Regresi Linier

1
 Asumsi-asumi Regresi Liner

 Normalitas
 untuk X, nilai-nilai Y berdistribusi normal
 Probabilitas distribusi error adalah normal
 2. Homoskedastisity (Constant Variance)
 3. Independensi Errors

2
 Variasi Errors Disekitar
Garis Regresi
• Nilai-nilai Y berdistribusi normal
f(e) disekitar garis regresi.
• Pada setiap nilai X , “spread” atau
varian disekitar garis regresi adalah
sama.

Y
X2
X1
X
Garis regresi sampel
3
 Analisa Residual
 Tujuan
 Memeriksa lineritas
 Mengevaluasi pelanggaran asumpsi-asumsi
 Analisa grafik Residuals
 Plot residuals dengan Xi , Yi dan waktu

4
 Analisa Residual dan Lineritas
Y Y

X X
e e
X
X

Tidak Liner
 Liner
5
 Studentized Residual
 X X
2
ei 1 i
 SRi  where hi   n
1  hi n
SYX
 X  X 
2
i
i 1

 Residual dibagi dengan standard error nya

 Standardized residual disesuaikan dengan jarak
dari rerata nilai X
 Memungkinkan peneliti untuk menormalkan
besarnya residual units yang menggambarkan
variasi disekitar garis regresi

6
 Analisa Residual dan
Homoskedastisiti

Y Y

X X
SR SR

X X

Heteroskedastisitas Homoskedastisitas
7
 Contoh Analisa Residual
Observation Predicted Y Residuals
1 4202.344417 -521.3444173
2 3928.803824 -533.8038245
3 5822.775103 830.2248971
4 9894.664688 -351.6646882
5 3557.14541 -239.1454103
6 4918.90184 644.0981603
7 3588.364717 171.6352829
Residual Plot

0 1000 2000 3000 4000 5000 6000

Square Feet
8
 Analisa Residual dan
Autokorelasi
 Nilai statistik Durbin-Watson
 digunakan bila data yang dikumpulkan berupa time
series untuk mendeteksi autokorelasi (residual
suatu periode berhubungan dengan residual pada
periode lain)
 Mengukur pelanggaran asumsi independensi
n

 i i 1
( e  e ) 2 Mendekati 2, bila tidak,
model mungkin ada
D i 2
n gejala autokorelasi.
i
e 2

i 1
9
 Penentuan Nilai Kritis
Nilai Statistik Durbin-Watson
Menemukan nilai kritis Durbin-Watson

   5
p=1 p=2
n dL dU dL dU
15 1 .0 8 1 .3 6 .9 5 1 .5 4
16 1 .1 0 1 .3 7 .9 8 1 .5 4
10
 Penggunaan Nilai
Statistik Durbin-Watson
H: 0Tidak ada autokorelasi (error terms independen)
H: 1 Terdapat autokorelasi (error terms tidak
independen)

Tolak H0 Inconclusive Tolak H0

(positif (negatif
Tolak H1
autokorelasi) autokorelasi)
(tidak ada autokorelasi)

0 dL dU 2 4-dU 4-dL 4
11
 Analisa Residual dan
Independensi
Pendekatan Grapik

e
Tidak Independen
 Independen

Waktu Waktu

Pola siklus Tidak ada pola tertentu

Residual diplot terhadap waktu untuk mendeteksi autokorelasi

12
 Apa Yang Sudah Dipelajari
Pada Bab ini?
 Membahas asumsi-asumsi regresi dan korelasi
 Mendiskusikan analisa residual
 Membahas pengukuran autokorelasi

13