sebelumnya .

Untuk materi kali ini, pembahasan soal hanya diselesaikan sebatas persamaan
regresi polinomial order dua ( regresi kuadratik ).
Bentuk persamaan matriksnya adalah

1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

i i
i i
i
i i i
i i i
i i
y x
y x
y
a
a
a
x x x
x x x
x x n
.
.
2
2
1
0
4 3 2
3 2
2


Dengan bentuk akhir persamaan polinomialnya adalah :
2
2 1 0
. . x a x a a y
t
+ +


4. REGRESI LINIER DENGAN BANYAK VARIABEL

Secara umum persamaan regresi dengan m variabel ( m = jumlah variabel )
mempunyai bentuk
m m
x a x a x a a y . ...... . .
2 2 1 1 0
+ + + +

dimana untuk nilai a
0
, a
1
, a
2
sampai a
m
dapat dihitung dari sistem persamaan
berikut

Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.

1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
1
]
1

i i m
i i
i i
i
m i m
i i m i i m i m
i m i i i i i
i m i i i
i
i
i m i i
y x
y x
y x
y
a
a
a
a
x x x x x x
x x
x
x x x
x x x x x x
x x x n
. ,
. , 2
. , 1
2
1
0
2
,
, 2 . , , 1 . , ,
, . , 2
2
, 2 , 1 . , 2 , 2
, . , 1 , 2 . , 1
2
, 1
, 1
, , 2 , 1
.
.
.
.
.
. *
.
.
.
.
........
.
.
.
.
.....
......


Dalam hal ini n adalah jumlah data

Untuk materi kali ini hanya akan dibahas regresi linier berganda dengan dua
variabel.

REGRESI LINIER BERGANDA ( DUA VARIABEL )

Metode regresi linier untuk kasus dimana y memiliki fungsi linier dari dua
variabel x
1
dan x
2
dapat dituliskan :

2 2 1 1 0
. . x a x a a y + +

Dengan menurunkan persamaan kuadrat dari kesalahan terhadap tiap-tiap
koefisien dari polinomialnya ( seperti yang dilakukan pada pasal sebelumnya ),
maka akan diperoleh suatu persamaan dalam bentuk matriks seperti dibawah ini


1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

y x
y x
y
a
a
a
x x x x
x x x x
x x n
i
.
.
.
.
2
1
2
1
0
2
2 2 1 2
2 1
2
1 1
2 1


Sedangkan untuk nilai a
0
, a
1
, a
2
dapat dicari dengan menggunakan metode
perhitungan seperti yang telah dibahas pada bab sebelumnya.( sistem persamaan
linier )






Please purchase PDFcamp Printer on http://www.verypdf.com/ to remove this watermark.