Analisis Korelasi dan Regresi

Pengantar • Apa itu analisis regresi? • Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya. • Apa bedanya dengan korelasi? .

Korelasi .

Korelasi .

Korelasi .

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

Korelasi !!! .

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

Regresi Makna 0 & 1 ? .

Regresi .

Analisis Regresi • Pendugaan terhadap koefisien regresi:  b0 penduga bagi 0 dan b1 penduga bagi 1 (  x )( y )  xy  n b1  (  x )2  x2  n b0  y  b1 x Metode Kuadrat Terkecil Bagaimana Pengujian terhadap model regresi ?? • parsial (per koefisien)  uji-t • bersama  uji-F (Anova) Bagaimana menilai kesesuaian model ?? R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X) .

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 Emisi = 382 + 5.39 Jarak .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) dg Jarak Tempuh Mobil (ribu kilometer) 950 850 Emisi 750 650 550 30 40 50 60 70 80 90 100 Jarak .

0 752.6233 T 9.01 R-Sq = 90.3893 Emisi = 382 + 5.7 StDev Fit 18.65 P 0.39 Jarak StDev 42.0 Fit 834.18R R denotes an observation with a large standardized residual .76 P 0.Analisis Regresi Contoh output regresi dengan Minitab Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil) The regression equation is Predictor Constant Jarak Coef 381.3% R-Sq(adj) = 89.1% Analysis of Variance Source Regression Error Total DF 1 8 9 SS 131932 14118 146051 MS 131932 1765 F 74.000 Unusual Observations Obs Jarak Emisi 8 84.40 0.7 St Resid -2.000 0.0 Residual -82.000 S = 42.01 8.95 5.

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

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

Uji Hipotesis H0 : 1≤0 vs H1: 1>0 Uji Parsial Statistik uji: b1 T Sb 1 S b1  s ( xi  x ) 2  n2 s ˆ ( y i  yi ) 2  .

Sign up to vote on this title
UsefulNot useful