Anda di halaman 1dari 64

1

WAHYU WIDAYAT
0274 521636 (FE) 081 1251 3838 (HP)
2

REGRESI DAN KORELASI

FUNGSI PERMINTAAN
Merupakan suatu persamaan yang menghubungkan jumlah barang yang diminta dengan faktor-faktor yang mempengaruhi
6

HARGA BARANG TERSEBUT

HARGA BARANG LAIN

JUMLAH YANG DIMINTA

SELERA PENGHASILAN
7

PERSAMAAN PERMINTAAN

y = a + b1x1 + b2x2 + b3x3 +b4x4


y = jumlah yang diminta x1 = harga barang tersebut x2 = harga barang lain x3 = selera x4 = penghasilan
8

FRANCIS GALTON
9

Francis Galton menghubungkan tinggi badan anak dan ayahnya

HASILNYA: ANALISIS REGRESI

10

KARL PEARSON memperbaiki analisis


Sample yang diambil lebih banyak

11

TEMUANNYA: KELOMPOK ORANG TUA JANGKUNG CENDERUNG MEMPUNYAI ANAK YANG LEBIH PENDEK DAN KELOMPOK ORANG TUA PENDEK CENDERUNG MEMPUNYAI ANAK LEBIH TINGGI

REGRESI
12

REGRESI
HUBUNGAN ANTARA VARIABEL TAK BEBAS DENGAN SATU ATAU LEBIH VARIABEL BEBAS

13

1. REGRESI LINIER SEDERHANA


2. REGRESI LINIER BERGANDA

14

MODEL REGRESI
MODEL LINIER SEDERHANA

Y a bX
MODEL LINIER BERGANDA

Y a b1 X1 b2 X 2 b3 X 3 .....bn X n
15

MODEL REGRESI
MODEL LOGARITMA

Y b 0 X1 X 2
b1
ATAU

b2

ln Y ln b0 b1 ln X 1 b2 ln X 2
ln Y a b1 ln X 1 b2 ln X 2
di mana

a ln b0

16

MODEL REGRESI
MODEL SEMILOG

ln Y b0 b1 X 1 b2 X 2
ATAU

Y ln b0 b1 ln X1 b2 ln X 2
17

REGRESI
MODEL LINIER SEDERHANA
18

MODEL LINIER SEDERHANA

Y a bX
VARIABEL TAK BEBAS VARIABEL YG DIJELASKAN PREDICTAND REGRESAND RESPONSE VARIABEL BEBAS VARIABEL YG MENJELASKAN PREDICTOR REGRESOR CONTROL VARIABLE
19

MODEL LINIER SEDERHANA

Y a bX
KOEFISIEN REGRESI PARAMETER KONSTAN
20

MODEL LINIER SEDERHANA


DENGAN MENCARI DATA X DAN Y DIHARAPKAN BISA MEMPEROLEH NILAI

DAN

b
KOEFISIEN REGRESI PARAMETER

KONSTAN
21

TIME SERIES

DATA HASIL PENGAMATAN PADA SUATU OBYEK PENELITIAN SELAMA BEBERAPA PERIODE YANG BERURUTAN

DATA
CROSS SECTION

DATA HASIL PENGAMATAN PADA BEBERAPA OBYEK PENELITIAN PADA WAKTU YANG SAMA
22

CARA MEMPEROLEH

Y a bX

1. CARI LEWAT OBSERVASI NILAI X DAN Y


2. GUNAKAN RUMUS BERIKUT:

( X X )(Y Y ) b (X X )
i i 2 i

a Y bX

23

.
Y

. .
.
O

..

. . . . .

X
24

REGRESI
MODEL LINIER BERGANDA
25

MENCARI FUNGSI PERMINTAAN HARGA BARANG TERSEBUT HARGA BARANG LAIN

JUMLAH YANG DIMINTA

SELERA PENGHASILAN
26

HARGA DAGING SAPI

HARGA DAGING AYAM

JUMLAH DAGING SAPI YANG DIMINTA

HARGA DAGING KAMBING

SELERA PENGHASILAN KONSUMEN 27

VARIABEL TAK BEBAS

VARIABEL-VARIABEL BEBAS

y = a + b1x1 + b2x2 + b3x3 + .

PERSAMAAN REGRESI

28

PERSAMAAN REGRESI YANG AKAN DICARI

y = a + b1x1 + b2x2 + b3x3 +b4x4


y = jumlah daging sapi yang diminta x1 = harga daging sapi x2 = harga daging ayam x3 = harga daging kambing x4 = penghasilan
29

UNTUK MEMUDAHKAN, NAMA VARIABEL DIGANTI

jumlah = a + b sapi + ..
y = jumlah x1 = sapi x2 = ayam x3 = kambing x4 = income
30

========================================================== |JUMLAH | HARGA DAGING | INCOME | TAHUN |DAGING | SAPI AYAM KAMBING | PERKAPITA | |(KW) | (RP) (RP) (RP) | RIBUAN RP | ========================================================== 2006 1| 325 | 5000 1500 4000 | 579 | 2| 330 | 5200 1500 4300 | 581 | 3| 325 | 5250 1250 4500 | 593 | 4| 324 | 5500 1300 4500 | 580 | 2007 1| 330 | 5500 1453 4450 | 627 | 2| 375 | 5250 2490 5680 | 710 | 3| 378 | 5500 2560 5500 | 718 | 4| 374 | 5750 2475 5650 | 679 | 2008 1| 370 | 6000 2625 5500 | 687 | 2| 360 | 6200 1850 5400 | 698 | 3| 364 | 6300 2100 5500 | 690 | 4| 361 | 6500 2500 5400 | 708 | 2009 1| 367 | 6500 2400 5600 | 715 | 2| 385 | 6050 2700 5900 | 730 | 3| 387 | 6250 2800 6000 | 755 | 4| 392 | 6900 2900 6250 | 763 | 2010 1| 389 | 7000 3000 6350 | 775 | 2| 398 | 7100 3500 6400 | 775 | 3| 390 | 7400 3400 6100 | 782 | 4| 396 | 7500 3500 6250 | 791 | ===========================================================

DATA YANG DIPERLUKAN UNTUK MENGHITUNG PERMINTAAN DAGING SAPI

31

Coefficientsa Standardi zed Coefficien ts Beta -.226 .378 .555 .266

Model 1

Unstandardized Coefficients B Std. Error (Constant) 206.891 14.436 SAPI -7.61E-03 .002 AYAM 1.353E-02 .003 KAMBING 1.943E-02 .004 INCOME 9.656E-02 .047

t 14.331 -4.551 4.633 5.115 2.067

Sig. .000 .000 .000 .000 .056

a. Dependent Variable: JUMLAH


32

ANOVAb Sum of Squares 12470.731 125.269 12596.000 Mean Square 3117.683 8.351

Model 1

df 4 15 19

Regression Residual Total

F 373.318

Sig. .000 a

a. Predictors: (Constant), INCOME, SAPI, AYAM, KAMBING b. Dependent Variable: JUMLAH

33

b Model Summary

Model 1

R R Square .995 a .990

Adjusted R Square .987

Std. Error of the Estimate 2.89

Durbin-W atson 1.884

a. Predictors: (Constant), INCOME, SAPI, AYAM, KAMBING b. Dependent Variable: JUMLAH

34

MENULISKAN PERSAMAAN REGRESI


Y = 206,913 - 0,0076X1 + 0,014X2 + 0,019X3 + 0,096X4
(14.331)
R = 0, 990 F = 373,317
2

(-4.551)

(4,633)

(5,115)

(2,065)

35

Persamaan regresi belum boleh digunakan


Y = 206,913 - 0,0076X1 + 0,014X2 + 0,019X3 + 0,096X4
(14.331)
R = 0, 990 F = 373,317
2

(-4.551)

(4,633)

(5,115)

(2,065)

36

Persamaan regresi belum boleh digunakan


KOEFISIEN REGRESI HARUS DIUJI DULU DENGAN

t TEST F TEST

37

t test
38

t test
Digunakan untuk menguji koefisien regresi secara partial apakah secara statistik koefisien regresi sama dengan nol atau tidak

39

t test
Untuk nilai t hitung positif

40

Menguji bi
H0 : bi = 0 Ha : bi 0 Bila th < ta/2 maka Ho diterima, jadi Ha ditolak dan bi = 0, artinya variabel Xi tidak mempunyai hubungan dengan Y.
41

Menguji bi
H0 : bi = 0 Ha : bi 0 Bila th > ta/2 maka Ho ditolak, jadi Ha diterima dan bi 0, artinya variabel Xi mempunyai hubungan dengan Y.
42

t test
Untuk nilai t hitung negatif

43

Menguji bi
H0 : bi = 0 Ha : bi 0 Bila -th > -ta/2 maka Ho diterima, jadi Ha ditolak dan bi = 0, artinya variabel Xi tidak mempunyai hubungan dengan Y.
44

Menguji bi
H0 : bi = 0 Ha : bi 0 Bila -th < -ta/2 maka Ho ditolak, jadi Ha diterima dan bi 0, artinya variabel Xi mempunyai hubungan dengan Y.
45

Menguji b1
H0 : b1 = 0 Ha : b1 0 th = -4,551 t.05/2 = 2,131 untuk d.f = 15 Karena th < t.025 maka H0 ditolak dan b1 0, artinya variabel X1 mempunyai hubungan dengan Y.
46

Menguji b2
H0 : b2 = 0 Ha : b2 0 th = 4,633 t.05/2 = 2,131 untuk d.f = 15 Karena th > t.025 maka H0 ditolak dan b2 0, artinya variabel X2 mempunyai hubungan dengan Y.
47

F test
48

F TEST
Digunakan untuk menguji koefisien regresi secara serentak (simultan) apakah semua koefisien regresi bersama-sama sama dengan nol atau tidak
49

F TEST
F hitung selalu bertanda positif F hitung dibandingkan dengan F tabel bila F hitung > F tabel maka semua variabel bebas berhubungan dengan Y

50

F TEST
H0 : b1 = b2 = b3 = b4 = 0 Ha : b1 b2 b3 b4 0 Bila Fh > Ft maka Ho ditolak, jadi Ha diterima dan b1 b2 b3 b4 0

51

F TEST
Cara memperoleh nilai F tabel. Nilai F dalam tabel tergantung dari: pembilang (v1), yaitu jumlah semua variabel bebas penyebut (v2), yaitu jumlah observasi - semua variabel derajat keyakinannya ()

52

F TEST
v1 = jumlah variabel bebas = 4 v2 = observasi - jumlah semua variabel = 20 - 5 = 15 Derajat kepercayaan = 0,05 F tabel = 3,06

53

F TEST
H0 : b1 = b2 = b3 = b4 = 0 Ha : b1 b2 b3 b4 0 Karena F hitung = 373,317 dan F tabel = 3,06, maka Fh > Ft dan Ho ditolak, atau Ha diterima dan b1 b2 b3 b4 0
54

KORELASI

55

KORELASI
UNTUK MELIHAT KEERATAN HUBUNGAN ANTARA VARIABEL BEBAS DENGAN VARIABEL TAK BEBAS
56

KORELASI
0R 1 2 R = 0,990
2
Artinya 99% variasi variabel tak bebas diterangkan oleh variabel-variabel bebas yang ada dalam persamaan
57

PERSAMAAN REGRESI UNTUK PREDIKSI

y = a + b1x1 + b2x2 + b3x3 +b4x4


y = jumlah daging sapi yang diminta x1 = harga daging sapi x2 = harga daging ayam x3 = harga daging kambing x4 = penghasilan
58

PREDIKSI y=?

59

PREDIKSI y=?
y = 206,913 - 0,0076x1 + 0,014x2 + 0,019x3 + 0,096x4
Misalkan: x1 = 8000 x2 = 3750 x3 = 6500 x4 = 800 maka y = 398,913 atau dibulatkan

399
60

PREDIKSI
YANG DILAKUKAN DISEBUT PERAMALAN TITIK

BENTUK LAIN ADALAH PERAMALAN BERJANGKA

61

y y ta Se ( y )
y 398,913 (2,131)(2,890)

392,7544 y 405,0716
62

MASALAH PADA REGRESI

1. MULTIKOLINEARITI 2. HETEROSKEDESTISITI 3. AUTOKORELASI

64