Tugas Analisis Regresi Terapan

METODE SELEKSI MAJU

OLEH : KELOMPOK I RAHMAWATI ARMIANTY AQIFAH NOERFITRI ADRIAN MATANDUNG SANTUO ARLITA A JUFRA H12108005 H12108252 H12108259 H12108270 H12108275 H12108853

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS HASANUDDIN MAKASSAR 2010

Menurut metode ini peubah bebas dimasukkan satu demi satu menurut urutan besar pengaruhnya terhadap model dan berhenti bila semua yang mmenuhi syarat telah masuk. Dimulai dengan memeriksa matriks korelasi dan kemudian mengambil peubah bebas yang menghasilkan Perhatikan bahwa maksimum, i – 1, 2, ..., k.

apakah korelasi positif atau negatif tidaklah dipersoalkan

karena yang kita perhatikan hanyalah eratnya hubungan antara suatu peubah bebas dengan y sedangkan arah hubungan tidak menjadi soal. ( Tentunya dapat juga dipandang | hitung ̂ | dan hasilnya tidak akan berbeda ). Misalkan x1 yang memberikan

korelasi yang tertinggi dengan y. Masukkan x1 kedalam model, dengan kata lain, dan uji apakah dengan menggunakan patokan yang tidak ditolak maka selesai

telah ditetapkan sebelumnya. Bila hipotesis

sudah pekerjaan, semua yang tersedia sama sekali tidak berguna untuk menerangkan variasi dalam y. Misalkanlah hipotesis mempunyai pengaruh yang berarti terhadap y. Tahap berikutnya ialah memilih dari peubah bebas yang tertinggal yang paling besar pengaruhnya terhadap y sesudah pengaruh x1 diperhitungkan atau dikontrol. Ini dapat dikerjakan dengan memeriksa , untuk i = 1, yaitu ditolak, jadi x1

kuadrat korelasi parsial y dengan x1 dikontrol terhadap x1 dan kemudian ambil x1 yang memberikan korelasi parsial yang maksimum. Misalkan peubah tersebut x 2, lalu masukkan x2 ke dalam model sehingga diperoleh ̂ .

Pengaruh x2 kemudian diuji apakah berarti atau tidak. Tahap kedua ini, pada prakteknya, sama saja memeriksa tambahan jumlah kuadrat regresi yang diakibatkan oleh pemasukan suatu peubah bebas setelah x1 berada dalam model. Untuk pemisalan di atas, ini berarti bahwa x2, memberikan ( | ) ( )

yang paling besar. Bila nilai F ini lebih kecil dari yang ditetapkan untuk pemasukan peubah bebas ke dalam model maka x2 tidak jadi masuk. Sebaliknya, yaitu bila hipotesis ditolak, maka pemilihan calon berikutnya untuk

dimasukkan ke dalam model dilanjutkan, seperti proses pada tahap 2. Sekarang yang diperiksa ialah korelasi parsial , , atau periksa tabahan

jumlah kuadrat regresi akibat setiap peubah bebas setelah x1 dan x2 berada dalm model. Uji dengan uji-F apakah tambahan tersebut cukup berarti atau tidak, dst. Seleksi maju ini merupakan metode yang paling sederhana dan sewaktu computer belum banyak berperan merupakan metode yang amat popular. Salah satu keuntungannya ialah kita dapat melihat proses pembentukan model itu tahap demi tahap dimulai dari yang pertama sekali. Contoh 7.1. pembahasan dalam bab ini akan menggunakan contoh fiktif berikut. Datanya diterakan pada table 7.1, sedangkan matriks korelasinya di table 7.2. Table 7.1 Data contoh 7.1 No. urut 1 2 3 4 5 6 7 8 9 10 11 12 x1 6 7 8 8 9 10 10 10 11 15 15 17 x2 44 46 70 70 60 40 40 40 55 42 42 50 x3 12 12 11 11 11 10 11 10 9 8 8 7 x4 13,2 15,2 8,0 8,0 6,0 12,0 2,0 12,0 8,0 11,0 11,0 9,2 y 86,3 30,9 163,2 177,7 159,6 107,2 153,8 79,3 155,0 146,0 160,0 200,1

13 14 15 16

17 18 20 22

50 55 80 56

7 8 3 4

9,2 13,0 10,0 6,0

237,5 200,1 339,4 291,9

Table 7.2 Matriks korelasi data contoh 7.1 x1 x1 x2 x3 x4 y 1,0000 0,1903 -0,9527 -0,1088 0,8169 1,0000 -0,3319 -0,2294 0,6248 1,0000 0,1103 -0,8664 1,0000 -0,4235 1,0000 x2 x3 x4 y

Dari tabel 7.2 , terlihat bahwa sehingga

memberi korelasi terbesar dengan

,

masuk pertama sekali ke dalam model. Diperoleh persamaan ̂ ( ( ) )

nilai kritis 0.0001 Dari statistic yang diberikan di sini terlihat bahwa secara amat berarti. Langkah berikutnya ialah memeriksa 4. Tabel 7.3 kuadarat korelasi parsial dengan F masuk 0.0032 0.04 Nilai kritis 0.8424 berbeda dengan nol , untuk j=1,2 dan

0.5125 0.4265

13.67 10.07

2.68 x 10-3 7.33 x 10-3

Dari tabel 7.3 terlihat bahwa calon peubah berikutnya yang masuk adalah . Koefisien regresi yang diperoleh dan statistic yang diperlukan adalah Tabel 7.4 koefisien regresi dan Kuadrat Galat baku F(1,13) Nilai kritis korelasi parsial 0.6451 2.9505 13.669 52.207 0.0027 0.0001 0.5125 0.8006

Peubah

Koefisien regresi 2.3851 -21.3767

tetapan

232.4982

r2 = 87.85% , s2 = 839.2275 F(2,13) = 46.98, nilai kritis 0.0001 Tambahan R2 akibat pemasukan adalah 87.85 – 75.07 = 12.78 %, suatu

penambahan yang tidak kecil. Begitupun s2 bertambah kecil, menjadi hamper setengah besar semula. Secara keseluruhan koefisien regresi berarti, yang dapat dilihat dari nilai F yang besar, ataupun nilai kritis yang amat kecil. Simpangan baku taksiran dari setiap koefisien diterakan pada tabel beserta nilai kritisnya. Baik dari nilai F, maupun nilai kritisnya, terlihat bahwa β2 berbeda dengan nol. Perhatikan bahwa ada dua pengujian di sini. Uji koefisien secara keseluruhan (bersama-sama sekaligus) dengan F(2,13) = 46.98 dengan nilai kritis 0.0001. bagian ini menguji kedua koefisien dan ternyata keduanya tidak sama dengan nol ( salah satu masih mungkin nol). Bagian ke dua dengan F(1,13) = 13.67 untuk dengan nilai kritis 0.0027. dari sini juga terlihat bahwa ). .

(hal yang sama juga benar untuk

Selanjutnya kita amati Tabel 7.5 kuadrat korelasi parsial dengan dan F masuk 0.1698 0.5647 2.46 15.57 Nilai kritis 0.1431 1.94 x 10-3

Terlihat

memenuhi syarat untuk masuk, F masuk jauh lebih besar dari ke dalam pesamaan

3, misalnya atau nilai kritis < 0.01. pemasukan menghasilkan taksiran dan statistic sebagai berikut : Tabel 7.6 Koefisien regresi X2, X3, dan X4

Peubah

Koefisien regresi 2,0178 -21,0783 -6,3177 309,8643

Kuadrat Galat baku F(1,12) Nilai kritis korelasi parsial 0,4527 2,0330 1,6012 19,867 107,492 15,568 0,0008 0,0001 0,0019 0,6234 0,8996 0,5647

X2 X3 X4 Tetapan

( Uji

) keseluruhan ( Begitupun koefisien ) amat berarti dengan nilai kritis < 0,0001. tidak sama dengan nol (amat berarti). naik diluar

sebesar model dengan

.

mengecil menjadi kira-kira setengahnya. Tinggal

dengan dk 1 dan 11, dan

nilai kritis 0,0856. Bila syarat untuk masuk persamaan regresi (bila diambil ataupun nilai tidak memenuhi syarat masuk). yang lebih besar , misalnya , maka

Koefisien regresi dan statistiknya tertera pada tabel 7.7 halaman 227. Terlihat bahwa Koefisien naik sebesar 1.37%. begitupun turun sedikit.

tidak sama dengan nol secara berarti. Dengan demikian, menurut

metode seleksi maju keempat peubah masuk ke dalam model dan diperoleh persamaan ̂ Tabel 7.7 Koefisien regresi keseluruhan Kuadrat Galat baku F(1,11) Nilai kritis korelasi prsial 3.4385 0.4605 6.6689 1.4633 3.567 27.400 1.811 16.781 0.0856 0.0003 0.2055 0.0018 0.2449 0.7135 0.7135 0.6040

Peubah bebas

Koefisien regresi 6.4943 2.4107 -8.9745 -5.9945

tetapan

96.3114

R2 = 96.00%, s2 = 326.093 F(4,11) = 66.08, nilai kritis = 0.0001