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 !!! .

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

Regresi Makna 0 & 1 ? .

Regresi .

Determinasi: % keragaman Y yang mampu dijelaskan oleh X) .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.

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.Contoh Data Percobaan dalam bidang lingkungan Apakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan? Diambil contoh 10 mobil secara acak.39 Jarak .

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 .

1% Analysis of Variance Source Regression Error Total DF 1 8 9 SS 131932 14118 146051 MS 131932 1765 F 74.Analisis Regresi Contoh output regresi dengan Minitab Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil) The regression equation is Predictor Constant Jarak Coef 381.000 Unusual Observations Obs Jarak Emisi 8 84.40 0.3893 Emisi = 382 + 5.95 5.3% R-Sq(adj) = 89.000 S = 42.0 Residual -82.000 0.7 St Resid -2.7 StDev Fit 18.6233 T 9.01 R-Sq = 90.76 P 0.39 Jarak StDev 42.01 8.18R R denotes an observation with a large standardized residual .65 P 0.0 752.0 Fit 834.

Analisis Regresi 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) .

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