Mata Kuliah: Statistik Inferensial

ANALISIS REGRESI DAN KORELASI BERGANDA

1

OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Pengertian Bentuk Fungsi, Variabel, dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi NonLinier

Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar

Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier

Analisis Variabel Kualitatif

Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi

Analisis Regresi dan Korelasi Berganda

2

CONTOH BENTUK NONLINIER, VARIABEL KUALITATIF, DAN DISTRIBUSI LAG
Hubungan laba dan kredit di perbankan lebih mendekati fungsi kuadratik

Hubungan Laba dan Kredit Bank 2002
80

K redit

60 40 20 0 1 2 5 8 9 11 15 25 25 36 Laba Data Riel Trend Linear Trend Akar X

3

1

Variabel. dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Nonlinier Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier Analisis Variabel Kualitatif Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi Analisis Regresi dan Korelasi Berganda Fungsi. dan Masalah dalam Analisis Regresi 5 PENGERTIAN REGRESI NONLINIER Regresi nonlinier atau kurvilinier. 6 2 . VARIABEL KUALITATIF.Mata Kuliah: Statistik Inferensial CONTOH BENTUK NONLINIER. Variabel. adalah suatu fungsi yang menggubungkan variabel tidak bebas Y dengan variabel bebas X yang sifatnya tidak konstan untuk setiap perubahan nilai X. DAN DISTRIBUSI LAG H u b u n g a n In f la s i.S u k u B u n g a T a h u n 1 9 9 2 -2 0 0 2 10000 1000 100 10 1 2 4 9 10 In f la s i D a ta R ie l Tre n d K u a d ra t 4 Suku Bunga 11 13 78 T r e n d L in e a r OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Bentuk Fungsi.

b(1/X) 4 5 6 7 8 9 3 . Bentuk Semi Log Y = αebX Bentuk semilog: perubahan X secara absolut menyebabkan perubahan Y secara proporsional Fungsi Semi Log 16 14 12 10 Fungsi Semi Log 16 14 12 10 8 6 4 2 0 Log Y= a + bx Log Y= a .Mata Kuliah: Statistik Inferensial BENTUK FUNGSI NONLINIER 1. Y = αXb Bentuk double log: perubahan X menyebabkan perubahan Y yang tidak sama Eksponensial (b<0) 16 Fungsi Line a r 20 15 Y 14 12 10 LnY = Lnα + Ln X α Y= a+bX 10 5 0 1 2 3 4 5 6 7 8 X Y 8 6 4 2 0 1 2 3 4 X 5 6 7 8 7 BENTUK FUNGSI NONLINIER 2. Bentuk Double Log. Bentuk Hiperbola Y= a + b (1/X) Bentuk hiperbola: Peningkatan X menyebabkan peningkatan Y nir-linier Fungsi Hiperbola 16 14 12 10 8 6 4 2 0 1 2 3 Y= a + b(1/X) Y= a .bx Y Y 8 6 4 2 0 1 2 3 4 5 6 7 8 X Log Y= a + bLog X Log Y= a – bLog X 1 2 3 4 5 6 7 8 X 8 BENTUK FUNGSI NONLINIER 3.

5 0.5 2.769 Ŷ 0.17 0.9 1.25 + 0.15 1.5 3.5 2.5 1 0.052 X 12 4 .00 20.8 0.5 2 1.76 0.00 Y 10.052 X .Mata Kuliah: Statistik Inferensial BENTUK FUNGSI NONLINIER 4.33 3.00 0.1 1.5 1.8 0.6 X 5 10 5 8 18 10 39 37 21 65 Y =0.60 Data Riel Trend Linier Hasil regresi Y = 0.00 2 4 9 10 11 13 78 X 10 CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI No 1 2 3 4 5 6 7 8 9 10 Bank Mandiri BNI 46 BCA BRI Danamon BII Permata Bank BTN Lippo Bank Citi Bank Laba (triliun) 3.5 3 2.1 0.1 0.25 + 0.50 0.5 2. Fungsi linier Y = a + b X Y 0.2 0.26 2.5 0.66 La ba 4 3. R2 = 0.2 0.9 0.5 0 5 5 8 10 10 18 Volume Kredit 21 37 39 65 Hubungan Kredit dan Laba 1.50 0. Bentuk Kuadratik Y= a + b X2 Bentuk Kuadratik: fungsi mempunyai titik minimum dan maksimum Fungsi Kuadratik 30.76 2.1 Kredit (triliun) 65 37 21 39 18 5 8 10 5 10 11 CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI 1.5 1.6 2.

7 3.6 2.5 2.5 2.3 3.12 0.5 1 0.87 14 CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI 4. Fungsi Kuadratik Y = a + b X2.5 3.1 0.6 2.68 + 1.9 1.6 X 5 10 5 8 18 10 39 37 21 65 LnX 1.8 0.6 2.3 R2 LnX 1.3 -1.80 0. X2 25 100 25 64 324 100 1521 1369 441 4225 Y 0. 65 5 5 13 CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI 3.89 0.0 4.10 3.6 3.9 1.81 Y -1.97364 + 1.80 H u b u n g a n K r e d it dan Laba 5 4 Laba 0.1 1.8 0.7 3.0 4. Y = αXb Y 0.1 2.5 2.4 0.64 Lb aa Hubungan Kredit dan Laba 4 3. R2= 0.8 0.83 15 5 .88 1.2 0.9 2. Fungsi Double Log.5 2.1 0.9 1.2 Y 0.5 0.89 2.2 1.2 -0.9 2.85 0.2 0.5 0.5 3.9 0.3 -0.2 0.3 -0.Mata Kuliah: Statistik Inferensial CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI 2.6 3.83 3 2 1 0 8 10 10 21 37 39 18 65 5 5 V o lu m e K r e d it D a t a R ie l T r e n d L in ie r Y=0.3 1.2 = 0.5 2 1.6 -1.1 0.0414 X.5 0 8 10 10 37 39 18 21 65 5 5 1.4 V o lu m e K r e d it D a t a R ie l T r e n d L in ie r Y = -2.7 -0.99 Volume Kredit Data Riel Trend Linier Y = -1.8 -2 H u b u n g a n K re d it d a n Laba 4 3 2 Laba 1 0 8 10 10 18 21 37 39 -1 0.5 0.72 2.36 1.8 0.0 -0.1 1.6 X 5 10 5 8 18 10 39 37 21 65 Ŷ 0.1 1.6 -0.3 1.78 + 0.5 2.5 3 2.12 X.8 0.5 2.6 0.1 0.9 1.1 2.77 1. R2 = 0.3 3.1 0.0007X.12 0. Fungsi Semilog Y = αebX Y 0.42 2.83 1.6 2.85 1.01 0.5 3.6 X 5 10 5 8 18 10 39 37 21 65 LnY -2.55 0.

dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Non Linier Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier Analisis Variabel Kualitatif Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi Analisis Regresi dan Korelasi Berganda Fungsi. Variabel. nilai 0 dan 1 Error 17 CONTOH PEMBUATAN REGRESI Responden 1 2 3 4 5 6 7 8 9 Minyak (Lt/bl) Harga (000/lt) Kesadaran Kolesterol 7 6 4 10 7 7 5 5 9 7 5 8 5 7 8 7 8 6 0 1 1 0 1 0 1 1 0 Persamaan regresinya adalah Y = a + b1X1 + b2 D + ε. dan Masalah dalam Analisis Regresi 16 RUMUS Y = a + b1X1 + b2 D + ε Di mana: Y X1 D ε : : : : Variabel tidak bebas Variabel bebas kuantitatif Variabel bebas kualitaif (Dummy). Variabel.Mata Kuliah: Statistik Inferensial OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengertian Bentuk Fungsi. 18 6 .

382 0.821 Adjusted R Square 0.Mata Kuliah: Statistik Inferensial PENGGUNAAN MS EXCEL UNTUK MENCARI KOEFISIEN REGRESI BERGANDA Regression Statistics Multiple R 0.906 R Square 0.035 X Variable 2 -2. … It-1.651 -3.723 Residual 6 5. Yt-1.286 -2. Variabel. dan Masalah dalam Analisis Regresi 20 CONTOH FUNGSI YANG MENGGUNAKAN VARIABEL LAG Fungsi Konsumsi Ct = f (Yt. πt-2.001 X Variable 1 -0.736 2. Ct-2.773 0.309 13.783 0. Yt-1.761 Standard Error 0.003 7. Variabel. … ) Fungsi Permintaan Qd = f (Px.773 X1 – 2. dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Non Linier Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier Analisis Variabel Kualitatif Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi Analisis Regresi dan Korelasi Berganda Fungsi.947 Observations 9 ANOVA df SS MS F Regression 2 24. Yt.000 Coefficients Standard Error t Stat P-value Intercept 15.618 12.857 0.706 0.897 Total 8 30.464 D 19 OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Bentuk Fungsi.736 – 0. Yt-2. Py. Ct-1. …. πt-1. … Qdt-1) 21 7 . …) Fungsi Investasi It = f ( πt.009 Hasil regresi tersebut adalah sebagai berikut: Y = 15.464 0.

80 t 7.836 17. 22 CONTOH SOAL Nomor Responden Konsumsi (Rp.586 0.902 47.625 X Variabel 1 X Variabel 1 8 .000/bl) Anggota Klg (orang) 4 2 5 2 2 3 2 5 6 2 Pendapatan (Rp. dimana X1 adalah anggota keluarga dan X2 pendapatan pada tahun ke-t.365.7 .Mata Kuliah: Statistik Inferensial PENGGUNAAN MS EXCEL UNTUK MENCARI KORELASI Penyebab yang bersifat teknis.α 5% =4. Model tanpa lag Y = a + b1X1 + b2X2. hasil regresi dengan menggunakan komputer Y 504 408 576 348 420 480 432 504 612 324 X1 4 2 5 2 2 3 2 5 6 2 X2 739 549 941 520 Intersep 657 536 797 686 1656 650 24 Nb t-tabel dengan df 7 α 5% = 2.000/bl) 739 549 941 520 657 536 797 686 1656 650 23 1 2 3 4 5 6 7 8 9 10 504 408 576 348 420 480 432 504 612 324 RUMUS KOEFISIEN DETERMINASI 1. Apa penyebab dari variabel lag? Penyebab yang bersifat kelembagaan.03865 0.539 3.74 α Ringkasan Hasil Regresi R-Square F-hitung Coefficient s 273. Penyebab yang bersifat psikologis.580 0. Nilai F tabel df 2.

365.47 8.13 -4.14 Nb t-tabel dengan df 7 α 5% = 2.797 -4.52 T 12.365.374 41.102 T 11.962 42.0399 -0. setelah melakukan regesi terhadap Yt saja pada bagian 1.28 1. di mana X1 adalah anggota keluarga dan X2 pendapatan pada tahun ke-t-1. dan Yt-1 saja pada bagian 2.102 0.953 60. Model gabungan Yt dan Yt-1. Nilai F tabel df 2. Nilai F tabel df 2.82 5.07 X2 Ringkasan Hasil Regresi Nb t-tabel dengan df 7 α 5% = 2.57 Coefficients Intersep X Variabel 1 X Variabel 2 X Variabel 2 373.α 5% =4. serta bagaimana hasilnya Y 504 408 576 348 420 480 432 504 612 324 X1 4 2 5 2 2 3 2 5 6 2 X2 (Yt) 739 549 941 520 657 536 797 686 1656 650 X2 (Yt-1) 739 549 941 520 657 536 797 686 1656 R-Square F-hitung Ringkasan Hasil Regresi 0. Y 504 408 576 348 420 480 432 504 612 324 X1 4 2 5 2 2 3 2 5 6 2 739 549 941 520 657 536 797 686 1656 25 Intersep X Variabel 1 X Variabel 1 R-Square F-hitung Coefficients 383. Model dengan lag Y = a + b1X1 + b2X2.Mata Kuliah: Statistik Inferensial RUMUS KOEFISIEN DETERMINASI 2.664 -0.74 α 26 TERIMA KASIH 27 9 .74 α RUMUS KOEFISIEN DETERMINASI 3.α 5% =4.052 47.213 0. maka pada bagian ini akan digabungkan Yt dan Yt-1.7 .7 .

Sign up to vote on this title
UsefulNot useful