[MA 2513] PROBSTAT

1
REGRESI LINIER SEDERHANA
SIMPLE LINEAR REGRESSION
Regresi Linier Sederhana adalah suatu metodologi untuk
memprediksi (meramal/menaksir/ menduga) yang
menggunakan hubungan dengan garis lurus.
Pada awalnya, analisis regresi digunakan untuk tujuan
memprediksi, menaksir, menduga/meramal.
Perkembangan berikutnya, analisis regresi linier,
memainkan peranan yang amat penting dalam pengambilan
keputusan.
ANALISIS REGRESI ?
Suatu teknik Statistika untuk membuat model matematika
dan meneliti/memeriksa hubungan antara dua variabel atau
lebih.
[MA 2513] PROBSTAT
2

MERAMAL
MENETAPKAN TERJADINYA
SESUATU, DIWAKTU YANG AKAN
DATANG
KETIDAKPASTIAN
HASILNYA ? 100%
BELUM DIJALANI
[MA 2513] PROBSTAT
3
Analisis Regresi Linier Sedehana Model Matematis
Linier sederhana Garis Lurus MODEL MATH ?
Persamaan garis lurus yang digunakan untuk
memperkirakan nilai Y berdasarkan nilai X disebut
persamaan Regresi. Persamaan Regresi yang paling
sederhana disebut : Regresi Linier

SIR FRANCIS GALTON (1877)
The height of children born to tall parents will tend to move
back, or REGRESS to ward the mean height of the
population.
Tinggi badan anak dari orang tua yang tinggi cenderung
memendek menuju tinggi rata-rata populasi.
[MA 2513] PROBSTAT
4
internal eksternal
Kualitatif
(Kategorik)
Kuantitatif
(Numerik)
Sumber
DATA
Sifat
Waktu
Time Series
Crossection
Garis Regresi
Trend
Regresi Linier Regresi Non Linier
[MA 2513] PROBSTAT
5
y = 15 x
Model matematika yang
menyatakan hubungan
deterministik antara variabel x dan
variabel y.
Nilai y ditentukan oleh nilai x.
Untuk memprediksi tidak ada error.
MODEL
DETERMINISTIK
PROBABILISTIK
Dalam model ini, memuat komponen deterministik dan
komponen error. y = 15 + random error
y = komponen deterministik + random error
y = variabel yang menjadi perhatian kita
E (Y) = komponen deterministik
[MA 2513] PROBSTAT
6
Garis Matematis yang dikembangkan oleh Galton dikenal
sebagai Garis Regresi (Line of regression)
ADA DUA CARA MENENTUKAN
GARIS REGRESI
Metode Kuadrat Terkecil
(Least Square Method)
Metode Tangan Bebas
(Freehand Method)
Menentukan suatu persamaan Regresi dengan
meminimumkan jumlah kuadrat jarak vertikal
antara nilai aktual Y dengan Nilai Prediksi Y
Y
Hasil Karya
ADRIEN LEGENDRE
[MA 2513] PROBSTAT
7
VARIABEL TAK BEBAS
DEPENDENT VARIABLE
RESPONSE VARIABLE
UNKNOWN VARIABLE
VARIABEL BEBAS
EXPLANATORY VARIABLE
REGRESSOR VARIABLE
PREDICTOR VARIABLE
INDEPENDENT VARIABLE
KNOWN VARIABLE
VARIABEL
Y
X
[MA 2513] PROBSTAT
8
Scatter Plots X vs Y
S c a t t e r p l o t o f A d v e r t i s i n g E x p e n d i t u r e s ( X ) a n d S a l e s ( Y )
5 0 4 0 3 0 2 0 1 0 0
1 4 0
1 2 0
1 0 0
8 0
6 0
4 0
2 0
0
A d v e r t i s i n g
S

a

l
e

s

[MA 2513] PROBSTAT
9
X
Y

X
Y

X
0
0
0
0
0
Y

X
Y

X
Y

X
Y

Examples of Other Scatterplots
[MA 2513] PROBSTAT
10
Aplikasi yang mendasar dari Regresi Linier dinyatakan oleh
garis lurus dengan persamaan :
Y = a + b X
Modal dasar dari metode kwadrat terkecil adalah nilai data
pengamatan { X
i
, Y
i
}. Nilai pengamatan Y dimodelkan dalam
bentuk suatu : POLA + ERROR. Dengan demikian diperoleh :
Y = POLA + ERROR
Pola = Suatu taksiran dari fungsi linier dalam bentuk
(X
i
) = a + b X
i.

Tujuan dari MKT (LSM) adalah mencari nilai-nilai a dan b,
sehingga jumlah error kuadrat, sekecil mungkin. Secara
matematis, ditulis sebagai berikut : e
i
= Y
i
- (X
i
)
e
i
= Y
i
- ( a + b X
i
)
[MA 2513] PROBSTAT
11
Fitting a Regression Line
X
Y
Data
Y
Three errors
from a fitted line
X
Y
Three errors from the
least squares regression
line
Errors from the least
squares regression
line are minimized
Y
[MA 2513] PROBSTAT
12
Selanjutnya disebut :
( ) { }
2
2
1 1
n n
i i i
i i
e Y a bX
= =
= +

2
1
n
i
i
e L
=
=

Maka :
( ) { }
2
1
( , )
n
i
i
L f a b Y a bX
=
= = +

{ }
2
1
( , )
n
i
i
L f a b Y a bX
=
= =

Atau :
L harus minimum, berarti :
[MA 2513] PROBSTAT
13
0 0
L L
dan
a b
c c
= =
c c

( )
1
2 0
n
i i
i
X a bX
=
=

( )
0
i i
X a bX =

1 1
n n
i i
i i
Y n a b X
= =
= +

Y a bX = +
a Y bX =
[MA 2513] PROBSTAT
14
Dengan mensubstitustikan nilai a, maka diperoleh nilai b
sebagai berikut :
0, :
L
Dari diperoleh
b
c
=
c
( )
1
2 0
n
i i i
i
Y a bX X
=
=

2
1 1 1
n n n
i i i i
i i i
X Y a X b X
= = =
= +

[MA 2513] PROBSTAT
15
1 1
1
1
2
1
n n
i i
i i
n
i
i
X Y
n
n i i
i
X
n
n i
i
X Y
b
X
= =
=
| || |
| |
| |
\ .\ .
=
| |
|
|
\ .
=

Nilai a dan b diperoleh, dengan demikian :

Estimasi dari garis Regresi yang dicari,
berdasarkan data pengamatan : { X
i
, Y
i
}

Y a bX = +
[MA 2513] PROBSTAT
16
Apa benar untuk nilai a dan b tadi, L minimum ?
Untuk ini dapat diperiksa bahwa :
2 2
2 2
0 2 0
L L
n
a a
c c
> = >
c c
2 2
2
2 2
2
0
L L
a a b
D
L L
a b b
| | c c
|
c c c
|
= >
|
c c
|
|
c c c
\ .
2
1
4 ( ) 0
n
i
i
D n X X
=
= >

[MA 2513] PROBSTAT

17
RINGKASAN
Modal dasar : { X
i
, Y
i
} i = 1, 2, . . . n
PLOT
MENDEKATI
GARIS LURUS
SCATTER PLOT
SCATTER GRAM
SCATTER DIAGRAM
METHOD OF
LEAST
SQUARES
FREEHAND
REGRESSION
LINE
Menentukan suatu persamaan regresi dengan
meminimumkan jumlah kwadrat jarak vertikal antara
nilai aktual Y dengan nilai prediksi Y ( = a + b X)
[MA 2513] PROBSTAT
18
}
( )( )
2 2
2 2
1 1 1 1
i i i i
n n n n
i i i i
i i i i
n x y x y
n X X n Y Y

= = = =

=
| | | | | | | |

| | | |
\ . \ . \ . \ .



1
- 1
Koefisien Korelasi = r
Hubungan cukup baik
Model C baik
0 hubungan kurang baik
-1 s s 1
Koefisien Determinasi disebut
2
yaitu kemampuan dari
variabel X untuk menjelaskan variabel Y

2
1 GOOD ,
2
0 BAD
[MA 2513] PROBSTAT
19
Illustrations of Correlation
Y
X
r =0
Y
X
r =-.8
Y
X
r =.8
Y
X
r =0
Y
X
r=-1
Y
X
r =1
[MA 2513] PROBSTAT
20
REALISASI PRODUKSI PULSA TELUM
STO BANDUNG SENTRUM TAHUN1999
BULAN ( X
i
)
PULSA TELUM SLJJ
( y
i
)
JAN 94.636
FEB 92.823
MAR 99.431
APR 94.446
MAY 115.633
JUN 71.222
JUL 122.994
AUG 144.527
SEP 164.037
OCT 177.027
NOV 185.38
DEC 202.42
Pertanyaan :
1. Buat Digram Pencar dari
data tersebut !
2. Dengan menggunakan MKT,
taksirlah berapa banyak
pulsa TELUM SLJJ pada
bulan Juli tahun 2000

[MA 2513] PROBSTAT
21
DATA DIBAWAH INI MENYATAKAN PRODUKSI PULSA
PERIODE JANUARI S.D JULI THN 1998 DIVRE V
BULAN
PRODUKSI
PULSA
JAN 566.078.735
FEB 516.350.217
MAR 576.339.427
APR 522.324.928
MAY 525.596.459
JUN 541.638.260
JUL 566.615.295
Pertanyaan :
1. Buat Scatter PLOTS
2. Dengan menggunakan MKT,
taksirlah produksi pulsa
pada bulan Desember tahun
1998
3. Apabila produksi pulsa pada
bulan Desember 1988
ternayata 574.533.706;
Apakah taksiran saudara
OE/UE ?
Berapa % perbedaanya!
[MA 2513] PROBSTAT
22
DATA DIBAWAH INI MENYATAKAN HUBUNGAN ANTARA
GPI DAN GMAT SCORE DARI 20 MHS PROGRAM MBA
NO
GMAT
score
GPI NO
GMAT
score
GPI NO
GMAT
score
GPI NO
GMAT
score
GPI
1 388 3,72 6 617 3,28 11 567 3,07 16 639 3,55
2 647 3,44 7 557 3,02 12 542 2,86 17 619 3,47
3 652 3,21 8 599 3,13 13 51 2,91 18 694 3,60
4 608 3,29 9 616 3,45 14 573 2,79 19 718 3,88
5 680 3,91 10 594 3,33 15 56 3,00 20 759 3,76
Pertanyaan :
1. Buat Scatter PLOTS. 2. RL dengan MKT
3. Jika GMAT score 600, GPI ?
4.
2
;
5. Jika GPI mhs no. 19 & 20 masing-masing 3,76 dan 3,88,
taksirlah GMATnya