You are on page 1of 37

. ..

. ..
Tujuon PembeIojoron
MenjeIoskon regresi don koreIosi
Menghifung don menginferprefosikon orfi dori
persomoon regresi don sfondord error dori
esfimosi-esfimosi unfuk onoIisis regresi Iinier
sederhono
Menggunokon ukuron-ukuron yong diperoIeh dori
onoIisis regresi don koreIosi unfuk membuof
dugoon-dugoon infervoI dori voriobeI-voriobeI
ferikof bogi keperIuon peromoIon (forecosfing)
Menghifung don menjeIoskon mokno dori
koefisien-koefisien koreIosi don deferminosi doIom
menggunokon feknik-feknik onoIiso koreIosi Iinier
sederhono
. ..
gendo
PendohuIuon
noIisis Pegresi Linier Sederhono
Uji-uji PeIosi don InfervoI Prediksi
noIisis IoreIosi Linier Sederhono
. ..
PendohuIuon
noIiso regresi digunokon unfuk mempeIojori don mengukur
hubungon sfofisfik yong ferjodi onforo duo ofou Iebih
voribeI DoIom regresi sederhono dikoji duo voriobeI,
sedongkon doIom regresi mojemuk dikoji Iebih dori duo
voriobeI
DoIom onoIiso regresi suofu persomoon regresi hendok
difenfukon don digunokon unfuk menggomborkon poIo ofou
fungsi hubungon yong ferdopof onfor voriobeI
VoriobeI yong okon diesfimosi niIoinyo disebuf voriobeI
ferikof (dependenf voriobIe ofou response voriobIe) don
biosonyo dipIof podo sumbu fegok (sumbu-y) Sedongkon
voriobeI bebos (independenf voriobIe ofou expIonofory
voriobIe) odoIoh voriobeI yong diosumsikon memberikon
pengoruh ferhodop voriosi voriobeI ferikof don biosonyo
dipIof podo sumbu dofor (sumbu-x)
. ..
PendohuIuon
noIiso koreIosi berfujuon unfuk mengukur
"seberopo kuof" ofou "derojof kedekofon"
suofu reIosi yong ferjodi onfor voriobeI
noIiso regresi ingin mengefohui poIo reIosi
doIom benfuk persomoon regresi,
noIiso koreIosi ingin mengefohui kekuofon
hubungon fersebuf doIom koefisien
koreIosinyo Dengon demikion biosonyo
onoIiso regresi don koreIosi sering
diIokukon bersomo-somo
. ..
PendohuIuon
DoIom menenfukon opokoh ferdopof suofu
hubungon yong Iogis onfor voriobeI, ferufomo biIo
peniIoion diIokukon ferhodop ongko-ongko sfofisfik
sojo, perIu diperhofikon beberopo hoI yong
berkoifon dengon mosuk okoI ofou fidoknyo
hubungon fersebuf jiko difinjou dori sifof dosor
hubungon fersebuf
Terdopof beberopo kemungkinon benfuk reIosi
meIipufi hubungon sebob okibof (couse-ond-effecf
reIofionship), hubungon okibof penyebob yong
somo (common-couse focfor reIofionship)
hubungon semu (spurious reIofionship)
. ..
PendohuIuon
Longkoh perfomo doIom mengonoIiso reIosi
onfor voriobeI odoIoh dengon membuof
diogrom pencor (scoffer diogrom) yong
menggomborkon fifik-fifik pIof dori dofo
yong diperoIeh Diogrom pencor ini berguno
unfuk
- membonfu doIom meIihof opokoh odo reIosi yong
berguno onfor voriobeI,
- membonfu doIom menenfukon jenis persomoon
yong okon digunokon unfuk menenfukon
hubungon fersebuf
. ..
PendohuIuon
L|r|er pos|l|l L|r|er regal|l
. ..
PendohuIuon
:rve||r|er pos|l|l :rve||r|er regal|l
. ..
PendohuIuon
:rve||r|er
Ta| lerl:
. ..
noIisis Pegresi Lineor
Fungsi regresi linear dapat dinyatakan dalam hubungan matematis oleh: BX A Y
Sebagai misal Y 2 1,4X, secara teoritis bila X 10, maka Y 16 Pada kenyataannya
tidak demikian, sebab yang mempengaruhi Y bukan hanya X tetapi ada Iaktor lain yang tidak
dimasukkan dalam persamaan, Iaktor tersebut secara keseluruhan disebut sebagai
'kesalahan (disturbance`s error) Adanya kesalahan ini menjadikan perkiraan menjadi tidak
akurat, selalu ada resiko yang disebabkan oleh adanya kesalahan Kesalahan ini tidak dapat
dihilangkan sama sekali, maka resiko ini harus diperkecil sekecil mungkin dengan
memperkecil kesalahan Dengan memperhitungkan kesalahan, regresi linear dinyatakan
sebagai Z BX A Y
. ..
noIisis Pegresi Lineor
Asumsi yang digunakan dalam regresi linear adalah sebagai berikut:
a 0 Z


b
2 2
9 Z


c 0 ) , cov( Z Z Z Z


d

X konstan
Untuk memperkirakan A dan B dipergunakan metode kuadrat kesalahan terkecil, dimana
Model sebenarnya : Z BX A Y
Model perkiraan : e bX a Y
a, b, dan e adalah penduga untuk A, B, dan Z

e bX a Y atau ) (

bX a Y e dan
2
2
) (


bX a Y e


. ..
noIisis Pegresi Lineor
penurunan parsial terhadap a dan b yang sederhana diperoleh

2
2
2

X X n
Y X X X Y
X b Y a /,3


X X n
Y X Y X n
b
2
2

. ..
noIisis Pegresi Lineor

0aroar 2 0ar|s regres| ||r|er pada d|agrar percar
Ay
(+)
Ay
(+)
Ay
(+)
Ay
(+)
Ay
(-)
Ay
(-)
Ay
(-)
Ay
(-)
Ay
(0)
Ay
(0)
,

y a ox

. ..
noIisis Pegresi Lineor
ilai variabel A dan B untuk populasi diberikan oleh
X B Y A /,3

X
Y X
X X
Y X XY
B
9
9

var
, cov
2
2

Bila



n Y X Y X
n
s



1
adalah penduga untuk

9 dan



n X X
n
s



1
2
2 2
adalah penduga untuk
2

9 2,,


s
s
b
2 2

. ..
noIisis Pegresi Lineor
/2,3,



n Y X Y X


dan



n X X


2
2 2

e
b

b
2
2
2
var
9
9 /,3

e a

X
n
a
2
2
2 2
1
var 9 9



2
2
2
,
, cov
e

b a

X
b a 9 9


. ..
noIisis Pegresi Lineor
6ontoh 1
0ar| suatu prakt|kum f|s|ka dasar d|pero|eh data yang menghubungkan var|abe|
bebas dan var|abe| ter|kat sepert| d|tunjukkan da|am tabe| ber|kut.
&| |e- x y
1 30
2 9 19
3 3 18
1 8 12
5 Z 39
5 25
Z 8 11
8 10 52
L
5 29

. ..
noIisis Pegresi Lineor
||a oerdasar|ar |a|ar leor|l|s dar s|lal dar| lerorera yarg rergr:o:rg|ar x
dar y dapal d|as:rs||ar rerp:rya| oerl:| r:o:rgar ||r|er, ra|a persaraar
gar|s regres|rya dapal d|lerl:|ar seoaga| oer||:l.
Taoe| perr|l:rgar:
&| |e- x y xy x
2
y
2
1 30 180 3 900
2 9 19 111 81 2101
3 3 18 51 9 321
1 8 12 33 1 1Z1
5 Z 39 2Z3 19 1521
5 25 125 25 25
Z 8 11 328 1 181
8 10 52 520 100 2Z01
L
5 29 225Z 128 12920


5 29
Z 3Z
8 8
x y
x y
n n


. ..
noIisis Pegresi Lineor
o|or y
2
d|laroar|ar pada laoe| res||p:r oe|:r d|g:ra|ar :rl:| perr|l:rgar
persaraar gar|s regres|. N||a| lerseo:l a|ar d|g:ra|ar |er:d|ar. ad| dergar
rergg:ra|ar ras|| pada laoe|, r||a| dar| |orslarla a dar o dapal d|lerl:|ar:



2 2
2
8(225Z) (5)(29) 1180
5,1389
288 8(128) (5)
n xy x y
o
n x x

3Z (5,1389)(Z) 1,02ZZ a y ox
ad| persaraar gar|s regres| ||r|er yarg rerggaroar|ar r:o:rgar arlara
var|aoe| x dar y dar| dala sarpe| pada percooaar/pra|l||:r d| alas ada|ar:

1,02ZZ 5,1389 y a ox x
0ergar rergg:ra|ar persaraar gar|s regres| yarg d|pero|er, ra|a dapal
d|per||ra|ar ras|| yarg a|ar d|pero|er (r||a| y) :rl:| s:al: r||a| x lerlerl:.
V|sa|rya :rl:| x = 1 ra|a dapal d|per||ra|ar oarWa y a|ar oerr||a|:

1,02ZZ 5,1389 y a ox x =1,02ZZ 5,1389(1) = 21,583



. ..
noIisis Pegresi Lineor
y = 5.1389x + 1.0278
0
10
20
30
10
50
0
0 2 1 8 10 12

0aroar. 0ar|s regres| :rl:| corlor soa| 1


. ..
noIisis Pegresi Lineor
Karena variansi dari A dan B tidak diketahui maka digunakan variansi
dari a dan b yang dapat dinyatakan sebagai
2 2 2
2 2
2
2


n
b
n
b
n
e
S



e
b

S
S
2
2
2
/,3

e a

X
n
S S
2
2
2 2
1

. ..
noIisis Pegresi Lineor
x x
y y
(a)x (o)x
Derojof voriosi seboron dofo
. ..
noIisis Pegresi Lineor
0ergar rergg:ra|ar dala dar laoe| perr|l:rgar pada corlor 1, ra|a slardard
error esl|ras| dar| gar|s regres| yarg d|pero|er ada|ar:


2
,
2
(11,920) 1,02ZZ(29) 5,1389(2,25Z)
1,98
8 2
y x
y a y o xy
s
n

. ..
Uji Ioefisien don IoreIosi
Untuk melihat pengaruh X terhadap Y, maka dilakukan pengujian pada koeIisien regresi
B Bila X tidak mempengaruhi Y maka B 0, bila ada pengaruh negatiI B 0, ada pengaruh
positiI B ~ 0, dan bila ada pengaruh X terhadap Y maka B= 0 Perumusan untuk pengujian
koeIisien regresi B, adalah:
a
o
: B 0
b
1
: B ~ 0

(ada pengaruh X terhadap Y positiI)

1
: B 0

(ada pengaruh X terhadap Y negatiI)

1
: B= 0 (ada pengaruh X terhadap Y)
c Dengan diketahui, dari tabel distribusi-t maka dapat dihitung

9 untuk pengujian satu


arah dan
2

9 untuk pengujian dua arah


d %entukan statistik uji (t
b
) yang diberikan oleh
b
o
b
s
B b
9

s
s

b
2
2
,
) (

e Simpulkan, tolak
o
atau terima
o


. ..
Uji Ioefisien don IoreIosi
Pendugaan Parameter Regresi
Dari nilai atau derajat kepercayaan (1 - ) yang telah ditentukan, interval
pendugaan parameter A dan B dapat ditentukan, yang diberikan masing-masing oleh:
b b
s 9 b B s 9 b
2 2

A A dan

a a
s 9 a A s 9 a
2 2

A A
. ..
Uji Ioefisien don IoreIosi
0ergar rergg:ra|ar dala dar laoe| perr|l:rgar pada corlor 1 dar ras||
perr|l:rgar slardard error esl|ras| dar| gar|s regres| yarg d|pero|er pada corlor 12,
ra|a :| |er|r|rgar (s|ope) gar|s regres| dapal d||a|:|ar seoaga| oer||:l:
1. l|poles|s:
l
o
: 3 = 0
l
'
: 3 = 0
2. = 0.05
3. 0|g:ra|ar d|slr|o:s| 9
0,025
dergar /1 = n - 2 = 8 - 2 =
1. 8alas-oalas daerar pero|a|ar :| d:a ::rg (lWo-la||ed)
0ar| laoe| d|slr|o:s| l oalas |r|l|s ada|ar = 9
.7
= 2,11Z
5. Al:rar |ep:l:sar:
To|a| l
0
dar ler|ra l
'
||a peroedaar yarg lerslardard arlara |er|r|rgar
sarp|e (o) dar |er|r|rgar pop:|as| yarg d|r|poles|s|ar (8
lo
) |:rarg dar| -
2,11Z ala: |eo|r dar| 2,11Z. ||a seoa|||rya ler|ra l
0

. ..
Uji Ioefisien don IoreIosi
. Ras|o &|



,
2 2
2
1,98 1,98
0,283

5
128
8
y x
o
s
s
x
x
n



5,1389 0
18,159
0,283
o
l
9 90s9
o
o 3
Ru 9
s


Z. Pergaro||ar |ep:l:sar
arera Ru
9
= 18,159 oerr||a| a:r |eo|r oesar dar|pada r||a| oalas 9
.7
= 2,11Z,
ra|a l
0
: 3 = 0 d|lo|a|. la| |r| oarWa r|poles|s a|lerral|l yarg reryala|ar
oarWa lerdapal |er|r|rgar pada gar|s regres| :rl:| pop:|as| serla s:al:
r:o:rgar regres| yarg oerarl| oerar-oerar ada arlara var|aoe| X dar Y.

es|rp:|ar d|alas dapal :ga d|per|:al dergar rererl:|ar per||raar |rlerva|
r||a| 3 dergar l|rg|al |epercayaar 95 perser seoaga|:
o - 9(s
o
) < 3 < o - l(s
o
)
5,1389 - 2,11Z(0,283) < 3 < 5,1389 2,11Z(0,283)
1,111 < 3 < 5,8311
. ..
0ergar rergarggap r||a| var|ao|e ler||al, y yarg ses:rgg:rrya lerd|slr|o:s|
rorra| d| se||lar gar|s regres| ra|a s:al: esl|ras| |rlerva| dapal d|pero|er seoaga|:

I
,

y x
y z s
0a|ar re|as| ( z ada|ar s|or z yarg a|ar rererl:|ar l|rg|al |epercayaar dar|
perer|raar esl|ras| |rlerva| yarg d||a|:|ar. 0aroar Z rerg||:slras||ar esl|ras|
|rlerva| :rl:| z = 2.

0aroar Z lrlerprelas| dar ap|||as| esl|ras| |rlerva| :rl:| sarpe| oesar
x
y
y

,
3
y x
s

,
3
y x
s
1
x
1
y I
1 ,
2
y x
y s
. ..
&ntuk 8ampe| Kec|| (n < 30}
a. Pred||s| |sarar N||a| Rala-rala y ||a 0||elar:| x
Esl|ras| |rlerva| :rl:| sarpe| |ec|| dergar s|l:as| |r| dapal d|pero|er dergar
r:r:s oer||:l:


2
/ 2 ,
2
2
1


y x
x x
y 9 s
n
x
x
n

d|rara:

y = esl|ras| l|l|| yarg d|r|l:rg dergar persaraar regres| :rl:| r||a| x lerlerl:
9
2
= r||a| l :rl:| d/2 ( =l|rg|al |epercayaar) dergar deraal |eoeoasar r-2
x

= r||a| x yarg d|lerl:|ar


n = :r|ar ooservas| pasargar pada sarpe|
. ..
o. Pred||s| |sarar N||a| 3pes|l|| y ||a 0||elar:| x
Esl|ras| |rlerva| :rl:| sarpe| |ec|| dergar s|l:as| |r| dapal d|pero|er dergar
r:r:s oer||:l:


2
/ 2 ,
2
2
1

1

y x
x x
y 9 s
n
x
x
n

. ..
0ergar rergg:ra|ar dala dar laoe| perr|l:rgar pada corlor 1 dar persaraar
gar|s regres| yarg d|ras|||ar serla r||a| sy,x pada corlor 2 , dapal d|pred||s|
dergar l|rg|al |epercayaar 95 perser dar deraal |eoeoasar = r - 2 = 8 -2 = ,
:rl:| x = 1,





2
/ 2 ,
2
2
2
2
1

1 Z
1
21,583 2,11Z 1,98
8
128 5 8

y x
x x
y 9 s
n
x
x
n

ad| dergar deraal |epercayaar 95 perser d|pero|er: 19,038 <

< 21,128
. ..
noIisis IoreIosi
Sebelum dilakukan analisa regresi, langkah yang biasa ditempuh adalah melakukan
analisa korelasi yang ditujukan untuk mengetahui erat tidaknya hubungan antar variabel
Pada analisa regresi, untuk observasi Y diasumsikan bahwa X adalah tetap konstan dari
sampel ke sampel Interpretasi koeIisien korelasi untuk mengukur kuatnya hubungan antar
variabel tergantung pada asumsi yang digunakan untuk X dan Y Bila X dan Y bervariasi
maka koeIisien korelasi akan mengukur 'covariability (kesamaan variasi) antara X dan Y Di
dalam analisa regresi, koeIisien korelasi digunakan untuk mengukur 'cocoktepat (Iitness)
garis regresi sebagai pendekatan data observasi Besarnya koeIisien korelasi dinyatakan
sebagai


Y X
9 9
9
9 9
8
) , cov(

Dalam prakteknya, 8 tidak diketahui tetapi nilainya dapat diestimasi berdasar data sampel
Bila r adalah penduga 8 , dengan r dinyatakan sebagai




Y Y n X X n
Y X Y X n


7
2
2
2
2

. ..
noIisis IoreIosi
Pengujian hipotesis tentang 8 dilakukan dengan langkah-langkah sebagai berikut
a
o
: 8 0 (tidak ada hubungan antara X dan Y)

1
: 8 ~ 0

(ada hubungan positiI)

1
: 8 0

(ada hubungan negatiI)

1
: 8 = 0 (ada hubungan)
Apabila 8 0, maka variansi r diberikan oleh
2
1
) var(
2
2


n
7
7
7
9
Dimana r
2
disebut sebagai koeIisien determinasi untuk mengukur besarnya kontribusi X
terhadap variasi Y


b Dengan diketahui, dari tabel distribusi-t maka dapat dihitung
) 2 ( n
9

untuk pengujian
satu arah dan
) 2 (
2
n
9

untuk pengujian dua arah


c %entukan statistik uji (t
b
) yang diberikan oleh
2
1
2
7
n 7
9
7

dengan derajat kebebasan n


d Simpulkan, tolak
o
atau terima
o

. ..
noIisis IoreIosi
0ergar rergg:ra|ar dala dar laoe| perr|l:rgar pada corlor 1 dar persaraar
gar|s regres| yarg d|ras|||ar dapal d|pero|er |oel|s|er delerr|ras| dar |oel|s|er
|ore|as| seoaga| oer||:l. 0ar| persaraar regres| a = 1,02ZZ dar o = 5,1389.
:r|ar pasargar pergaralar n = 8. Va|a:




2
2
2 2
2
2
1,02ZZ 29 5,1389 225Z 8 3Z
0,982
11920 8 3Z
a y o xy n y
7
y n y

0,982 0,991 7
. ..
noIisis IoreIosi
ubungan antara koeIisien regresi b dengan koeIisien korelasi r dinyatakan oleh

s
s
7 b dimana


Y Y
n
s
2
1
dan


X X
n
s
2
1

. ..
noIisis IoreIosi
Dalam statistika seringkali menduga nilai rata-rata Y pada nilai X tertentu %elah
ditunjukkan bahwa bX a Y

adalah penduga E(Y,X) Misalkan


o
Y

adalah nilai Y

pada X
X
o
, maka

o o o o o o
X Y BX A X b a bX a Y ,


Interval penduga E(Y
o
,X
o
) dengan tingkat keyakinan 1 diberikan oleh




A A


2
2
2
2
2
2
1
,
1

o
e o o o

o
e o
X
X X
n
s 9 bX a X Y
X
X X
n
s 9 bX a


Interval penduga untuk individu Y
o
pada X X
o
diberikan oleh




A A


2
2
2
2
2
2
1 1

o
e o o

o
e o
X
X X
n
s 9 bX a Y
X
X X
n
s 9 bX a


. ..
Pegresi Lineor Mon Lineor
%idak selamanya hubungan antara X dan Y dapat bersiIat linear, akan tetapi bisa juga
non linear Metode kesalahan kuadrat terkecil dapat pula digunakan untuk menentukan
parameter sebagai koeIisien pada hubungan yang non linear Bentuk-bentuk hubungan non
linear dapat didekatiditransIormasi sebagai hubungan linear, %abel 111 adalah beberapa
bentuk transIormasi dari non linear menjadi linear
o o o o
X B A Y
%abel 111 ubungan KoeIisien on Linear Dengan asil %ransIormasi Linear
Persamaan Hasil Transformasi
o o o o
X B A Y
Persamaan Asal
o
Y
o
A
o
B
o
X
B
AX Y
Y log A log

X log
X
B
A Y
Y A B
X
1

BX
Ae Y Y ln A ln B X
X
AB Y
Y log A log B log
X

You might also like