You are on page 1of 28

ANALISIS KUANTITATIF

GEOSPASIAL

Andrea Emma Pravitasari

Apa itu Analisis Regresi
dan Analisis Korelasi ??

• Teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel (terapannya biasanya dikaitkan dengan studi ketergantungan suatu variabel bebas pada variabel terikat). • Analisis yang dapat meramalkan/memperkirakan nilai dari satu variabel dalam hubungannya dengan variabel lain yang diketahui melalui persamaan regresi.ANALISIS REGRESI • Analisis yang mempelajari dan mengukur hubungan statistik yang terjadi antara 2 variabel atau lebih. .

ANALISIS REGRESI • Diperlukan jika kita ingin mempelajari secara kuantitatif. hubungan antara berbagai kejadian • Berupa kumpulan titik-titik yang dapat dihubungkan oleh garis/kurva tertentu yang disebut garis regresi/kurva regresi • Variabel yang diestimasi disebut ‘variabel dependent/terikat’ (Y) • Variabel yang mempengaruhi disebut ‘variabel independent/bebas’ (X) .

logaritmik. dll) • Analisis Regresi: (1) Regresi Sederhana (2) Regresi Berganda • Regresi Sederhana: jika hanya terdiri dari satu variabel bebas/independent variable • Regresi Berganda: jika terdiri lebih dari satu variabel bebas/independent variables .ANALISIS REGRESI • Analisis Regresi: Linear dan Non Linear (kuadratik. eksponensial kubik. hiperbolik.

. i  1. Berat vs Tinggi. misalnya: Y=10X • Statistik (stokastik)  amatan tidak jatuh tepat pada kurva Misalnya: IQ vs Prestasi. n .ANALISIS REGRESI • Hubungan Antar Peubah: • Fungsional (deterministik)  Y=f(X) ..2... Dosis Pupuk vs Produksi • Model regresi sederhana: Yi  0  1 X i   i .

Regresi Makna 0 & 1 ? .

Regresi .

kemudian dicatat jarak tempuh yang sudah dijalani mobil (dalam ribu kilometer) dan diukur Emisi HC-nya (dalam ppm) Jarak Emisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960 .Contoh Data Percobaan dalam bidang lingkungan Apakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan? Diambil contoh 10 mobil secara acak.

Analisis Regresi Plot antara Emisi Hc (ppm) dengan Jarak Tempuh Mobil (ribu kilometer) 950 Emisi 850 750 650 550 30 40 50 60 70 Jarak 80 90 100 .

1% Analysis of Variance Source Regression Error Total DF 1 8 9 SS 131932 14118 146051 Unusual Observations Obs Jarak Emisi 8 84.6233 R-Sq = 90.3% T 9.Analisis Regresi Contoh output regresi dengan Minitab (1) Regression Analysis (Emisi Hc The regression equation is Predictor Constant Jarak Coef 381.000 R-Sq(adj) = 89.7 F 74.0 MS 131932 1765 Fit 834.39 Jarak StDev 42.65 P 0.0 752.0 P 0.7 R denotes an observation with a large standardized residual St Resid -2.76 StDev Fit 18.000 Residual -82.40 0.000 0.3893 S = 42.01 vs Jarak Tempuh Mobil) Emisi = 382 + 5.18R .95 5.01 8.

Analisis Regresi Bagaimana Pengujian terhadap model regresi ?? • parsial (per koefisien)  uji-t • bersama  uji-F (Anova) Bagaimana menilai kesesuaian model ?? R2  Koefisien Determinasi (% keragaman Y yang mampu dijelaskan oleh X) .

Uji Hipotesis H0 : 1=0 vs H1: 10 ANOVA (Analysis of Variance)  Uji F n n n i 1 i 1 i 1 2 2 2 ˆ ˆ ( y  y )  ( y  y )  ( y  y )  i  i  i i JK total = JK regresi + JK error Keragaman total = keragaman yang dapat dijelaskan oleh model + keragaman yang tidak dapat dijelaskan oleh model Anova Sumber db JK KT F Regresi 1 JKR KTR KTR/KTE Error n-2 JKE KTE Total n-1 JKT F~F (1.n-2) .

Bentuk persamaan regresi linear sederhana  Y  a  bX Untuk meramalkan persamaan regresi maka nilai a dan b dirumuskan XY  n X Y  b X n X 2 a Y b X 2 .

Pengujian hipotesis koefisien regresi Menentukan formulasi hipotesis untuk parameter a dan b  Menentukan taraf nyata α dan nilai t tabel yang ditentukan dengan derajat bebas (db) = n-2  Menentukan kriteria pengujian  Menentukan nilai uji statistik a  a0 Untuk parameter a t hit   Sa Untuk parameter b Membuat kesimpulan t hit b  b0  Sb .

standar errornya Sa   2 Y   a. XY 2 X   Se n. X 2  ( X ) 2 Utk koefisien regresi b. standar errornya Sb  2 X  Se ( X ) 2  n . Y  b. Standar error/kesalahan bakunya Se   n2 Utk koefisien regresi a.

• Bila dua peubah tidak berhubungan >>> korelasinya 0.ANALISIS KORELASI • ANALISA KORELASI digunakan untuk mengukur kekuatan keeratan hubungan antara dua variabel melalui sebuah bilangan yang disebut koefisien korelasi. • Bila sempurna korelasinya >>> 1 (kolinier) . • Koefisien korelasi linier (r) adalah ukuran hubungan linier antara dua variabel/peubah acak X dan Y.

Korelasi .

Korelasi .

Korelasi .

4.0 < KK ≤ 0.0 KK = 1. 0.9 < KK < 1.7.2 < KK ≤ 0. 0.2.0 >> >> >> >> >> >> korelasi sangat lemah korelasi lemah korelasi cukup (sedang) korelasi kuat korelasi sangat kuat korelasi sempurna .9. 0.4 < KK ≤ 0.ANALISIS KORELASI • Mengukur derajat kedekatan/seberapa kuat suatu relasi yang terjadi antar variabel • Koefisien korelasi memiliki nilai -1≤ KK ≤+1 • Untuk menentukan keeratan korelasi antarvariabel diberikan patokan KK       0. 0.7 < KK ≤ 0.

• Untuk mengukur proporsi dr jumlah variasi yang diterangkan oleh model regresi. .• • • Koefisien korelasi merupakan akar dari koefisien determinasi (R²) Koefisien determinasi: merupakan suatu ukuran yg digunakan utk melihat seberapa besar sumbangan variabel independent terhadap variasi variabel dependent. Nilai R² berkisar 0 < R² < 1 Kegunaannya: • Untuk ukuran ketepatan garis regresi dari hasil estimasi thd sekelompok data hasil observasi.

Koefisien korelasi kontingensi 4. Koefisien korelasi rank spearman 3.Koefisien Determinasi: r  2  a Y   b XY   n Y  (Y ) 2  n(Y ) Koefisien Korelasi : 2 2 r r 2 Jenis-jenis koefisien korelasi 1. Koefisien korelasi pearson 2. Koefisien penentu .

Koefisien Korelasi Pearson (r) rxy  S xy S xy SxS y ( x  x )( y   Sx  i i  y) n 1 2 ( x  x )  i n 1 dan S y  2 ( y  y )  i n 1 .

Ketika data berjumlah besar dan memiliki ukran parameter seperti mean dan standar deviasi populasi.MACAM-MACAM ANALISIS KORELASI Korelasi Sederhana: merupakan suatu teknik statistik yang dipergunakan untuk mengukur kekuatan hubungan atara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan keduanya dengan hasil yang bersifat kuantitatif. a). Korelasi pearson cocok digunakan untuk statistik parametrik. . Korelasi Pearson  korelasi yang digunakan untuk data kontinu dan data diskrit.

Korelasi Rank Spearman: digunakan untuk data diskrit dan kontinu namun untuk statistik non parametrik. .b). Korelasi ini tidak memerlukan asumsi normalitas. dan cocok digunakan untuk data dengan sampel kecil. Statistik non parametrik adalah statistik yang digunakan ketika data tidak memiliki informasi parameter. data tidak terdistribusi normal atau data diukur dalam bentuk ranking.

Seorang dokter ingin mengetahui apakah ada hubungan antara berat badan seseorang dengan tinggi badan seseorang. untuk keperluan tsb dilakukan penelitian terhadap 10 orang dengan data sbb: Tinggi (cm) Berat Badan (kg) 161 46 158 68 166 57 171 48 160 62 156 41 143 47 136 52 132 39 140 42 Buat persamaan regresinya dan koefisien korelasinya! .