Scribd Logo
Upload

Welcome to Scribd!

  • Bab12 Regresidankorelasinonlinear PDF

    Uploaded by

    Gracio Haggai Sianipar
    1 views26 pages

    Original Title

    bab12_regresidankorelasinonlinear.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    1 views26 pages

    Bab12 Regresidankorelasinonlinear PDF

    Uploaded by

    Gracio Haggai Sianipar

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 26
    Bab XII Regresi dan Korelasi Non Linier Analisis yang disajikan dalam Bab 10 dan Bab 11 didasarkan pada anggapan bahwa hubungan rata-rata antara dua variabel dapat dilukiskan dengan garis Iurus. Akan tetapi, anggapan ini boleh jadi tidak sesuai untuk beberapa data. Kerap kali hubungan dalam dunia bisnis dan kegiatan ilmu ekonomi dapat diterangkan secara lebih baik dengan kurve dibanding dengan garis lurus. Pada bagian satu sampai tiga dari bab ini akan disajikan analisis regresi dan korelasi non linier yang didasarkan pada: (1) Sebuah kurve parabola yang ditentukan oleh persamaan polinominal pangkat dua. (2) Menggambar smooth curve dengan metode freehand graphic. (3) Sebuah garis yang terputus-purus dihitung dari kelompok data dari tabel korelasi. Penerapan dari matriks ‘aljabar terhadap bidang statistik, akhir-akhir ini semakin ‘meningkat. Matriks aljabar terutama digunakan di dalam mempelajari lebih lanjut terhadap masalah analisis korelasi. Sub bab 12.4 pertama akan mengemukakan istilah dasar dan coperasi dari matriks. Selanjutnya akan disajikan metode yang dipilih untuk menyelesaikan + persamaan linier dengan matriks aljabar. 12.1 KURVA PARABOLA PANGKAT DUA Kurva regresi yang didasarkan pada persamaan polinominal pangkat dua adalah set. ai berikut: Y,=a4+bX +X? (cumus 7.4) Karena dalam persamaan ada tiga bilangait tetap a, b, dan c yang tidak diketahui, maka untuk menyelesaikannya perlu dibuat tiga persamaan. Untuk mempermudah penyelesaian, dibuat tiga persamaan normal didasarkan pada metode kuadrat terkecil (rumus 7.5) sebagai berikut: LSey)=na +b (xX) +0 E00) TL. E(XY)=a LX) +b LOW) +e LX) TM. LOCY) = a LX) +b LX) +e LOY) Tiga persamaan normal dapat disederhanakan dengan lambang X sehingga menjadi ‘EX = 0. Akan tetapi jumlab nilai X seringkali tidak sama dengan nol di dalam analisis, regresi. Dalam hal demikian (bahwa EX #0) untuk memperoleh bilangan tetap a, b, dan yang tidak diketahui, maka tiga persamaan normal harus diselesaikan secara simultan. Metode yang digunakan untuk menghitung standar deviasi dari regresi non linier, sama seperti yang digunakan pada sebuah persamaan regresigaris lurus. Koefisien korelasi sebagai akar kuadrat dari koefisien determinasi untuk korelasi non inier, juga dapat disebut sebagai indeks korelasi. Koefisien untuk korelasi non linier ditunjukkan oleh subcripts, disusun dalam ordo dari yariabel dependen dan variabel independen. Sebagai contoh, koefisien korelasi variabel Y (variabel dependen) pada variabel X (variabel independen) ditunjukkan oleh subcripts r,.. Subscripts di dalam bab yang terdahulu nilair untuk koefisien sama, yaitu Y atau X sebagai variabel dependen. Subcripts perlu sekali dalam menghitung korelasi non linier pangkat dua karena r,, adalah tidak sama dengan r,, (X sebagai variabel dependen dan Y sebagai variabel independen). Kita boleh menganggap r untuk korelasi linier sebagai hal yang khusus dari korelasi non linier. Nilai ,, untuk korelasi non linier dapat ditaksirkan dalam cara yang sama seperti untuk korelasilinier. Perhitungan nilai dari, ataur,, tidak menunjukkan tanda + atau. Slope dari garis regresi non linier atau sebuah kurve dapat positip untuk beberapa bagian tertentu dan negatip untuk bagian kurve yang lain. Kenyataan ini dapat dengan mudah dilihat pada scatter plot diagram dengan sebuah kurve yang sesuai untuk suatu data. Penyelesaian masalah yang biasanya dilakukan dalam analisis regresi dan korelasi berdasarkan pada kurve parabola pangkat dua, adalah sebagai berikut: (a) Merencanakan sebuah scatter plot diagram pada sebuah peta. (b) Menghitung persamaan regresi Y, =a + bX + cX?. (©) Menggambarkan kurve regresi didasarkan pada persamaan di atas pada tabel, (@)_ Dihitung standar deviasi dari regresi dengan rumus yang disajikan dalam sub bab 10.3.a. Ly-¥)? Syx= (Rumus 10.3.a)* (©) Menghitung koefisien determinasi F,, dan koefisien korelasir,, (dengan rumus 10.5.a) xyang dapat ditulis p. = Vatiasi yang dijelaskan > Total variasi *) Dapat juga diperoleh dengan mengubah rumus (10.3.b) sebagai berikut : Ss. | XY?-aXY -cLX°Y 270 pe LY: ¥P »* Dey -¥y atau dengan rumus (10.5.b) yang dapat ditulis sebagai berikut 1a = Contoh 1: Tiga kolom pertama dari tabel 12.1. menunjukkan jumlah penjualan (Y) dari 8 orang penjual selama periode waktu tertentu dan pengalaman dalam berjualan (X) dari tiap penjual Buatlah analisis regresi dan korelasi dengan regresi dan korelasi non linier. (Catatan: contoh ini menggunakan data yang sama seperti contoh 1, 2, dan 3 dalam Bab 10). Tabel 12.1 Data dan Perhitungan untuk Persamaan Polinomial Pangkat Dua dengan Menggunakan Metoda Kuadrat Terkecil untuk Contoh 1(b) Jumlah eer a njualan rent COE Sa SOAR CIE S NN a Q a Pe ED A 9 6 | 36 216 1.296 | 324 B 6 5 | 25 | 125 es | 156 c 4 3 | 9 a 81 | 36 D 3 1 mm Y/f/i| 3 EB | 3 4 16 64 256 | 48 F | s 3 9 | <27/; 81 | 45 G 8 6 36/216 1.296 | 288 H 2 } 2 4) 8 6] 8 & | a=é | { T Total | 40 30 [136 | 684 3.652 | 902 | Penyelesaian: (a) Scatter plot diagram dibuat dalam gambar 12.1 (b) Persamaan regresi parabola dihitung dengan metode kuadrat terkecil. Nilai-yang diperoleh dari penerapan tiga persamaan normal adalah sebagai berikut: ani I. 8a+30b + 136 TI, 30a + 136b + 684c = 178 III. 136a + 684b + 3.652c = 902 ‘Tiga persamaan ini dapat diselesaikan bersama dengan metode eliminasi seperti yang dibicarakan pada bab sebelumnyaatau dengan menggunakan matriks aljabar (yang disajikan dalam sub bab 12.4 contoh 10). Perhitungan dapat disederhanakan jika masing-masing persamaan dikurangi, sampai terendah, Sebagai contoh, persamaan pertama dibagi dengan dua, sehingga kita peroleh persamaan I yang sederhana, 1. 4a + 156 + 68 20 Penjualan (Rp 1000) HL ¥e=45914-9.147 x + 2843 x2 3 £] Garis|Lurus Resi ° 1 2 3 4 5 6 7 X (Pengalaman berjualan) ‘Sumber: Contoh 1 dan gambar 10:3 + Gambar 12.1 Diagram Pencar dan Garis Regresi Parabola dengan Perbandingan Garis Regresi Lurus 272 abel 12.2 Perhitungan untuk Y, dan Standar Deviasi Regresi S,, untuk Contoh 1 (C) dan 1 (D) A 9 6 B 6 5 c 4 3 D 3 1 E 3 4 F 5 3 G 8 | 6 8,35 | 635 0,12 Hi? | 2 | 2,90 | 9 | ost Total [40 300) 40,00 F000 | oat Penyelesaian:*) a= 3,5914; b= -0,9127;-¢ = 0,2841 Persamaan yang diperlukan: Y, = 3,5914 - 0.9127 X-+,0,2842 X? *) Jawaban diperoleh’dengan menyelesaikan dua persamaan untukb dan Say =bEX +e Txt Q dimana x=X-Kiy2¥-¥ Biy=bdt+ede @ TdanT=X? Nilai yang diperlukan untuk dud persamaan ditunjukkan bahwa di bawah dan dapat diperoleh dari Tabel 12:4 gxte Exe EN 36.22 = 235 pata 5x°- 2XEX- 54 20030 = p74 e 8 EX.EY _ 30(40) Bay = Exy - DEY 2178-2 (bersambung..) 273 278 (.bersambung) Bes Ext EX 652-136 «1340 Dy =EXY- Bx BEY - 99213640 99099 Subtitusikan lima pefSanaan di atas ke dalam persamaan (1) dan (2) 23,5b + 174e = 28 « 174)0b + 134e = 222 @ Penyelesaian Membagi persamaan normal I dengan n _2Y, 8) Be 7 7 1 P- o912689) Py - 0.284185 138) = 3,591439 Kelima persamaan di atas dapat dibuktikan dibawah ini EX"= L(K - XP = E(K?- 2X.X + X4) = DX? 2X.DX + nX? = DX? - 2X.nX + 0X? xr = DX?- nX? = DX?- Int = LK -X)(T-T) = LXT- XT-ST + XT) = EXT-X.DT-T.IX + nXT = EXT - X.nT- THX + oXT= EXT -aXT Bila T =X? 2X.EX? Ext = EXX? - nXX?= IX3- Dengan cara yang sama kita bisa membuktikan untuk Exy ; € dan Sty. (©) Garis regresi yang didasarkan pada persamaan yang gambar 12.1 Titik pada garis yang ditentukan oleh nilai Y, diperoleh sebagai berikut: ‘Untuk penjual A, X = 6 5914 - 0,9127(6) + 0,2842(62) = 3,5914 - 5,4762 - 10,2312 464 dibulatkan menjadi 8,35 Dalam cara yang serupa, nilai Y, dari penjual lain dihitung dan disajikan dalam kolom (4) dari tabel 12.2. Nilai Y, menunjukkan taksiran jumlah penjualan. Sebagai contoh taksiran jumlah penjualan dari penjual yang mempunyai pengalaman 4 tahun (X = 4) dalam berjualan adalan Rp4.490,00 (4,49 x Rp1.000,- tiap Y unit) Catatan: Dari regresi garis lurus memberi perkiraan kepada penjual yang mempunyai pengalaman berjualan selama 4 tahun adalah RpS.290,00. Regresi garis lurus yang dihitung dalam contoh 1 pada Bab 10 juga digambarkan pada gambar sebagai pembanding. (d) Standar deviasi dari tegresi dihitung dengan menggunakan rumus (10.3.a): s = LY -¥Y 2/82 YT 8 = 0,80875 = 0,90 (dalam satuan Rp1.000,00) Nilai dispersi S,, yang didasarkan kurve para bola (= 0,90 di atas) adalah lebih kecil dibanding berdasarkan garis lurus (=1, 15). (©) Menentuken koefisien determinasi dengan menggunakan rumus (12.1-b): 0,80875 58 = 0,85295 atau 85% 1-0,14705 = 44/8 = 5,5) koefisien korelasinya adalah: 1, = ¥.0,85295 = 0,92 Nita‘, dan, dapat ditafsirkan dalam cara yang sama, masing-masing seperti r* dan +. Dengan demikian 85% dari variasi jumlah penjualan (Y) adalah saling berhubungan atau 275 dijelaskan oleh variasi dari pengalaman berjualan (X) yang didasarkan garis regresi yang berbentuk parabola. Perbandingan dua ukuran dari tingkat korelasi yang didasarkan pada persamaan pa- rabola dengan garis lurus dari data yang sama dalam contoh 1,r,, menunjukkan bahwa kurve parabola memberikan pengetrapan yang lebih baik daripada dengan garis lurus. Hal ini ad por Say 12940 1 ei S| 62857 = 0,7941 atau 79% atau nel a-m 8-1 = 1-(1 085295) (3-3) -(-F,)¢ ) 7941 Estimasi koefisien korelasi populasi adalah: 4, V.0,794 0,89 276 Neen UES EEEEESEEEEET 12.2 MENGGAMBAR SMOOTH CURVE SECARA BEBAS Perhitungan dan persamaan polinomial derajat pangkat dua atau lebih didasarkan pada metode kuadrat terkecil sangat sulit untuk beberapa data. Sebagai gantinya gambar sebuah smooth curve dengan metode freehand graphic sering dipakai dalam praktik untuk analis:s regresi dan korelasi. Selanjutnya bermanfaat atau tidaknya sebuah freehand regressioncurve dapat dilihat dari besarnya dispersi di sekitar kurve regresi. Prosedur untuk mendapatkan ukuran-ukuran yang penting dari analisis regresi dan korelasi dengan metode freehand graphic secara garis besar sebagai berikut: (1) Menggambar smooth curve pada scatter plot diagram sesuai dengan data yang ada. ‘Kurva ini dapat menyerupai kurva parabola seperti gambar 10.1 dan garis regresi yang iinginkan. (2) Membaca nilai Y, dari smooth curve dari masing-masing nilai X yang ada. (3) Menghitung masing-masing (Y - Y,) perbedaan antara masing-masing Y dan Y, pada nilai X tertentu. Kalau perbedaan itu dikuadratkan dan ditambahkan atau Z(Y - Y,, Standar deviasi dari regresiS,,, Koefisien determinasi®,,dan koefisien korelasir,, dapat dihitung seperti pada bagian terdahulu, 12.3 DATA YANG DIKELOMPOKKAN Prosedur penerapan dari ktirva parabola dengan metode kuadiratterkecil untuk data yang tak dikelompokkan dapat diperluas untuk data yang dikelompokkan, Akan tetapi nilai data tersebut akan mempersulit dan tidak dapat digunakan secara praktis. Prosedur rinci untuk data yang dikelompokkan tidak dibicarakan dalam bagian ini, Metode freehand graphic ‘untuk data yang dikelompokkan mempunyai kelemahan subyektif dalam penggambaran ‘kurva yang sesuai. Cara praktis untuk mengukur korelasi non linier dari susunan data tertentu adalah menggunakan tabel korelasi yang disajikan dalam data bivariat yang dikelompokkan. Garis yang terputus-putus sebagai pengganti smooth curve digunakan untuk menggambarkan huubungan rata-rata antara dua variabel. Tidak diperlukan persamaan regresi, untuk garis yang {erputus-putus tersebut ditentukan dengan ttik pusat kolom kelas jnterval X. Yang ditunjukkan ‘bahwa untuk setiap titik untuk masing-masing kolom ditunjukkan dalam tabel korelasi (tabel 12.3), Masing-masing titik di dalam kolom mewakili nilai Y rata-rata dalam kolom X, yane itunjukkan dengan Y,, Dengan demikian jumlah angka akan sama dengan jumlah koium yang mempunyai nilai Y. Koefisien determinasi ditunjukkan dalam korelasi untuk dafa yang dikelompokkan, ‘yang menunjukkan bahwa Y adalah variabel dependen dan X variabel independen, diberi simbol 72. Tulisan Greek n (eta) disebut sebagai rasio korelasi dan ditafsirkan sama seperti koefisien korelasi yang didasarkan pada hubungan garis lurus. Cara yang sederhana untuk menghitung 7} adalah sebagai berikut: Koefisien determinasi =i#si yang dijelaskan Total varias Karena garis regresi dalam bentuk garis yang terputus-putus melalui setiap titik yang ‘menunjukkan nilai Y, di dalam tabel korelasi, maka rumus (10.5.2) untuk data yang dikelompokkan dapat ditulis sebagai berikut: > Lf x - Fy = (12.2.8) " Ef (y- YP ‘yang menunjukkan babvva: f, = Frekuensi dati nilai ¥ dalam masing-masing kolom X dari tabel korelasi f, = Frekuensi dari nilai Y dalam masing-masing baris Y. ¥, = Nilai sata-rata Y dalam masing-masing kolom X atau ¥, pada garis regres Y = Rate-rata dari seluruh nilai Y dalam tabel (grand mean). Y = Midpoint dari masing-masing kelas interval Y. ‘Untuk mempermudah perhitungan dengan rumus (12.2.a) dapat ditulis: Peat (122) nS? Karena Ef,(Y-Y)*=nS*,, maka variance nilai Y, S*, dapat dihitung dengan rumus terdahulu, Untuk data yang dikelompokkan ditulis sebagai berikut: fd, fd? vy [7 7 eS “| (123) s Contoh 2: Tabel 12.3 adalah tabel korelasi yang menunjukkan jumlah penjualan (Y) dari 40 penjual selama periode tertentu dan pengalaman berjualan (X) (sama seperti contoh 4) Hitunglah koefisien determinasi dan rasio korelasi Penyelesaian: (1) Menghitung Y,, nilai rata-rata Y dalam masing-masing kolom X, dari tabel korelasi. Total dari nilai ¥ ditulis dalam masing-masing kolom. Masing-masing jumlah diperoleh dengan mengalikan midpoint dari klas interval Y pada baris dengan frekuensi dalam kolom jumlah nilai Y masing-masing kolom kemudian ditambahkan, Setelah dijumlah dibagi dengan frekuensi di dalam kolom untuk memperoley Y,. Sebagaicontoh Y, dalam kolom X dari klas “2@4” dihitung sebagai berikut: Y dalam kolom “ Y dalam kolom “ (Midpoint) x 5 (frekuensi ” = 5 (Midpoint) x 3 (frekuensi Jumlah nilai Y dalam kolom = 55 278 Tabel 12.3 ‘Tabel Korelasi untuk Contoh 2 ery Tee re eC 16-18 Y ay 7 1 I (4) (4) (42) wis | a |, 1 1 3 $ 10-12 | il 5 2 7 | | (40) 0) (48) 8 5 10 6 2 5 Xe 4 2 | ane 2 Jumiah dari | @ G5) 040) B59) | GS)= EY nilai Y fx 2 8 16. 10 4 n=40 x | 2 687. 9312 89 147 | Ya89 @ +: menunjukkan “kurang dari” X :menunjukkan pengalaman berjualan, i, = 2 tahun) Y _:menunjukkan jumlah penjuaan (dalam satuan Rp1.000,00, F, Gumlah frekuensi dalam kolom X) =5+3=8 35 6,875 atau dibulatkan 6,9 aaa (2) Menghitung variasi yang dijelaskan, Variasi yang dijelaskan, Ef(Y, - ¥)? = 269,02 dihitung dari tabel 12.4. Tabel ini didasarkan pada tabel korelasi (Label 12.3). 3) Menghitung total variasi. Total variasi sebesar 399,60 dapat dibitung dengan dua cara: (a) Dengan menggunakan Sf(¥ -¥) seperti ditunjukkan dalam rumus (12.2.2). Penggunaan rumus tersebut ditunjukkan dalam Kelas (12,5). Nilai dalam tabel mewakili midpoint dari masing-masing kelas interval Y. 278 (b) Dengan menggunakan S?, yang ditunjukkan dalam rumus (12.2.b). Penggunaan rumus (12.3), Varians $® dapat dihitung dari nilai yang sudah diberikan dalam tabel * Be. eg] - [= GS] = 9(1,20 - 0,09) = 9,99 nS*, = 40(9,99) = 399,60 Tabel 12.4 Data dan Perhitungan untuk Variasi yang Dijelaskan Contoh 2 (2) ory TTT ee eT Arne Rt TTT devi Pe N CCRT ya SO in eT y rn Sumber: Tabel 12.3, aq * grand mean dati semua nilai Y = 6 (4) Menghitung koefisien determinasi dari variasi yang diperoleh dari (2) dan (3) di atas: Variasi yang dijelaskan __ 269,02 Total 399,60 = 0,6732 atau 67% (Rumus 12.2.a atau 12.2.b) 280 coor oer enemies eS Tabel 12.5 Data dan Perhitungan untuk Variasi yang Dijelaskan Contoh 2 (2) Sn aE Sumber: Tabel 12.3 Rasio korelasi adalat: 1 = 10,6732 = 0,82") *) _Jikadatacontoh 2 dianggap sebagai sampel yang dapat dipakai untuk menaksir koefisien determinasi populasi, perhitngan untuk penaksiran didasarkan pada rumus (10 5.b) adalah 40-1 40-5 (1 - 06732). ) Estimasi dari ratio korelasi populasi dalah fP=V0,6359 80 Estimasi 7 dan fj adalah lebih kecil dari nilai n? dan 1, 281 i) 282 Dengan demikian, koefisien determinasi n? menunjukkan bahwa 67% variasi jumlah penjualan (Y) dijelaskan oleh variasi dari pengalaman penjual dalam berjualan (X) yang ddidasarkan pada garis terputus-putus yang ditunjukkan dalam tabel korelasi. Pada angka ini, memungkinkan untuk menghitung deviasi standar regresi S,, untuk contoh 2 dalam cara biasa.) Akan tetapi penggunaan standar deviasi yang didasarkan pada garis yang terputus-putus pada tabel Korelasi adalah terbatas. Komentar mengenai koefisien determinasi n° dan rasio korelasi 1. (1) Nilai dari 7? menunjukkan korelasi maksimum dari data bivariat, yang disajikan dalam tabe! korelasi. Dengan kata lain, 1}? adalah batas paling atas untuk bentuk koefisien determinasi ( untuk garis lurus dan r°,, untuk beberapa kurva parabola). Kita ketahui bahwa: (Total Variasi) = (variasi yang tidak dijelaskan) + (variasi yang dijelaskan) atau Lay - ¥F = EA - ¥)° + Dixy - YP Karena Y, adalah rata-rata aritmatika dari nilai Y dalam masing-masing kolom, variasi yang tidak dijelaskan atau jumlah dari variasi yang dikuadratkan S(Y - Y,)°, adalah paling kecil,huruf f adalah frekuensi nilai Y dalam masing-masing kolom Karena garis regresi dalam bentuk yang terputus-putus merupakan rata-rata Yx, kita harus mengganti Ye dalam ramus (1.3.8) menjadi: s = / Variasi yang tidak dijelaskan = of Yeresiyang dak dielaion . ‘| SAY -¥)F -| ow Di mana f = frekuensi nilai Y dalam masing-masing sel tabel korelasi. Variasi yang tidak dijelaskan dapat diperoleh dengan menyusun sebuah tabel yang menunjukkan EA - Y,¥. ‘Akan tetapi, cara yang sederhana untuk menghitung variasi yang tidak dijelaskan adalah dengan menggunakan perhitungan variasi yang ditunjukkan pada tabel 12.4 dan 12.5. Variasi yang tidak dijelaskan ‘otal Variasi - Variasi yang dijelaskan = 399,60 - 269,02 30,58 maka, Syx = V 130,58)/140 = V3,264: @ B) dari abel korelasi. Total variasi adalah tetap atau tidak dipengaruhi variabel X. Jika variasi yang dijelaskan dipengaruhi oleh variabel X sangat besar, maka n, rasio dari variasi yang dijelaskan dengan total variasinya juga akan besar. Jika kolom rata-rata Y, jatuh pada garis lurus, 1)? akan sama dengan 1, seperti hubungan antara variabel X dan Y dalam barian yang linear. Akan tetapi nilai n? berbeda dengan r 7? lebih besar dari r°, Perbandingan 1? (= 67%) dan (= 50%) untuk data yang sama yang diberikan dalam contoh 2, Dalam kenyataan koefisien determinasi yang didasarkan pada garis yang terputus-putus, 1 adalah jauh lebih besar daripada yang didasarkan pada garis lurus, r. Begitu pula, jika kolom rata-rata _ jatuh pada sebuah Curve, 1} akan sama dengan r,.. Seperti hubungan antara dua YVariabel yang merupakan bagian dari Curve linear, 1 akan lebih besar daripada Jika nilai Y dalam masing-masing kolom X hanya dipusatkan pada satu kolom, ”. Garis yang terputus-putus akan melalui semua nilai Y pada tabel korelasi. Karena tidak ada scatter di sekeliling garis yang terputus-putus itu, maka korelasi itu adalah sempurna, atau 1? = 1. Akan tetapi, dalam ilmu ekonomi korelasi yang sempura jarang sekali terjadi dalam hubungan antara dua variabel. Menurut pengalaman mentinjukkan, kita selalu dapat menggambar garis yang terputus-putus yang melalui atau mendekati setiap titik pada scatter diagram. Maka dari itu kita dapat memilih garis lurus atau kurva yang sesuai, untuk analisis regresi dan korelasi. 12,4MENYELESAIKAN PERSAMAAN LINIER DENGAN MATRIKS ALJABAR Sistem dari n Persamaan Linier untuk n yang tidak diketahui dapat diselesaikan dengan metode aljabar biasa. Akan tctapi, sistem penyelesaian dari tigaatau lebih persamaan menjadi bertambah sulitdengan metode aljabar biasa. Matriks aljabar merupakanicara yang sederhana dan sistematis yang memudahkan dalam penggunaan komputer untuk memecahkan persamaan tersebut. Istilah dan Operasi-operasi Dasar dalam Matriks ‘Matriks adalah segivempat yang disusun dari angka-angka atau elemen, yang dibatasi dengan tanda kurung (atau dalam bentuk selang tebal). Untuk menggambarkan matriks biasanya digunakan simbol huruf besar seperti -_ - af 2 s-une-|o ef “f 13] 10 0 A pees) alo 0 y 21} [oo 1 Matriks dapat dikelompokkan dengan menggunakan ordo matriks. Ordo pertama didasarkan pada jumlah baris dan kemudian jumlah kolom. Dengan demikian Ordo dari matriks D adalah 2 x 3 (baca 2 kali 3) dan E adalah 3 x 2. ‘Sebuah matriks yang hanya mempunyai sebuah baris (kolom) disebut vektor. Dengan

    You might also like