Anda di halaman 1dari 15

ANALISIS REGRESI NON LINEAR MODEL HIPERBOLA

MAKALAH Untuk memenuhi tugas matakuliah Analisis Regresi Yang dibina oleh Bapak Hendro Permadi

Oleh: Kelompok 4 Anita Hermaningtyas Umi Qoiriah Rachmadania Akbarita Elvira Firdausi N. 408312408019 408312409125 408312409133 408312411952

UNIVERSITAS NEGERI MALANG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA Oktober 2010

BAB I PENDAHULUAN

A. Latar Belakang Salah satu teknik analisis data yang sedang ngetrend belakangan ini adalah regresi. Regresi adalah salah satu metode peramalan yang dikenal dalam statistik. Regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dan variabel yang lain. Dalam dunia pendidikan, regresi sangat sering digunakan oleh mahasiswa yang sedang menyelesaikan tugas akhir. Analisis regresi berguna untuk mengetahui pengaruh antara variabel bebas (yang juga dikenal dengan prediktor) yang disimbolkan dengan dan variabel

terikat (yang juga dikenal dengan kriterium) yang disimbolkan dengan . Istilah variabel bebas dan variabel terikat berasal dari matematika. Dalam penelitian: Variabel bebas adalah variabel yang dimanipulasikan oleh peneliti. Misalnya seorang peneliti di bidang pendidikan yang mengkaji akibat dari berbagai metode pengajaran. Peneliti dapat menentukan metode (sebagai variabel bebas) dengan menggunakan berbagai macam metode. Dalam bahasa yang lebih lugas, variabel bebas adalah variabel yang meramalkan sedangkan variabel terikat adalah variabel yang diramalkan. Variabel terikat adalah akibat yang diduga mengikuti perubahan dari variabel bebas. Contoh, misalnya kita mengkaji tentang hubungan antara kecerdasan dan prestasi sekolah, maka kecerdasan adalah variabel bebas dan prestasi sekolah adalah variabel terikat. Jika kita meneliti hubungan antara merokok dan penyakit kanker, maka merokok adalah variabel bebas dan penyakit kanker adalah variabel terikat. Meskipun terdapat banyak sekali bentuk regresi non linear yang biasa digunakan tetapi di sini hanyalah akan ditinjau beberapa saja yang penting dan termudah. Untuk regresi non linear berbentuk lengkungan : atas yang akan ditinjau di sini, antara lain

a. b. c. d.

Parabola kuadratis dengan persamaan: Parabola kubis dengan persamaan: Logaritmis dengan persamaan: Hiperbola dengan persamaan:

Dalam makalah ini akan dibahas lebih mendalam mengenai bentuk regresi non linear hiperbola

B. Rumusan Masalah 1. Bagaimana persamaan umum regresi non linear model hiperbola dan bentuk linear dari persamaan tersebut? 2. Bagaimana menganalisa model regresi yang telah diperoleh? 3. Bagaimana aplikasi regresi non linear model hiperbola?

C. Tujuan 1. Menuliskan persamaan umum regresi non linear model hiperbola dan bentuk linear dari persamaan tersebut. 2. Menganalisa model regresi yang telah diperoleh. 3. Mengetahui aplikasi dari regresi non linear model hiperbola.

BAB II PEMBAHASAN

1. Persamaan Umum Regresi Non Linear Model Hiperbola dan Bentuk Linear dari Persamaan Tersebut Persamaan regresi hiperbola (lengkung cekung) ada dua model, yaitu: A.
( )

di mana garis persamaannya akan memotong sumbu , ini ada yang negatif, atau bahkan keduanya (nilai

berarti bahwa nilai

maupun ) sama-sama negatif. Jika tidak ada berharga nol dapat ditulis menjadi: Dan bentuk tersebut sudah linear terhadap dan B. di mana garis persamaannya akan memotong sumbu , ini berarti ada yang negatif.

bahwa dalam persamaan ini penyebaran nilai

Model hiperbola ini jarang dipakai pada penelitian pendidikan karena nilainilai yang dihadapi dalam dunia pendidikan sifatnya positif. Walaupun terjadi maka model ini pun dapat digunakan, sedangkan perhitungan koefisien regresinya tidak berbeda dengan yang telah dibahas di muka (regresi linear sederhana), hanya seluruh nilai diganti dengan . Dengan demikian maka untuk menghitung digunakan rumus: ( ) ( ) ( ) ( ( ) digunakan rumus: )

koefisien regresi

Sedangkan untuk menghitung koefisien regresi

( ) ( ) ( )

2. Menganalisa Model Regresi yang Telah Diperoleh Jika telah diperoleh model regresi yang linear maka kita dapat melakukan analisa sebagai berikut:

1. Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut : model regresi tidak berarti : model regresi berarti Dengan alat bantu minitab, diperoleh nilai dapat diperoleh . . Terima jika dari Anova, dan dari tabel dan tolak jika

2. Uji Koefisien regresi Untuk menguji koefisien regresi menggunakan uji T, dengan hipotesis sebagai berikut , artinya variabel bebas tidak berpengaruh terhadap variabel terikat. , artinya variabel bebas berpengaruh terhadap variabel terikat. Dengan alat bantu minitab, diperoleh nilai dapat diperoleh . . Terima jika dari Anova, dan dari tabel dan tolak jika

3. Uji asumsi analisis regresi a) Normal residual Untuk menguji kenormalan residual kita gunakan alat bantu minitab dan uji Anderson Darling dan mencari nilai P_value, dan dengan hipotesis sebagai berikut: : Residual berdistribusi normal. : Residual tidak berdistribusi normal. Untuk menentukan menolak atau menerima P_value dengan suatu nilai sebagai berikut: , jika data diperoleh dari penelitian di lapangan. , jika data diperoleh dari penelitian di laboratorium. , jika data diperoleh dari penelitian terhadap manusia atau binatang. , dalam bidang kedokteran. , dilakukan perbandingan

(taraf kepercayaan) dengan ketentuan

Terima Tolak

jika P_value jika P_value .

b) Kebebasan residual Untuk menguji kebebasan residual dilihat dari autokorelasi fungsi untuk residual. Homogenitas residual bersifat homogen atau tidak saling bebas jika ada korelasi antar sisa. c) Homogenitas Untuk mengetahui apakah sisa antara variable terikat dengan variable bebas mempunyai keragaman yang homogen, atau tidak menunjukkan kecenderungan tertentu. Jika standar sisa 95% berada diantara (-2,2) secara merata maka sisa dikatakan berada dalam sebaran sehingga mempunyai keragaman yang tetap. Jika asumsi kehomogenan ini terpenuhi maka secara otomatis asumsi normalitas akan dipenuhi, jika sumsi ini tidak dipenuhi maka dilakukan cara untuk mengatasi salah satunya dengan cara melakukan transformasi terhadap data tersebut.

3. Aplikasi Regresi Non Linear Model Hiperbola Toko Maju Makmur pada hari pertama pembukaan memiliki jumlah pengunjung yang berbeda pada setiap menitnya. Pada menit-menit pertama pembukaan, terdapat banyak pengunjung yang tertarik untuk melihat-lihat dan membeli di toko tersebut. Data pengunjung diberikan sebagai berikut: = menit setelah toko dibuka = jumlah pengunjung toko

X 20 35 60 100 150 300

Y 150 125 105 100 92 97

X 500 800 1200 1300 1500 1600

Y 97 62 58 40 38 35

Dengan minitab, didapatkan plot sebagai berikut:

Data di atas dianalisis dengan regresi model hiperbola yang ditransformasi menjadi bentuk linier. Nilai-nilai yang diperlukan untuk mencari parameter adalah sebagai berikut: X 20 35 60 100 150 300 500 800 1200 1300 1500 1600 Jumlah 7565 Y 150 125 105 100 92 97 97 62 58 40 38 35 0.0066667 0.0080000 0.0095238 0.0100000 0.0108696 0.0103093 0.0103093 0.0161290 0.0172414 0.0250000 0.0263158 0.0285714 0.178936 400 1225 3600 10000 22500 90000 250000 640000 1440000 1690000 2250000 2560000 8957725 0.1333 0.2800 0.5714 1.0000 1.6304 3.0928 5.1546 12.9032 20.6897 32.5000 39.4737 45.7143 163.143

Diperoleh ,

( ) dan

sehingga didapat: ( )( ( ) ) ( ( )( ) )

( (

( )

)( (

) )

Jadi persamaan regresi model hiperbola dari data di atas adalah


(( ) ( ) )

Keterangan grafik: Dari minitab diperoleh grafik yang menunjukkan taksiran garis regresi yang linier dengan koefisien determinasi ( ) sebesar 92.7% dan sisanya sebesar 7.3%. mempengaruhi sebesar 97.2%,

Ini menunjukkan bahwa keragaman variabel

sedangkan 7.3% dipengaruhi oleh variabel lain yang tidak masuk dalam model. Grafik di atas memperlihatkan taksiran intersep taksiran parameter sebesar 0.00733 dan

sebesar 0.000012. R-Sq berkisar antara 0.1 sampai 0.5,

dengan catatan semakn kecil nilai R-Sq, semakin lemah hubungan antara kedua variable (begitu juga sebaliknya). Model regresi linear telah diperoleh maka kita dapat menganalisis sebagai berikut: 1) Menguji model regresi Data di atas diperoleh dari data lapangan maka Dari minitab diperoleh Anova sebagai berikut:

Dari AnovA di atas diperoleh nilai Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut: Terima jika dan tolak jika .

: model regresi tidak berarti : model regresi berarti Dari tabel didapat Karena diketahui dari ( ) maka menolak ( . Tanpa mencari dapat sehingga signifikan ) yang berarti

dapat disimpulkan bahwa model regresi

dengan kata lain data sangat mendukung adanya hubungan antara menit ( ) dengan pengunjung ( ) dengan persamaan . Adanya

hubungan ini dapat diidentifikasi dengan tingginya nilai koefisien determinasi sebesar 0.927 atau 92.7%.

2) Menguji koefisien regresi Untuk menguji koefisian regresi digunakan uji T, dengan hipotesis sebagai berikut: Terima jika dan tolak jika .

artinya variabel bebas tidak berpengaruh terhadap variabel terikat. artinya variabel bebas berpengaruh terhadap variabel terikat. Dengan alat bantu minitab, diperoleh

Hasil uji koefisien kemiringan garis regresi menunjukkan adanya pengaruh menit ( ) terhadap pengunjung ( ) dengan nilai . Tanpa mencari dapat diketahui dari ( ) ( , jadi ). Karena

maka menolak

dengan kata lain hipotesis

artinya variabel bebas berpengaruh terhadap variabel terikat diterima. Jadi variabel bebas ( ) sangat mempengaruhi variabel tak bebas ( ).

3) Uji asumsi analisis regresi a) Normal residual Untuk menguji kenormalan residual kita gunakan alat bantu minitab dan uji Anderson Darling dan mencari nilai P_value, dan dengan hipotesis sebagai berikut: : Residual berdistribusi normal. : Residual tidak berdistribusi normal.

Untuk menentukan apakah menolak atau menerima dengan suatu nilai .

, P_value dibandingkan

Dari minitab diperoleh nilai P_value beserta grafiknya sebagai berikut:

Terima Tolak

jika P_value jika P_value .

Nilai P_value = 0.96 > 0.05 terima sisaan), jadi residual berdistribusi normal. b) Homogenitas

(memenuhi asumsi kenormalan

Untuk mengetahui apakah sisa antara variabel terikat dengan variabel bebas mempunyai keragaman yang homogen, atau tidak menunjukkan kecenderungan tertentu. Jika standar sisa 95% berada diantara (-3, 3) secara merata maka sisa dikatakan berada dalam sebaran sehingga mempunyai keragaman yang tetap.

Dari minitab diperoleh scatterplot hubungan antara sres1 dengan fits1. Berdasarkan gambar diketahui bahwa standart sisa 95% berada antara (-3, 3) secara merata. Dengan kata lain sisa dikatakan berada dalam sebaran sehingga keragamannya tetap (homogen). c) Kebebasan residual Untuk menguji kebabasan residual dilihat dari autokorelasi fungsi untuk residual dengan menggunakan alat bantu Minitab:

Karena garis hitam (data) tidak melebihi garis merah maka dapat dikatakan saling bebas atau tidak ada korelasi antar sisaan.

BAB IV PENUTUP

Ada dua macam regresi, yaitu regresi linear dan non linear. Regresi linear merupakan regresi yang datanya membentuk persamaan linear dan grafiknya mendekati garis lurus, sedangkan regresi non linear merupakan regresi yang datanya membentuk persamaan garis non linear, yang terdiri dari beberapa bentuk, yaitu eksponen, eksponen khusus, geometri, logistik, hiperbola, power, compound, sigmoid, dan logaritmik. Regresi non linear r tidak dapat di analisa secara langsung, melainkan harus dilinearkan terlebih dahulu dengan menggunakan transformasi yang sesuai. Untuk regresi non linear model hiperbola diperoleh persamaan
( )

. Misalkan

maka

dan dapat diduga parameter untuk persamaan

tersebut sehingga diperoleh model regresinya.