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 !!!

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,
Dosis Pupuk vs Produksi

Model regresi sederhana :

Yi 0 1 X i i ; i 1,2,..., n

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)

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

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

Analisis Regresi
Contoh output regresi dengan Minitab
Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil)

The regression equation is Predictor Constant Jarak Coef 381.95 5.3893

Emisi = 382 + 5.39 Jarak StDev 42.40 0.6233 T 9.01 8.65 P 0.000 0.000

S = 42.01

R-Sq = 90.3%

R-Sq(adj) = 89.1%

Analysis of Variance Source Regression Error Total DF 1 8 9 SS 131932 14118 146051 MS 131932 1765 F 74.76 P 0.000

Unusual Observations Obs Jarak Emisi 8 84.0 752.0

Fit 834.7

StDev Fit 18.0

Residual -82.7

St Resid -2.18R

R denotes an observation with a large standardized residual

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)

Uji Hipotesis
H0 : 1=0 vs H1: 10
ANOVA (Analysis of Variance) Uji F

( yi y ) 2 ( y i y ) 2 ( y i y i ) 2
i 1 i 1 i 1

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,n-2)

Total

n-1

JKT

Uji Hipotesis
H0 : 10 vs H1: 1>0
Uji Parsial Statistik uji:

b1 T Sb 1 S b1 s ( xi x ) 2 n2 s

( y i yi ) 2