Mata Kuliah: Statistik Inferensial

ANALISIS REGRESI DAN KORELASI BERGANDA

OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Pengertian Bentuk Fungsi, Variabel, dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi NonLinier

Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar

Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier

Analisis Variabel Kualitatif

Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi

Analisis Regresi dan Korelasi Berganda

CONTOH BENTUK NONLINIER, VARIABEL KUALITATIF, DAN DISTRIBUSI LAG

Hubungan laba dan kredit di perbankan lebih mendekati fungsi kuadratik

Hubungan Laba dan Kredit Bank 2002

80

K redit

60 40 20 0 1 2 5 8 9 11 15 25 25 36 Laba Data Riel Trend Linear Trend Akar X

Mata Kuliah: Statistik Inferensial

CONTOH BENTUK NONLINIER, VARIABEL KUALITATIF, DAN DISTRIBUSI LAG

H u b u n g a n In f la s i- S u k u B u n g a T a h u n 1 9 9 2 -2 0 0 2 10000 1000 100 10 1 2 4 9 10 In f la s i D a ta R ie l Tre n d K u a d ra t

4

Suku Bunga

11

13

78

T r e n d L in e a r

OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Pengertian Bentuk Fungsi, Variabel, dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Nonlinier

Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar

Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier

Analisis Variabel Kualitatif

Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi

Analisis Regresi dan Korelasi Berganda

Fungsi, Variabel, dan Masalah dalam Analisis Regresi 5

PENGERTIAN REGRESI NONLINIER

Regresi nonlinier atau kurvilinier, adalah suatu fungsi yang menggubungkan variabel tidak bebas Y dengan variabel bebas X yang sifatnya tidak konstan untuk setiap perubahan nilai X.

Mata Kuliah: Statistik Inferensial

BENTUK FUNGSI NONLINIER

1. Bentuk Double Log, Y = Xb
Bentuk double log: perubahan X menyebabkan perubahan Y yang tidak sama

Eksponensial (b<0)
16

Fungsi Line a r

20 15
Y

14 12 10

LnY = Ln + Ln X Y= a+bX

10 5 0 1 2 3 4 5 6 7 8
X

8 6 4 2 0 1 2 3 4
X

BENTUK FUNGSI NONLINIER

2. Bentuk Semi Log Y = ebX
Bentuk semilog: perubahan X secara absolut menyebabkan perubahan Y secara proporsional

Fungsi Semi Log 16 14 12 10

Fungsi Semi Log 16 14 12 10 8 6 4 2 0

Log Y= a + bx Log Y= a - bx
Y

8 6 4 2 0 1 2 3 4 5 6 7 8
X

Log Y= a + bLog X Log Y= a bLog X

1 2 3 4 5 6 7 8 X

BENTUK FUNGSI NONLINIER

3. Bentuk Hiperbola Y= a + b (1/X)
Bentuk hiperbola: Peningkatan X menyebabkan peningkatan Y nir-linier
Fungsi Hiperbola 16 14 12 10 8 6 4 2 0 1 2 3

Y= a + b(1/X)

Y= a - b(1/X)

Mata Kuliah: Statistik Inferensial

BENTUK FUNGSI NONLINIER

4. Bentuk Kuadratik Y= a + b X2
Bentuk Kuadratik: fungsi mempunyai titik minimum dan maksimum

Fungsi Kuadratik
30,00 20,00
Y

10,00 0,00 2 4 9 10 11 13 78

10

CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI

No 1 2 3 4 5 6 7 8 9 10 Bank Mandiri BNI 46 BCA BRI Danamon BII Permata Bank BTN Lippo Bank Citi Bank Laba (triliun) 3,6 2,5 2,5 1,5 0,9 0,1 0,8 0,2 0,5 1,1 Kredit (triliun) 65 37 21 39 18 5 8 10 5 10

11

CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI

1. Fungsi linier Y = a + b X
Y 0,1 0,2 0,5 0,8 0,9 1,1 1,5 2,5 2,5 3,6 X 5 10 5 8 18 10 39 37 21 65 Y =0,25 + 0,052 X ; R2 = 0,769 0,50 0,76 0,50 0,66
La ba 4 3,5 3 2,5 2 1,5 1 0,5 0 5 5 8 10 10 18 Volume Kredit 21 37 39 65

Hubungan Kredit dan Laba

1,17 0,76 2,26 2,15 1,33 3,60

Data Riel

Trend Linier

Hasil regresi Y = 0,25 + 0,052 X

12

Mata Kuliah: Statistik Inferensial

CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI

2. Fungsi Double Log, Y = Xb
Y 0,1 0,2 0,5 0,8 0,9 1,1 1,5 2,5 2,5 3,6 X 5 10 5 8 18 10 39 37 21 65 LnY -2,3 -1,6 -0,7 -0,2 -0,1 0,1 0,4 0,9 0,9 1,3 R2 LnX 1,6 2,3 1,6 2,1 2,9 2,3 3,7 3,6 3,0 4,2 = 0,81 Y -1,3 -0,6 -1,3 -0,8 0,0 -0,6 0,8 0,8
-2

H u b u n g a n K re d it d a n Laba
4 3 2

Laba

1 0

8 10 10

18

21

37

39

-1

0,2 1,4

V o lu m e K r e d it D a t a R ie l T r e n d L in ie r

Y = -2,97364 + 1,0414 X,

65

13

CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI

3. Fungsi Semilog Y = ebX

Y 0,1 0,2 0,5 0,8 0,9 1,1 1,5 2,5 2,5 3,6

X 5 10 5 8 18 10 39 37 21 65

LnX 1,6 2,3 1,6 2,1 2,9 2,3 3,7 3,6 3,0 4,2

Y 0,12 0,89 0,12 0,64

L a b a

Hubungan Kredit dan Laba

4 3,5 3 2,5 2 1,5 1 0,5 0
8 10 10 37 39 18 21 65 5 5

1,55 0,89 2,42 2,36 1,72 2,99

Volume Kredit
Data Riel Trend Linier

Y = -1,68 + 1,12 X, R2 = 0,87

14

CONTOH: FUNGSI REGRESI DAN BENTUK YANG SESUAI

4. Fungsi Kuadratik Y = a + b X2.
X2 25 100 25 64 324 100 1521 1369 441 4225

Y 0,1 0,2 0,5 0,8 0,9 1,1 1,5 2,5 2,5 3,6

X 5 10 5 8 18 10 39 37 21 65

0,80 0,85 0,80

H u b u n g a n K r e d it dan Laba
5 4

Laba

0,83 1,01 0,85 1,88 1,77 1,10 3,83

3 2 1 0
8 10 10 21 37 39 18 65 5 5

V o lu m e K r e d it
D a t a R ie l T r e n d L in ie r

Y=0,78 + 0,0007X; R2= 0,83 15

Mata Kuliah: Statistik Inferensial

OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengertian Bentuk Fungsi, Variabel, dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Non Linier

Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier

Analisis Variabel Kualitatif

Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi

Analisis Regresi dan Korelasi Berganda

Fungsi, Variabel, dan Masalah dalam Analisis Regresi 16

RUMUS Y = a + b1X1 + b2 D +

Di mana: Y X1 D : : : : Variabel tidak bebas Variabel bebas kuantitatif Variabel bebas kualitaif (Dummy), nilai 0 dan 1 Error

17

CONTOH PEMBUATAN REGRESI

Responden 1 2 3 4 5 6 7 8 9 Minyak (Lt/bl) Harga (000/lt) Kesadaran Kolesterol

7 6 4 10 7 7 5 5 9

7 5 8 5 7 8 7 8 6

0 1 1 0 1 0 1 1 0

Persamaan regresinya adalah Y = a + b1X1 + b2 D + ,

18

Mata Kuliah: Statistik Inferensial

PENGGUNAAN MS EXCEL UNTUK MENCARI KOEFISIEN REGRESI BERGANDA

Regression Statistics Multiple R 0,906 R Square 0,821 Adjusted R Square 0,761 Standard Error 0,947 Observations 9 ANOVA df SS MS F Regression 2 24,618 12,309 13,723 Residual 6 5,382 0,897 Total 8 30,000 Coefficients Standard Error t Stat P-value Intercept 15,736 2,003 7,857 0,001 X Variable 1 -0,773 0,286 -2,706 0,035 X Variable 2 -2,464 0,651 -3,783 0,009
Hasil regresi tersebut adalah sebagai berikut:

Y = 15,736 0,773 X1 2,464 D

19

OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Pengertian Bentuk Fungsi, Variabel, dan Masalah dalam Analisis Regresi Bentuk Fungsi Regresi Non Linier

Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar

Pengujian Hipotesa Sampel Kecil Analisis Regresi dan Korelasi Linier

Analisis Variabel Kualitatif

Analisis Regresi Variabel Lag Pelanggaran Asumsi Regresi

Analisis Regresi dan Korelasi Berganda

Fungsi, Variabel, dan Masalah dalam Analisis Regresi 20

CONTOH FUNGSI YANG MENGGUNAKAN VARIABEL LAG

Fungsi Konsumsi

Ct = f (Yt, Yt-1, Yt-2, , Ct-1, Ct-2, )

Fungsi Investasi

It = f ( t, t-1, t-2, It-1, )

Fungsi Permintaan

Qd = f (Px, Py, Yt, Yt-1, Qdt-1)

21

Mata Kuliah: Statistik Inferensial

PENGGUNAAN MS EXCEL UNTUK MENCARI KORELASI

Penyebab yang bersifat teknis.

Apa penyebab dari variabel lag?

Penyebab yang bersifat kelembagaan.

Penyebab yang bersifat psikologis.

22

CONTOH SOAL
Nomor Responden Konsumsi (Rp.000/bl) Anggota Klg (orang) 4 2 5 2 2 3 2 5 6 2 Pendapatan (Rp.000/bl) 739 549 941 520 657 536 797 686 1656 650 23

1 2 3 4 5 6 7 8 9 10

504 408 576 348 420 480 432 504 612 324

RUMUS KOEFISIEN DETERMINASI

1. Model tanpa lag Y = a + b1X1 + b2X2; dimana X1 adalah anggota keluarga dan X2 pendapatan pada tahun ke-t. hasil regresi dengan menggunakan komputer Y 504 408 576 348 420 480 432 504 612 324 X1 4 2 5 2 2 3 2 5 6 2 X2 739 549 941 520 Intersep 657 536 797 686 1656 650 24
Nb t-tabel dengan df 7 5% = 2,365. Nilai F tabel df 2;7 ; 5% =4,74

Ringkasan Hasil Regresi R-Square F-hitung Coefficient s 273,902 47,580 0.03865 0.836 17.80 t 7.539 3.586 0.625

X Variabel 1 X Variabel 1

Mata Kuliah: Statistik Inferensial

RUMUS KOEFISIEN DETERMINASI

2. Model dengan lag Y = a + b1X1 + b2X2; di mana X1 adalah anggota keluarga dan X2 pendapatan pada tahun ke-t-1. Y 504 408 576 348 420 480 432 504 612 324 X1 4 2 5 2 2 3 2 5 6 2 739 549 941 520 657 536 797 686 1656 25 Intersep X Variabel 1 X Variabel 1 R-Square F-hitung Coefficients 383,052 47,664 -0,102 0.953 60,52 T 12,47 8,797 -4,07 X2 Ringkasan Hasil Regresi

Nb t-tabel dengan df 7 5% = 2,365. Nilai F tabel df 2;7 ; 5% =4,74

RUMUS KOEFISIEN DETERMINASI

3.

Model gabungan Yt dan Yt-1. setelah melakukan regesi terhadap Yt saja pada bagian 1, dan Yt-1 saja pada bagian 2, maka pada bagian ini akan digabungkan Yt dan Yt-1, serta bagaimana hasilnya

Y 504 408 576 348 420 480 432 504 612 324

X1 4 2 5 2 2 3 2 5 6 2

X2 (Yt) 739 549 941 520 657 536 797 686 1656 650

X2 (Yt-1) 739 549 941 520 657 536 797 686 1656 R-Square F-hitung

Ringkasan Hasil Regresi 0.962 42,57 Coefficients Intersep X Variabel 1 X Variabel 2 X Variabel 2 373,374 41,213 0,0399 -0,102 T 11,82 5,28 1,13 -4,14

Nb t-tabel dengan df 7 5% = 2,365. Nilai F tabel df 2;7 ; 5% =4,74

26

TERIMA KASIH

27