P. 1
Regresi Dan Korelasi

Regresi Dan Korelasi

|Views: 4|Likes:
penelitian ilmiah
penelitian ilmiah

More info:

Published by: Suhermawan Suhertinho Pugliara Dua on Feb 15, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/24/2014

pdf

text

original

REGRESI & KORELASI LINIER SEDERHANA

1. Pendahuluan

• Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911) • Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu peubah takbebas (dependent variable) dari nilai peubah bebas (independent variable) • Diagram Pencar = Scatter Diagram Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah bebas. Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal) Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal) Nilai peubah takbebas ditentukan oleh nilai peubah bebas Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas? Contoh 1: Umur Vs Tinggi Tanaman Biaya Promosi Vs Volume penjualan (X : Umur, Y : Tinggi) (X : Biaya Promosi, Y : Vol. penjualan)

• Jenis-jenis Persamaan Regresi : a. Regresi Linier : - Regresi Linier Sederhana - Regresi Linier Berganda b. Regresi Nonlinier - Regresi Eksponensial • Regresi Linier - Bentuk Umum Regresi Linier Sederhana

Y = a + bX
Y X a b : peubah takbebas : peubah bebas : konstanta : kemiringan

- Bentuk Umum Regresi Linier Berganda

Y = a + b1X1 + b2X2 + ...+ bnXn
Y X1 X2 Xn : peubah takbebas : peubah bebas ke-1 : peubah bebas ke-2 : peubah bebas ke-n a b1 b2 bn : konstanta : kemiringan ke-1 : kemiringan ke-2 : kemiringan ke-n

RegresiKorelasi / thomasyunigunarto / Hal 1 – dari 9

Bentuk umum Regresi Eksponensial Y = abx log Y = log a + (log b) x 2. Regresi Linier Sederhana metode paling populer untuk • Metode Kuadrat terkecil (least square method): menetapkan persamaan regresi linier sederhana .bX X • Penetapan Persamaan Regresi Linier Sederhana X b= ⎛ n ⎞⎛ n ⎞ n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟ ⎝ i =1 ⎠ ⎝ i =1 ⎠ i =1 n ⎛ n ⎞ 2 n∑ xi −⎜ ∑ xi ⎟ ⎝ i =1 ⎠ i =1 n 2 a = y − bx sehingga a= ∑y i =1 n i n −b ∑x i =1 n i n n : banyak pasangan data yi : nilai peubah takbebas Y ke-i xi : nilai peubah bebas X ke-i Contoh 2 : RegresiKorelasi / thomasyunigunarto / Hal 2 – dari 9 .• Regresi Non Linier .Bentuk Umum Regresi Linier Sederhana : Y = a + bX Y a : peubah takbebas : konstanta X b : peubah bebas : kemiringan Nilai b dapat positif (+) dapat negartif (-) b : positif → Y Y = a + bX b : negatif → Y Y = a .

530 + 1.053 X −b ∑x i =1 n i Y=a+bX • Peramalan dengan Persamaan Regresi Contoh 3 : Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut Y = 2. 10 juta ? Jawab : Y = 2.× ⎟ = 8 − (1.2) = 8 − 5. Y = 2.05263.4736..06 (ratusan juta liter) Volume penjualan = 13.5263. x Tahun Biaya Promosi (Juta Rupiah) 1992 2 1993 4 1994 5 1995 7 1996 8 Σ Σx = 26 y Volume Penjualan (Ratusan Juta Liter) 5 6 8 10 11 Σy = 40 xy 10 24 40 70 88 Σxy = 232 x² 4 16 25 49 64 Σx² =158 y² 25 36 64 100 121 Σy² = 346 bentuk umum persaman regresi linier sederhana : Y = a + b X n=5 b= n ⎛ n ⎞⎛ n ⎞ n ∑ x i yi − ⎜ ∑ x i ⎟ ⎜ ∑ yi ⎟ ⎝ i =1 ⎠ ⎝ i = 1 ⎠ i =1 n ⎛ n ⎞ n∑ xi2 −⎜ ∑ xi ⎟ ⎝ i =1 ⎠ i =1 2 b= (5 × 232) − (26 × 40) 1160 − 1040 120 = = = 1.. = 2.530 + 1..05263.×5...= 2.053 X Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp.06 x 100 000 000 liter Korelasi Linier Sederhana RegresiKorelasi / thomasyunigunarto / Hal 3 – dari 9 .053 790 − 676 114 (5 × 158) − (26 2 ) a= ∑ yi i =1 n n n 26 ⎞ 40 ⎛ a= − ⎜ 1..530 5⎠ 5 ⎝ → Y = 2..053 (10) = 2.Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak Goreng.53 = 13.530 + 1..053 X X = 10 3.53 + 1..0526 = 1.53 + 10.

setelah mendapatkan persamaan Regresi Y = 2.053 X. Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi r= ⎛ n ⎞⎛ n ⎞ n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟ ⎝ i=1 ⎠ ⎝ i=1 ⎠ i =1 n 2 2 ⎡ n ⎛ n ⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤ ⎢n∑ xi2 −⎜ ∑ xi ⎟ ⎥⎢n∑ yi −⎜ ∑ yi ⎟ ⎥ ⎝ i=1 ⎠ ⎥ ⎝ i=1 ⎠ ⎥⎢ i=1 ⎢ i=1 ⎦ ⎣ ⎦⎣ R = r2 Contoh 4 : Lihat Contoh 2. Gunakan data berikut (lihat Contoh 2) Σx = 26 Σy = 40 Σxy = 232 Σx² =158 Σy² = 346 r= n ⎛ n ⎞⎛ n ⎞ n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟ ⎝ i =1 ⎠ ⎝ i =1 ⎠ i =1 2 2 n ⎡ n ⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤ 2 ⎛ ⎢n∑ xi −⎜ ∑ xi ⎟ ⎥ ⎢n∑ yi −⎜ ∑ yi ⎟ ⎥ ⎝ i =1 ⎠ ⎦ ⎝ i =1 ⎠ ⎦ ⎣ i =1 ⎥ ⎥⎢ ⎢ ⎣ i =1 RegresiKorelasi / thomasyunigunarto / Hal 4 – dari 9 . korelasi (r) dan koef determinasi (R).530 + 1. anda dapat melanjutkan analisis ke regresi eksponensial) • Koefisien Determinasi Sampel = R = r² Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai peubah X melalui hubungan linier.• Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r berkisar antara (+1) sampai (-1) Nilai r yang (+) ditandai oleh nilai b yang (+) Nilai r yang (-) ditandai oleh nilai b yang (-) Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y memiliki korelasi linier yang tinggi Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0. hitung koef.

r= [(5 × 158) − (26 )] × [ (5 × 346) − (40 )] 2 2 (5 × 232) − (26 × 40) = 1160 − 1040 [ 790 − 676] × [1730 − 1600] = 120 114 × 130 = 120 120 = = 0.2 = 0.= 97 % Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier. Regresi Linier Berganda • Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1 Variabel Tak Bebas (Y). b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut: (i) n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi i =1 i =1 i =1 n n n (ii) a ∑ x1i + b1 ∑ x1i + b 2 ∑ x2i x1i = ∑ x1i yi 2 i =1 n n n n n i =1 n i =1 i =1 (iii) a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi i =1 i =1 i =1 i =1 n n n : banyak pasangan data x1i : nilai peubah bebas X1 ke-i Contoh 4: RegresiKorelasi / thomasyunigunarto / Hal 5 – dari 9 yi : nilai peubah takbebas Y ke-i x2i : nilai peubah bebas X2 ke-i . Nilai r = 0.9857. yaitu 3 % dijelaskan oleh hal-hal lain. ... Sisanya.97165. 14820 12173....... 4.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan) berkorelasi linier yang positif dan tinggi R = r 2 = 0..9857. • Bentuk Umum : Y = a + b1 X1 + b2 X2 Y : peubah takbebas X1 : peubah bebas ke-1 X2 : peubah bebas ke-2 a b1 b2 : konstanta : kemiringan ke-1 : kemiringan ke-2 • a .

(i) (ii) (iii) n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi i =1 i =1 i =1 n a ∑ x1i + b1 ∑ x1i 2 + b 2 ∑ x2i x1i = ∑ x1i yi a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi i =1 i =1 i =1 i =1 i =1 n i =1 n i =1 n i =1 n n n n n Sehingga didapatkan tiga persamaan berikut: (i) (ii) (iii) 6a 31 a 40 a + + + 31 b1 + 187 b1 + 239 b1 + 40 b2 239 b2 306 b2 = 50 = 296 = 379 RegresiKorelasi / thomasyunigunarto / Hal 6 – dari 9 .Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam ratusan ribu rupiah/unit). x1 2 3 5 6 7 8 1 x2 3 4 6 8 9 10 2 y 4 5 8 10 11 12 = x1 x2 6 12 30 48 63 80 1 2 x1y 8 15 40 60 77 96 = x2y 12 20 48 80 99 120 x1² 4 9 25 36 49 64 x2² 9 16 36 64 81 100 = y² 16 25 64 100 121 144 = ∑x = ∑x 31 40 ∑y= ∑x x 50 239 ∑ x1y = ∑x 379 296 2 y= ∑x 187 2 1 ∑x 306 2 2 ∑y 470 2 = Tetapkan Persamaan Regresi Linier Berganda = a + b1 X1 + b2 X2 n=6 ∑ x = 31 ∑ x x =239 ∑ x =187 1 1 2 2 1 n n ∑x ∑ 2 = 40 ∑x x 1 y =296 2 2 =306 ∑ y = 50 ∑ x y = 379 ∑ y = 470 2 2 Masukkan notasi-notasi ini dalam ketiga persamaan normal.

sehingga: (v) Perhatikan b2 = 0.75 6a 6a + + 31(0.75 RegresiKorelasi / thomasyunigunarto / Hal 7 – dari 9 .75) 30 6a a = 50 = 50 = 4. untuk menghilangkan (a) (ii) (i) (ii) (i) 31 a 6a + + 187 b1 31 b1 1122 b1 961 b1 161b1 + + + + + 239 b2 40 b2 1434 b2 1240 b2 194 b2 = 296 = 50 = 1776 = 1550 = 226 ×6 × 31 189 a + 189 a + (iv) Lalu (iii) (i) (iii) (i) 40 a 6a + + 239 b1 31 b1 1434 b1 1240 b1 194 b1 + + + + + 306 b2 40 b2 1836 b2 1600 b2 236 b2 = 379 = 50 = 2274 = 2000 = 274 × 6 × 40 240 a + 240 a + (v) Selanjutnya.5 + + 40 (0.75) = 274 177 = 274 194 b1 = 97 b1 = 0.Lakukan Eliminasi.75 194 b1 194 b1 + + 236 (0. eliminasi (b1) dan dapatkan nilai (b2) (v) (iv) (v) (iv) 194 b1 161 b1 31234 b1 31234 b1 + + + + 236 b2 194 b2 37996 b2 37636 b2 360 b2 b2 = 274 = 226 = 44114 = 43844 = = 270 0.50 dan b2 = 0.50) 15.50 = 50 194 b1 + 236 b2 = 274 (i) 6a + 31 b1 + 40 b2 Perhatikan b1 = 0.75 × 161 × 194 Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi.5 = 0.

75 X2 5.12 2 R y .50 X1 + 0. Korelasi Linier berganda • Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut 2 R y.12 • Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau ry.12 =306 ∑ y = 50 ∑ x y = 379 ∑ y = 470 2 2 Maka tetapkan dan jelaskan artinya nilai tersebut! RegresiKorelasi / thomasyunigunarto / Hal 8 – dari 9 .Sehingga Persamaan Regresi Berganda a + b1 X1 + b2 X2 dapat ditulis sebagai 0.12 = 1 − JKG ( n − 1) s 2 y JKG : Jumlah Kuadrat Galat sy² : Jumlah Kuadrat y (terkoreksi) di mana 2 sy = n∑ y 2 − ( ∑y ) 2 n(n − 1) JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y Contoh 5: Jika diketahui (dari Contoh 4) n=6 ∑ x = 31 ∑ x x =239 ∑ x =187 1 1 2 2 1 ∑x ∑ 2 = 40 x 1 y =296 2 2 ∑x 2 R y.12 = • Rumus 2 Ry.75 + 0.

25 = 1− 5 × 10.53% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X2 (biaya aksesoris) melalui hubungan linier.0.0.148 .0.12 = 99. Selesai 2 RegresiKorelasi / thomasyunigunarto / Hal 9 – dari 9 .667 53.75 (379) = 470 .53% menunjukkan bahwa 99.667 6(6 − 5) 30 30 JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y = 470 .0.284.25 0.12 = 1 − JKG ( n − 1) s 2 y = 1− 0. Sisanya sebesar 0.25 = 0.5 .47% dijelaskan oleh hal-hal lain.0046875 = 0.53% Nilai R y.2 sy = n∑ y 2 − (∑ y ) 2 n(n − 1) = 6(470) − (50) 2 2820 − 2500 320 = = = 10.37.9953125 = 99.75(50) .25 2 R y .333 = 1 .5 (296) .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->