Anda di halaman 1dari 45

HANDOUT

ANALISIS REGRESI







Kismiantini
NIP. 19790816 200112 2 001

JURUSAN PENDIDIKAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2010
1
Analisis Analisis Regresi Regresi
A li i A li i K l i K l i Analisis Analisis Korelasi Korelasi
Model Model Regresi Regresi Linear Linear Sederhana Sederhana
2
Analisis Analisis Regresi Regresi dan dan Analisis Analisis Korelasi Korelasi
Apa itu analisis regresi?
Apa bedanya dengan korelasi? Apa bedanya dengan korelasi?
Analisis Regresi Analisis statistika yang memanfaatkan
hubungan antara dua atau lebih peubah kuantitatif sehingga
salah satu peubah dapat diramalkan dari peubah lainnya. p p p y
Analisis Korelasi Analisis statistika yang membahas tentang y g g
derajat (kekuatan) hubungan antara peubah-peubah.
3
Korelasi
Korelasi
Korelasi
Korelasi
4
i i i
X Y + + =
1 0
i = 1, 2, , n
i i i

1 0
Y
i
adalah nilai peubah tak bebas dalam pengamatan ke-i
d d l h t
i 1, 2, , n

0
dan
1
adalah parameter
X
i
adalah konstanta yang diketahui, yaitu nilai peubah bebas dari
pengamatan ke-i

i
adalah galat yang bersifat acak dengan rataan E[
i
]=0 dan ragam
Var [
i
]=
2
;
i
dan
j
tidak berkorelasi sehingga peragam/kovariansi
{
i
,
j
} =0 untuk semua i,j ; i j
iid
{
i
,
j
} ,j ; j
Sehingga : Sehingga :
( )
2
, 0 ~ N
iid
i
i i
X Y E
1 0
] [ + =
5
Model regresi linear sederhana
Model regresi diatas dikatakan sederhana, linear dalam
parameter, dan linear dalam peubah bebas.
Dik t k d h k h d t b h Dikatakan sederhana karena hanya ada satu peubah
bebas.
Dikatakan linear dalam parameter karena tidak Dikatakan linear dalam parameter karena tidak
ada parameter yang muncul sebagai suatu eksponen atau
dikalikan atau dibagi oleh parameter lain.
Dik t k li d l b h b b k Dikatakan linear dalam peubah bebas karena
peubah dalam model tersebut berpangkat satu.
Model yang linear dalam parameter dan linear dalam Model yang linear dalam parameter dan linear dalam
peubah bebas juga dinamakan model ordo-pertama.
Plot Data! Plot Data! NEVER skip this step! The data may not
6
Plot Data! Plot Data! NEVER skip this step! The data may not
even be li near and a di ffer ent model may be mor e
appropriate.
7 8
9
( i k i) d l h b d t il i t d il i d Y

Persamaan regresi linear dugaan :

e
i
(sisaan ke-i) adalah beda antara nilai amatan Y
i
dengan nilai dugaannya
i
Y
i i
X Y 60 , 48 82 , 13

+ =
X Y 60 , 48 82 , 13

+ =
10
11
Bagaimana mendapatkan b
0
dan b
1
?
Metode kuadrat terkecil yaitu dengan Metode kuadrat terkecil, yaitu dengan
meminimumkan jumlah kuadrat galat :
( ) ( ) ( ) ( ) L X Y Y E Y
n
i
i i
n
i
i i
n
i
i
= + = =

= = = 1
2
1 0
1
2
1
2

n
L
( ) ( ) 0 2
1
1 0
0
= + =

=
n
i
i i
X Y
L

( ) ( ) 0 2
1
1 0
= + =

i
n
i i
X X Y
L

1 1

= i

Pendugaan terhadap koefisien regresi:


12
g p g
b
0
penduga bagi
0
dan b
1
penduga bagi
11
Metode

n
Y X
Y X
b
i i
i i
Metode
Kuadrat Terkecil
( )

=
n
X
X
n
b
i
i
2
2
1
( ) X b Y X b Y
n
b
i i 1 1 0
1
= =

Bagaimana Pengujian terhadap model regresi ??
parsial (per koefisien) uji-t
bersama uji-F (Anava)
Bagaimana menilai kesesuaian model ?? g
R
2
(Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
M k M k d g d g k fi i k fi i g i g i
13
Makna Makna dugaan dugaan koefisien koefisien regresi regresi
Misalkan ingin mengetahui hubungan jarak tempuh kendaraan mobil dalam
k (X) d ti k t i i d l (Y) km (X) dengan tingkat emisinya dalamppm(Y).
Plot data ternyata menunjukkan ada hubungan linear antara X dan Y
Dicobakan model linear Y
i
=
0
+
1
X
i
+
i
, diperoleh persamaan regresi
i i
X Y 47 , 5 364

+ =
Apa makna b
0
dan b
1
pada konteks ini ?
Makna dari b
1
yaitu rata-rata emisi meningkat 5,47 ppmuntuk setiap
kenaikan jarak tempuh kendaraan mobil 1 km(atau kenaikan jarak kenaikan jarak tempuh kendaraan mobil 1 km (atau kenaikan jarak
tempuh kendaraan mobil 1 kmakan meningkatkan rata-rata emisi yang
dihasilkan mobil sebesar 5,47 ppm).
Makna dari b
0
yaitu untuk mobil dengan jarak tempuh kendaraan mobil 0
km (mobil baru) tingkat emisi yang dihasilkan rata-rata sebesar 364 ppm.
l 1
14
i 1 2 3 4 5 6 7 8 9 10
Soal 1
i 1 2 3 4 5 6 7 8 9 10
X
i
5,5 4,8 4,7 3,9 4,5 6,2 6,0 5,2 4,7 4,3
Y
i
3,1 2,3 3,0 1,9 2,5 3,7 3,4 2,6 2,8 1,6
i 11 12 13 14 15 16 17 18 19 20
X
i
4,9 5,4 5,0 6,3 4,6 4,3 5,0 5,9 4,1 4,7
Y
i
2,0 2,9 2,3 3,2 1,8 1,4 2,0 3,8 2,2 1,5
66 , 257 ; 84 , 134 ; 12 , 509 ; 0 , 50 ; 0 , 100
2 2
= = = = =
i i i i i i
Y X Y X Y X
1. Apakah nilai mutu rata-rata (NMR) pada akhir tahun pertama (Y)
dapat diramalkan dari nilai ujian masuk (X)?
Bila jawaban ya, maka
2 l h d d 2. Buatlah diagram pencar X dan Y.
3. Tentukan persamaan regresi dugaannya beserta maknanya!
Soal 2
15
Soal 2
Data berikut merupakan hasil penelitian tentang hubungan antara
nilai ulangan Matematika (dalamskala nilai 10 sampai 100) dengan nilai ulangan Matematika (dalamskala nilai 10 sampai 100) dengan
lama waktu belajar matematika (dalamjamselama seminggu)
Nilai ulangan
matematika
95 100 100 80 70 55 50 75 55 60 65 95
Lama waktu 18 18 19 17 14 5 6 10 13 4 12 10
belajar matematika
a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
b) Tentukan persamaan regresi dugaan dan berikan makna dugaan b) Tentukan persamaan regresi dugaan dan berikan makna dugaan
koefisien regresinya!
Soal 3
16
Soal 3
Suatu penelitian telah dilakukan untuk mengetahui hubungan
antara pengeluaran untuk iklan (X dalam jutaan rupiah) dengan p g ( j p ) g
penerimaan melalui penjualan (Y dalam jutaan rupiah) pada
perusahaan tertentu. Berikut ringkasan datanya :

= = = = = = 25440 , 1470 , 6106 , 500 , 120 , 10
2 2
i i i i i i
Y X Y X Y X n
a) Tentukan persamaan regresi dugaan! Berikan maknanya.
b) Bila pengeluaran untuk iklan sebesar 16 juta rupiah berapakah b) Bila pengeluaran untuk iklan sebesar 16 juta rupiah, berapakah
penerimaan dari hasil penjualan?
Soal 4
17
Seorang guru matematika mencatat lama waktu (Y, dalam
i ) di bil d i j l k k l h k ik menit), yang diambil dari perjalanan ke sekolah ketika
meninggalkan rumah setelah jam 7 pagi (X, dalam menit)
pada tujuh pagi hari yang tercatat pada tujuh pagi hari yang tercatat.
X 0 10 20 30 40 50 60 X 0 10 20 30 40 50 60
Y 16 27 28 39 39 48 51
a) Plot data dengan diagram pencar. Berikan penjelasan
dari plot tersebut.
b) Tentukan persamaan regresi linear sederhana dari dan
maknanya.
) G b k i i d i b) d b ) c) Gambarkan garis regresi dari b) pada gambar a).
Soal 5
18
Soal 5
Tabel ini menunjukkan skor tes penalaran verbal, X, j p , ,
dan skor tes Inggris, Y, untuk setiap sampel acak dari 8
anak yang mengikuti kedua tes tersebut:
Anak A B C D E F G H
X 112 113 110 113 112 114 109 113
Y 69 65 75 70 70 75 68 76
a) Plot data dengan diagram pencar. Berikan
penjelasan dari plot tersebut.
a) Tentukan persamaan regresi linear dugaan dan
berikan maknanya
ASUMSI-ASUMSI DALAM ANALISIS
REGRESI LINEAR SEDERHANA
1
MODEL MODEL REGRESI REGRESI LINEAR LINEAR SEDERHANA SEDERHANA BERGALAT BERGALAT NORMAL NORMAL
X Y + + =
i i i
X Y + + =
1 0
d d l h t
0
dan
1
adalah parameter
X
i
adalah konstanta yang diketahui nilainya

i
adalah galat yang menyebar N(0,
2
) dan bebas satu sama lain
AASUMSI SUMSI--ASUMSI ASUMSI DALAM DALAM ANALISIS ANALISIS REGRESI REGRESI LINEAR LINEAR SEDERHANA SEDERHANA
i
g y g y ( , )
Galat memiliki ragam yang konstan
Galat menyebar normal Galat menyebar normal
Galat bersifat saling bebas

i
diduga oleh !!!
S l d b l d l
i i i
Y Y e

=
2
Selanjutnya e
i
disebut sisaan atau nilai dugaan galat.
GALAT MEMILIKI RAGAM YANG KONSTAN

Plot sisaan (e
i
) dengan nilai dugaan ( )
Plot sisaan (e
i
) dengan peubah bebas (X
i
)
i
Y

Bila sisaan-sisaan tidak membentuk suatu pola tertentu maka


galat memiliki ragam yang konstan.
Galat memiliki ragam Galat tidak memiliki ragam
3
Galat memiliki ragam
konstan (tidak berpola)
Galat tidak memiliki ragam
konstan (berpola)
GALAT MENYEBAR NORMAL
Plot peluang normal bagi sisaan yaitu e
i
versus h
i

=
25 , 0
375 , 0
n
i
z KTG h
i

) /( p n JKG KTG =

=
i i i i
Y X b Y b Y JKG
1 0
2
h
i
adalah nilai harapan di bawah asumsi kenormalan
Sisaan diurutkan dari kecil ke besar
e
i
Gambar disamping
menunjukkan bahwa galat menunjukkan bahwa galat
menyebar normal
karena titik-titik (sisaan-sisaan)
mengikuti arah garis diagonal.
4
h
i
PERHATIKAN TABEL BERIKUT
= 10 + 2X, KTG = 7,5
i X Y e
Urutan
e terurut h i X
i
Y
i

i
e
i
naik i
e
i
terurut h
i
1 30 73 70 3
1 -3 -4,24
2 20 50 50 0 2 20 50 50 0
2 -2 -2,74
3 60 128 130 -2
3 -2 -1,79
4 80 170 170 0 4 80 170 170 0
4 -2 -1,02
5 40 87 90 -3
5 -1 -0,33
6 50 108 110 2
6 0 0 33
6 50 108 110 -2
6 0 0,33
7 60 135 130 5
7 0 1,02
8 30 69 70 1
8 2 1 79
8 30 69 70 -1
8 2 1,79
9 70 148 150 -2
9 3 2,74
10 60 132 130 2
10 5 4 24
10 60 132 130 2
10 5 4,24
5
GALAT BERSIFAT SALING BEBAS
Bila data tidak diamati secara bersamaan,melainkan
dalam suatu urutan waktu maka buatlah plot sisaan dalam suatu urutan waktu maka buatlah plot sisaan
(e
i
) terhadap waktu.
Tujuan adalah untuk melihat apakah ada korelasi Tujuan adalah untuk melihat apakah ada korelasi
antara suku galat dengan suku galat berikutnya.
Bila suku suku galat saling bebas maka sisaan sisaan Bila suku-suku galat saling bebas, maka sisaan-sisaan
berfluktuasi secara acak di sekitar nilai o.
Bila data diamati bersamaan, untuk melihat
keacakan galat percobaan dibuat plot antara nilai g p p
dugaan galat (e
i
) dengan nilai dugaan respons (
i
)
Apabila berfluktuasi secara acak di sekitar nol
6
maka dapat dikatakan bahwa galat saling bebas.
7
SOAL 1
Sebuah penelitian mengukur banyaknya gula yang terbentuk
pada berbagai suhu. Data telah dikodekan sebagai berikut:
a) Tentukan persamaan garis regresi linear dugaan
b) Dugalah banyaknya gula yang terbentuk bila suhunya 1,75.
c) Perhatikan gambar berikut, apa yang dapat Anda simpulkan
dari gambar tersebut?
Residuals Versus the Fitted Values
(response is Y)
Normal Probability Plot of the Residuals
(response is Y)
id
u
a
l
1.0
0.5
c
e
n
t
99
95
90
80
70
60
50
8
R
e
s
0.0
-0.5
P
e
rc
1 5 1 0 0 5 0 0 -0 5 -1 0 -1 5
50
40
30
20
10
5
1
Fitted Value
10.0 9.5 9.0 8.5 8.0
Residual
1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5
SOAL 2 SOAL 2
Perhatikan gambar berikut :
90
80
70
Scatterplot of Y vs X
20
10
Versus Fits
(response is Y)
99
95
90
80
Normal Probability Plot
(response is Y)
60
50
40
30
Y0
-10
R
e
sid
u
a
l
80
70
60
50
40
30
20
10
5
P
e
rce
n
t
Gambar 1 Plot X dan Y Gambar 2 Plot nilai dugaan vs sisaan Gambar 3 Plot Peluang Normal
55 50 45 40 35 30
20
X
80 70 60 50 40
-20
Fitted Value
30 20 10 0 -10 -20 -30
1
Residual
Gambar 1. Plot X dan Y Gambar 2. Plot nilai dugaan vs sisaan Gambar 3. Plot Peluang Normal
a) Apa yang dapat Anda simpulkan dari gambar 1, 2 dan 3? Berikan
j l penjelasannya.
b) Berdasarkan Gambar 1, apa tanda dari koefisien korelasinya? Berikan
penjelasannya penjelasannya.
9
INFERENSI DALAM INFERENSI DALAM
ANALISIS REGRESI ANALISIS REGRESI
1. Inferensi tentang
1
a Selang Kepercayaan bagi a. Selang Kepercayaan bagi
1
b. Uji bagi
1
2 I f i t t 2. Inferensi tentang
0
a. Selang Kepercayaan bagi
0
b. Uji bagi
0
1
Selang SelangKepercayaan Kepercayaan bagi bagi Selang SelangKepercayaan Kepercayaan bagi bagi
11
b
{ }
( ) 2
1
1 1
~
n
t
b s
b
Tingkat kepercayaan
( )
{ }
( )



1
2 ;
1
1 1
2 ;
2 2
n n
t
b s
b
t P
( )
{ }
1
2 ;
1
b s t b
n


{ }
( )

=
X
KTG
b s
2 1
2
dengan
{ }
1
b s
( ) 2 ;
2
n
( )

n
X
X
i
i
2
Misalkan diperoleh selang kepercayaan 95% bagi
1
1,89
1
2,11 ,8
1
,
Artinya diduga bahwa rata-rata banyaknya jam-orang (Y) naik
sekitar antara 1,89 sampai 2,11 satuan untuk setiap kenaikan satu
it k l t (X) unit ukuran lot (X).
2
Uji bagi =0 lawan 0 Uji bagi
1
=0 lawan
1
0
Hipotesis
H
0
:
1
=0 (Tidak ada hubungan linear antara X dan Y)
H
1
:
1
0 (Ada hubungan linear antara X dan Y)
Sumber
Keragaman
db JK KT F
hit
F
tabel
1

1
g
Regresi
Galat
1
n-2
JKR
JKG
KTR=JKR/1
KTG=JKG/n-2
F
hit
=KTR/KTG F
(1,n-2)
Galat n 2 JKG KTG JKG/n 2
Total n-1 JKT
Kriteria keputusan :
H
0
ditolak jika F
hit
> F
(1,n-2)
{ }
1
b
t
hit
=
{ }
1
b s
t
hit
Kriteria keputusan :
H dit l k jik |t | t H
0
ditolak jika |t
hit
|> t
/2(n-2)
3
Perhatikan simpangan total berikut :
i i i i
Y Y Y Y Y Y

+ =
Jumlah kuadrat simpangan-simpangan tersebut :
( ) ( ) ( ) Y Y Y Y Y Y
i i i i

2 2
2
+ =

JKG JKR JKT + =
Y X b Y b Y JKG
Y n Y JKT
i
=
=

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


2
2
1 0
( )
( ) X
X
n
n
Y
Y
i
i
i i
i
i

2
2
2
2

JKG JKT JKR
n
i
=

4
Uji Satu Arah Bagi Uji Satu Arah Bagi
1
A k h A k h itif itif tt tid k tid k?? Apakah Apakah
11
positif positif atau atau tidak tidak??
Hipotesis : H
0
:
1
0 H
1
:
1
> 0
Taraf nyata :
Statistik uji : t = b
1
/s{b
1
}
Kriteria Keputusan : H
0
ditolak jika t
hit
> t
(n-2)
Apakah Apakah
11
negatif negatif atau atau tidak tidak??
Hipotesis : H : 0 H : < 0 Hipotesis : H
0
:
1
0 H
1
:
1
< 0
Taraf nyata :
Statistik uji : t = b /s{b } Statistik uji : t = b
1
/s{b
1
}
Kriteria Keputusan : H
0
ditolak jika t
hit
< -t
(n-2)
5
Mi lk S t K t t Misalkan a Suatu Konstanta
Ujilah apakah = a atau tidak? Ujilah apakah
1
= a atau tidak?
St ti tik ji Statistik uji :
{ }
1 1
b
b
t

=
{ }
1
b s
Ganti dengan a Ganti
1
dengan a
6
Selang SelangKepercayaan Kepercayaan bagi bagi
00

1
0 0
t
b
t P
Selang SelangKepercayaan Kepercayaan bagi bagi
00
0 0
b
( )
{ }
( )



1
2 ;
0
0 0
2 ;
2 2
n n
t
b s
t P

{ }
( ) 2
0
0 0
~
n
t
b s

( )
{ }
0
2
0
b s t b
n

{ }
( )

+ =

X
KTG b s
2
2
0
2
1
dengan
( ) 2
2
n
{ }
( )

n
X
X
n
i
i
2
2
Misalkan diperoleh selang kepercayaan 90% bagi
0
5,34
0
14,66
Artinya diduga bahwa rataan rataan banyaknya banyaknya jam jam orang orang sekitar sekitar Artinya diduga bahwa rataan rataan banyaknya banyaknya jam jam--orang orang sekitar sekitar
antara antara 5 5, ,34 34 sampai sampai 14 14, ,66 66 satuan satuan untuk untuk ukuran ukuran lot lot sebesar sebesar 0 0. .
Selang Selang ini ini tidak tidak mempunyai mempunyai makna makna.. gg p y p y
Selang kepercayaan ini tidak selalu memberikan g p y
informasi yang bermanfaat
7
Uji bagi =0 lawan 0 Uji bagi
0
=0 lawan
0
0
Hipotesis
H
0
:
0
=0
H 0 H
1
:
0
0
Taraf Nyata :
b
Statistik Uji :
Taraf Nyata :
{ }
0
0
b s
b
t
hit
=
Statistik Uji :
{ }
0
b s
Kriteria keputusan :
H
0
ditolak jika |t
hit
|> t
/2(n-2)
8
Soal 1 a
Data berikut merupakan hasil penelitian tentang hubungan antara nilai p p g g
ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama
waktu belajar matematika (dalamjamselama seminggu).
Nilai ulangan
matematika
95 100 100 80 70 55 50 75 55 60 65 95
L kt 18 18 19 17 14 5 6 10 13 4 12 10
a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak bebas
Lama waktu
belajar matematika
18 18 19 17 14 5 6 10 13 4 12 10
a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak bebas
Y!
Anggap asumsi-asumsi dalammodel regresi linear sederhana terpenuhi. Anggap asumsi asumsi dalam model regresi linear sederhana terpenuhi.
b)Tentukan selang kepercayaan 99% bagi
0
dan
1
beserta maknanya!
c)Ujilah apakah ada hubungan linear antara lama waktu belajar ) j p g j
matematika dan nilai ulangan matematika? Gunakan taraf nyata = 0,01.
d)Ujilah apakah
1
= 5 lawan
1
5 ? Gunakan taraf nyata = 0,01.
e)Ujilah apakah
0
= 0 atau tidak? Gunakan taraf nyata = 0,01.
9
Soal 2
Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang
memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah
matematika yang biasa tetapi harus mengikuti suatu kelas khusus matematika yang biasa, tetapi harus mengikuti suatu kelas khusus
(remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi
20 mahasiswa yang mengikuti kuliah matematika yang biasa:
a Tentukan peubah mana sebagai peubah bebas X dan peubah tak a. Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
b. Tentukan persamaan regresi dugaan! b u a p a aa g dugaa
c. Bila 60 adalah nilai terendah agar lulus dari pelajaran matematika
tersebut, berapakah batas nilai tes terendah di masa mendatang
untuk dapat diizinkan mengikuti kuliah tersebut?
Bila model regresi ordo pertama layak digunakan.
d Ujil h k h d h b li i il i d il i khi ? d. Ujilah apakah ada hubungan linier antara nilai tes dan nilai akhir?
Gunakan taraf nyata 0,05.
e Tentukan selang kepercayaan 95% bagi dan beserta maknanya e. Tentukan selang kepercayaan 95% bagi
0
dan
1
beserta maknanya.
10
Soal 3
Suatu percobaan dilakukan pada jenis mobil baru merk tertentu, untuk
menentukan jarak yang dibutuhkan untuk berhenti bila mobil tersebut
dirempada berbagai kecepatan. Data yang diperoleh sebagai berikut:
Kecepatan (kilometer per jam) 35 50 65 80 95 110
)T t k b h b i b h b b X d b h t k
p ( p j )
J arak sampai berhenti (meter) 16 26 41 62 88 119
a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
b)Tentukan persamaan regresi dugaan dan berikan makna dugaan b)Tentukan persamaan regresi dugaan dan berikan makna dugaan
koefisien regresinya!
Anggap asumsi-asumsinya terpenuhi. gg p y p
c)Tentukan selang kepercayaan 95% bagi
1
dan berikan maknanya!
d)Tentukan selang kepercayaan 95% bagi
0
dan berikan maknanya!
e)Ujilah apakah ada hubungan linear antara kecepatan dan jarak
sampai berhenti? Gunakan taraf nyata = 0,05.
f)Ujilah apakah
1
positif? Gunakan taraf nyata = 0,05.
11
Sum Square of Errors (SSE) Sum Square of Errors (SSE) JKG JKG Sum Square of Errors (SSE) Sum Square of Errors (SSE) JKG JKG
( )

=
2

i i
Y Y SSE ( )
i i

+ + =
i i i i i i i
Y X b Y b Y X b Y b Y SSE
1 0 1 0
2
2 2
i i i i i i i 1 0 1 0
12
Normal Equation Normal Equation
13
Data Kredit Konsumen Data Kredit Konsumen
Hal 204 No. 6.5 Hal 204 No. 6.5
Data di bawah ini menunjukkan bagi sebuah perusahaan kredit
konsumen yang beroperasi di enam kota, banyaknya perusahaan sejenis
b i di k t it (X) d b t t l k dit d l ib yang beroperasi di kota itu (X) dan besarnya total kredit dalam ribuan
yang tertunggak (Y):
ii 1 1 2 2 33 4 4 55 66
X
i
4 1 2 3 3 4
Y
i
16 5 10 15 13 22
Anggapl ah bahwa model r egr esi or do per t ama l ayak di gunak an. Anggapl ah bahwa model r egr esi or do per t ama l ayak di gunak an.
a. Tentukan persamaan regresi dugaannya!
b Tentukan selang kepercayaan bagi dan beserta b. Tentukan selang kepercayaan bagi
0
dan
1
beserta
maknanya!
c. Ujilah apakah besarnya total kredit tertunggak
1
4
j p y gg
berhubungan dengan banyaknya perusahaan sejenis yang
beroperasi di kota itu!
Ukuran Ukuran Deskriptif Deskriptif bagi bagi Hubungan Hubungan
antara antara Peubah Peubah Bebas Bebas (X) (X) dan dan uu ss ( ) ( ) dd
Peubah Peubah Tak Tak Bebas Bebas (Y) (Y)
dalam dalamModel Model Regresi Regresi dalam dalamModel Model Regresi Regresi
* Koefisien Determinasi * Koefisien Determinasi
* Koefisien Korelasi
1
Perhatikan kembali Perhatikan kembali
( ) ( ) ( ) Y Y Y Y Y Y
i i i i

2 2
2
+ =

( ) ( ) ( )
JKG JKR JKT
i i i i
+ =

J KT mengukur keragaman di dalamamatan-amatan Y
i
atau
ketidakpastian ketika meramalkan Y tanpa menggunakan peubah
bebas X keragaman keragaman total total bebas e aga a e aga a o a o a
J KG mengukur keragaman dalamY
i
dengan menggunakan model
i t k b h b b X kk regresi yang menyertakan peubah bebas X keragaman keragaman yang yang
tidak tidak dapat dapat dijelaskan dijelaskan
J KR mengukur keragaman Y
i
yang berasal dari garis regresi
keragaman keragaman Y yang Y yang dapat dapat dijelaskan dijelaskan
2
Koefisien Koefisien Determinasi Determinasi
Ukuran untuk mengukur pengaruh X dalammenurunkan keragaman Y
adalah adalah
JKT
JKG
JKT
JKR
JKT
JKG JKT
r = =

= 1
2
Koefisien
determinasi
Karena Karena 0 0 J KG J KG J KT J KT maka maka 0 0 rr
22
11
X b b Y
1 0

+ =
Y Y =

Gambar 2
Gambar 1 Gambar 1
3
P h k G b 1 !! Perhatikan Gambar 1 !!
J ika semua amatan terletak pada garis regresi maka J KG = 0 dan r
2
= 1.
Peubah bebas X berhasil menjelaskan semua keragaman di dalam Peubah bebas X berhasil menjelaskan semua keragaman di dalam
amatan-amatan Y
i
.
Perhatikan Gambar 2 !!
J ika kemiringan garis regresi adalah b
1
=0 sehingga
maka J KG=J KT dan r
2
=0
Y Y

maka J KG=J KT dan r


2
=0.
Tidak ada hubungan linear antara X dan Y.
Peubah bebas X dalam bentuk regresi linear tidak bisa membantu
k li d l k k d l t t Y
Y Y
sama sekali dalammenurunkan keragaman dalamamatan-amatan Y
i
.
Semakin dekat pada 1 semakin tinggi tingkat
hubungan linear antara X dan Y. hubungan linear antara X dan Y.
4
Makna Makna koefisien koefisien determinasi determinasi
Misalkan ingin mengetahui hubungan antara jarak tempuh
kendaraan (X) dengan tingkat emisinya (Y) suatu mobil ? kendaraan (X) dengan tingkat emisinya (Y) suatu mobil ?
Diperoleh r
2
= 89,9% , artinya sekitar 89,9% keragaman dari
tingkat emisi suatu mobil yang dapat dijelaskan oleh jarak
tempuhnya.
atau atau
Keragaman tingkat emisi suatu mobil berhasil diturunkan
89,9% dengan disertakan peubah jarak tempuh.
5
Hubungan Hubungan antara antara bb
11
dan dan r r
( )

Y Y
2
( )
( )

X
Y
i
i
s
s
r
X X
Y Y
r b
2 1
( )

X
i
X X
dalam hal ini
( )
2

=

Y Y
s
i
Y
( )
1
2

=

n
X X
s
i
X
1 n
Y 1 n
6
Koefisien Koefisien Korelasi Korelasi
2
r r =
Tanda plus atau minus tergantung pada kemiringan garis
regresinya positif atau negatif. g y p g
-1 r 1
0 >
0 <
0
1
>
0
1
<
7
Rumus Rumus Hitung Hitung bagi bagi r r
( )( )
[ ]

=

Y Y X X
r
i i
( ) ( ) [ ]
2 1
2 2

=



Y X
Y Y X X
r
i i
i i
( ) ( )
2 1
2 2


Y X
n
Y X
Y X
i i
i i
( ) ( )
2 2


n
Y
Y
n
X
X
i
i
i
i
Bila hubungan linear antara X dan Y sempurna maka r = 1
r =1 hubungan sempurna dan searah r 1 hubungan sempurna dan searah
r = -1 hubungan sempurna dan berlawanan arah
Korelasi hanya dapat mengukur hubungan linear !!! Korelasi hanya dapat mengukur hubungan linear !!!
8
Koefisien Koefisien Korelasi Korelasi antara antara X X dan dan Y Y
Koefisien korelasi populasi dinyatakan dengan .
U t k ji k h d h b li t X d Y d Untuk menguji apakah ada hubungan linear antara X dan Y pada
model Y=
0
+
1
X+ dapat pula dengan menguji
H
0
: = 0 lawan H
1
: 0
0

1

J ika regresi Y atas X merupakan garis lurus maka koefisien korelasi
pada populasi adalah atau
XY
pada populasi adalah atau
XY
( )
( ) ( )
( ) ( ) ( )
XY
Y E X E XY E
Y V X V
Y X Cov


= =
,
( ) ( )
Y X
Y Var X Var
( ) ( ) ( ) ( )




=
2
2
2
2
Y Y n X X n
Y X XY n
r
XY
Koefisien Koefisien
korelasi korelasi sampel sampel
( ) ( ) ( ) ( )

9
Pengujian Pengujian hipotesis hipotesis tentang tentang
k fi i k fi i k l i k l i koefisien koefisien korelasi korelasi
Hipotesis Hipotesis
1) H
0
: = 0 (Tidak ada hubungan linear antara X dan Y)
H
1
: 0 (Ada hubungan linear antara X dan Y)
2) H
0
: 0 3) H
0
: 0
H
1
: < 0 H
1
: > 0
T f t Taraf nyata :
Statistik uji :
2
1
2
r
n r
t

=
Kriteria Keputusan :
1) H
0
ditolak jika |t
hit
| > t
/2,n-2
1 r
2) H
0
ditolak jika t
hit
< - t
,n-2
3) H
0
ditolak jika t
hit
> t
,n-2
10
Hipotesis
1) H : =k 2) H : k 3) H : k 1) H
0
: = k 2) H
0
: k 3) H
0
: k
H
1
: k H
1
: < k H
1
: > k
Taraf nyata :
Statistik Uji :
1
1
ln
1
1
ln

+
k
k
r
r
Kriteria Keputusan :
3
1
1 1


=
n
k r
Z
Kriteria Keputusan :
1) H
0
ditolak jika |Z
hit
| > Z
/2
2) H
0
ditolak jika Z
hit
< -Z

)
0
j
hit
3) H
0
ditolak jika Z
hit
> Z

11
Soal Soal 1 1
Data Data nilai nilai mutu mutu rata rata- -rata rata
i 1 2 3 4 5 6 7 8 9 10
X
i
5,5 4,8 4,7 3,9 4,5 6,2 6,0 5,2 4,7 4,3
Y
i
3,1 2,3 3,0 1,9 2,5 3,7 3,4 2,6 2,8 1,6
i 11 12 13 14 15 16 17 18 19 20
X
i
4,9 5,4 5,0 6,3 4,6 4,3 5,0 5,9 4,1 4,7
Y
i
2,0 2,9 2,3 3,2 1,8 1,4 2,0 3,8 2,2 1,5
Keterangan Keterangan: :
Y : nilai mutu rata-rata (NMR) pada akhir tahun pertama
X : nilai ujian masuk X : nilai ujian masuk
Anggap model regresi linear cocok digunakan.
a) a) Tentukan Tentukan koefisien koefisien determinasi determinasi dan dan maknanya maknanya
b) b) Tentukan Tentukan koefisien koefisien korelasi korelasi
12
b) b) Tentukan Tentukan koefisien koefisien korelasi korelasi
c) c) Apakah Apakah > 0,75? > 0,75? Lakukan Lakukan pengujian pengujian hipotesis hipotesis dengan dengan = 0,05. = 0,05.
Data Data Pemeliharaan Pemeliharaan Kalkulator Kalkulator
Soal Soal 2 2
Data Data Pemeliharaan Pemeliharaan Kalkulator Kalkulator
i i 11 22 33 44 55 66 77 88 99
XX 77 66 55 11 55 44 77 33 44 XX
i i
77 66 55 11 55 44 77 33 44
YY
i i
97 97 86 86 78 78 10 10 75 75 62 62 101 101 39 39 53 53
i i 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18
XX
i i
22 88 55 22 55 77 11 44 55
YY
i i
33 33 118 118 65 65 25 25 71 71 105 105 17 17 49 49 68 68
( ) ( ) ( )( ) 1098 , 5 . 74 , 16504 , 81 , 1152
2 2
= = = = =

Y Y X X X X Y Y X Y
i i i i i i
,
X
i
adalah banyaknya kalkulator yang diservis
Y
i
adalah lamanya waktu untuk memperbaiki kalkulator
A d l i li d h k di k
( ) ( ) ( )( ) , , , ,
i i i i i i
Anggap model regresi linear sederhana cocok digunakan.
Hitunglah Hitunglah koefisien koefisien determinasi determinasi! ! Berikan Berikan maknanya maknanya!!
Hitunglah Hitunglah koefisien koefisien korelasinya korelasinya!! Hitunglah Hitunglah koefisien koefisien korelasinya korelasinya!!
Apakah Apakah 0? 0? Lakukan Lakukan pengujian pengujian hipotesis hipotesis dengan dengan =0,01. =0,01.
13
Soal Soal 3 3
Data berikut merupakan hasil penelitian tentang hubungan antara nilai
ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama
waktu belajar matematika (dalamjamselama seminggu).
Nilai ulangan 95 100 100 80 70 55 50 75 55 60 65 95 a ua ga
matematika
95 00 00 80 0 55 50 5 55 60 65 95
Lama waktu
belajar matematika
18 18 19 17 14 5 6 10 13 4 12 10
a) Tentukan peubah mana sebagai peubah bebas dan peubah tak bebas!
Anggap asumsi-asumsi dalammodel regresi linear sederhana terpenuhi
belajar matematika
Anggap asumsi asumsi dalam model regresi linear sederhana terpenuhi.
b)Tentukan koefisien determinasi dan maknanya
c)Tentukan koefisien korelasi
d)Ujilah apakah ada hubungan linier antara lama waktu belajar
matematika dan nilai ulangan matematika? Gunakan uji korelasi populasi
dengan taraf nyata 0 05 dengan taraf nyata 0,05.
14
Soal Soal 4 4
Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang
memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah
matematika yang biasa, tetapi harus mengikuti suatu kelas khusus
(remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi
20 mahasiswa yang mengikuti kuliah matematika yang biasa: 20 mahasiswa yang mengikuti kuliah matematika yang biasa:
a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
Bila model regresi ordo pertama layak digunakan. Bila model regresi ordo pertama layak digunakan.
b)Tentukan koefisien determinasi dan maknanya
c)Tentukan koefisien korelasi
d)Apakah =0,85? Lakukan pengujian hipotesis dengan =0,01.
15
K it i k fi i k l i Kriteria koefisien korelasi
(Sarwono:2006):
0 : Tidak ada korelasi antara dua variabel 0 : Tidak ada korelasi antara dua variabel
>0 0,25: Korelasi sangat lemah
>0,25 0,5: Korelasi cukup
>0,5 0,75: Korelasi kuat
>0,75 0,99: Korelasi sangat kuat
1: Korelasi sempurna 1: Korelasi sempurna
16
UJI F UNTUK KETIDAKCOCOKKAN UJI F UNTUK KETIDAKCOCOKKAN
MODEL REGRESI LINEAR SEDERHANA MODEL REGRESI LINEAR SEDERHANA
1
UJI F UNTUK KETIDAKCOCOKKAN UJI F UNTUK KETIDAKCOCOKKAN
MODEL REGRESI LINEAR SEDERHANA MODEL REGRESI LINEAR SEDERHANA MODEL REGRESI LINEAR SEDERHANA MODEL REGRESI LINEAR SEDERHANA
Uji ini mengasumsikan bahwa pengamatan-pengamatan
Y untuk suatu X tertentu bersifat bebas, tersebar
normal, memiliki ragamyang sama.
Uji ini menghendaki adanya pengamatan berulang pada
satu atau lebih nilai X.
2
Formula Formula Hipotesis Hipotesis pp
Hipotesis Hipotesis
H
0
: E{Y} =
0
+
1
X
H
1
: E{Y}
0
+
1
X
Atau
H
0
: Tidak ada ketidakcocokan model regresi linear sederhana
dengan data dengan data
H
1
: Ada ketidakcocokan model regresi linear sederhana dengan data
Atau
H
0
: Model regresi linear sederhana cocok
H
1
: Model regresi linear sederhana tidak cocok
3
Jumlah Jumlah Kuadrat Kuadrat Ketidakcocokkan Ketidakcocokkan Model Model
(JKKM) (JKKM) (JKKM) (JKKM)
JKG = JKGM + JKKM JKG = JKGM + JKKM
Perhatikan :

ij j j ij ij ij
Y Y Y Y Y Y

+ =
Simpangan
galat
Simpangan
ketidakcocokan
d l
Simpangan
galat murni g
model
g
( ) ( ) ( ) Y Y Y Y Y Y
ij j j ij ij ij

2 2 2
+ =

( ) ( ) ( )
JKKM JKGM JKG
ij j j ij ij ij
+ =

4
Statistik Statistik Uji Uji
( ) k KKM J 2
jj
( )
( ) k n JKGM
k KKM J
F

=
2
( )
( )
2

= Y Y JKGM ( )

=
j ij
Y Y JKGM
i i i i
Y X b Y b Y JKG

=
1 0
2

JKGM JKG JKKM =
2 ) ( ; ) ( ; 2 ) ( = = = k KM db k n GM db n G db 2 ) ( ; ) ( ; 2 ) ( k KM db k n GM db n G db
5
Soal Soal 11, lakukan uji kecocokan model regresi linear
sederhana gunakan taraf nyata 0 05
i X
i
Y
i
sederhana, gunakan taraf nyata 0,05.
X
i
Y
ij
Y
j
1 125 160
2 100 112
3 200 124
75 28
42
35
100 112 124
3 200 124
4 75 28
5 150 152
136
125 160
150
155
5 150 152
6 175 156
7 75 42
150
150 152 152
175 156 140
8 175 124
9 125 150
10 200 104
124
200 124
104
114
10 200 104
11 100 136
The regression equation is

X
i
Y
i
=186200, X
i
=1500, Y
i
=1288, Y
i
2
=170696

i
= 50,72251+ 0,48670 X
i
6
Soal Soal 2. Data 2. Data Konsentrasi Konsentrasi Larutan Larutan
i X
i
Y
i
1 9 0.07
2 9 0 09
a. Tentukan persamaan regresi linear
d
2 9 0.09
3 9 0.08
4 7 0.16
dugaannya.
b. Lakukan uji F untuk memeriksa apakah
ada ketidakcocokan model bila
5 7 0.17
6 7 0.21
ada ketidakcocokan model bila
digunakan model regresi linear
sederhana, gunakan = 0.05.
7 5 0.49
8 5 0.58
9 5 0 53
c. Buatlah diagram pencar antara X dan Y,
mengindikasikan model regresi apa
yang cocok? J elaskan
9 5 0.53
10 3 1.22
11 3 1.15
yang cocok? J elaskan.
Seorang kimiawan mempelajari hubungan
12 3 1.07
13 1 2.84
g p j g
konsentrasi suatu larutan (Y) dengan
waktu (X).
14 1 2.57
15 1 3.10
7
Soal Soal 3 3
Bagaimana Bagaimana uji uji kecocokan kecocokan model model regresi regresi
linear linear sederhana sederhana dilakukan dilakukan bila bila tidak tidak ada ada linear linear sederhana sederhana dilakukan dilakukan bila bila tidak tidak ada ada
pengamatan pengamatan berulang berulang pada pada nilai nilai X? X?
Berikan Berikan penjelasan penjelasan. .
PENDEKATAN PENDEKATAN MATRIKS MATRIKS TERHADAP TERHADAP
ANALISIS ANALISIS REGRESI REGRESI LINEAR LINEAR SEDERHANA SEDERHANA
1
Perhatikan Perhatikan kembali kembali model model regresi regresi linear linear sederhana sederhana: :
YY ++ XX++ YY
i i
==
00
++
11
XX
i i
++
i i
X Y + + =
1 1 1 0 1
X Y + + =
2 2 1 0 2
M
n n n
X Y + + =
1 0

X
X
Y
Y

2
1
0
2
1
2
1
1
1
+ = X Y

n
n
n
X
Y
M
M M
M
1
1
+ = X Y
n1 n2 n1 21
2
Perhatikan bahwa adalah vektor nilai-nilai harapan
b i t t Y b b E{Y } + X
X
bagi amatan-amatan Y
i
sebab E{Y
i
}=
0
+
1
X
i
S h { } X Y E Sehingga : { } X Y E =
n1 n2 21
S d l h k b h b h k l Syarat : adalah suatu vektor peubah-peubah acak normal
yang bebas dengan dan

{ } 0 = E { } I
2 2
=
Persamaan normal regresi linear sederhana

= +
i i
Y X b nb
1 0
Y X b X X
t t
=
ditulis dalam notasi matriks

= +
i i i i
Y X X b X b
2
1 0
Y X 1
( ) Y X X X b
Y X b X X
t t
1
=
=

n n
Y
Y
Y
X X X b
b
X
X
X
X X X M K
K
M M K
K
2
1
2 1 1
0 2
1
2 1
1 1 1
1
1
1
1 1 1

n n
Y X 1
3
Perhatikan Perhatikan !!! !!! Perhatikan Perhatikan !!! !!!
4
Uji Uji terhadap terhadap
11
Uji Uji terhadap terhadap
11
Untuk menguji apakah ada hubungan linear antara Y dengan
X dil k k ji b ik t X, dilakukan pengujian berikut :
Hipotesis :
H : = 0 H
0
:
1
= 0
H
1
:
1
0
Taraf nyata : Taraf nyata :
Statistik Uji :
) /(
) 1 /(
p n JKG
p JKR
KTG
KTR
F

= =
Y J Y
n
Y Y JKT
/ / 1

=
p : banyaknya parameter
JKR = JKT-JKG
) ( p
Y X b Y Y JKG
/ / /
=
n

Kriteria Keputusan :
H
0
ditolak jika F
hit
> F
(p-1,n-p)
5
Perhatikan Perhatikan !!! !!! Perhatikan Perhatikan !!! !!!
1
Y J Y
n
Y Y JKT
/ /
1

1 1
M M M
L
n

2
Y Y Y

=
1 1 L
M M M J
n n

=
i
Y Y Y

1 1
( )
2

i
Y Y J Y ( )
i
6
Selang Selang Kepercayaan Kepercayaan bagi bagi
kk
Selang Selang Kepercayaan Kepercayaan bagi bagi
kk
{ } b s t b
( )
{ }
k p n k
b s t b

, 2 /
{ }
{ } { }

=
1 0 0
2
2
,b b s b s
b s
{ } ( )
1
/ 2

= X X KTG b s
{ }
{ } { }

=
1
2
0 1
, b s b b s
b s
{ } ( )
K fi i K fi i D t i i D t i i Koefisien Koefisien Determinasi Determinasi
r
2
=J KR/J KT =1- (J KG/J KT)
Koefisien Koefisien korelasi korelasi
r =
2
r
7
Soal Soal 1 1
Suatu percobaan telah dilakukan untuk menentukan apakah berat
seekor kambing (dalam kilogram) dapat diprediksikan (setelah pada seekor kambing (dalam kilogram) dapat diprediksikan (setelah pada
periode tertentu) berdasarkan jumlah makanan yang dimakan (dalam
kilogram). Berikut data yang telah dinyatakan dalam notasi matriks.
,
14533 379
379 10

X X ,
31726
825

Y X [ ], 70083 =

Y Y [ ] 680625 =

Y J Y
Anggap model regresi ordo pertama dapat digunakan.
a) Tentukan persamaan regresi dugaan beserta maknanya.
b) Bila jumlah makanan seekor kambing sebesar 300 kg, berapakah
prediksi berat kambing tersebut?
c) Buatlah selang kepercayaan 99% bagi dan berikan maknanya c) Buatlah selang kepercayaan 99% bagi
1
dan berikan maknanya.
d) Tentukan koefisien korelasinya.
Soal Soal 2 2 ((kerjakan kerjakan dengan dengan pendekatan pendekatan matriks matriks) )
DD K k K k RR Data Data Kerusakan Kerusakan Rasa Rasa
Data berikut merupakan hasil penelitian tentang hubungan antara Data berikut merupakan hasil penelitian tentang hubungan antara
suhu penyimpanan (dalam F) dan lama (dalam minggu ) sebelum
mulai terjadi kerusakan rasa suatu produk
i 1 2 3 4 5
X
i
8 4 0 -4 -8
Anggap bahwa model regresi ordo pertama dapat digunakan.
Yi 7.8 9.0 10.2 11.0 11.7
a)Tentukan persamaan regresi dugaannya
b)Ujilah apakah ada hubungan linear antara suhu penyimpanan dan
lama sebelum mulai terjadi kerusakan rasa suatu produk ? lama sebelum mulai terjadi kerusakan rasa suatu produk ?
c)Buat selang kepercayaan bagi
0
dan
1
!
d)Tentukan koefisien determinasi dan koefisien korelasinya! ) y
9
ANALISIS REGRESI LINEAR GANDA ANALISIS REGRESI LINEAR GANDA ANALISIS REGRESI LINEAR GANDA ANALISIS REGRESI LINEAR GANDA
Dosen Pengampu : Kismiantini, M.Si.
1
Ingat Ingat! !
Metode MetodeKuadrat KuadratTerkecil Terkecil untuk untukModel Model Regresi Regresi Linear Linear Sederhana Sederhana
( ) ( ) ( ) ( ) ( )

= + = =
n n n
X Y X Y Y E Y Q
2 2 2
( ) ( ) ( ) ( ) ( )

= = =
= + = =
i
i i
i
i i
i
i i
X Y X Y Y E Y Q
1
1 0
1
1 0
1

n
Q

n
Q
( )

=
=

i
i i
X Y
Q
1
1 0
0
2

( )

=
=

n
i
i i i
X Y X
Q
1
1 0
1
2

Lalu Lalu kedua kedua turunan turunan parsial parsial tersebut tersebut disamadengankan disamadengankan nol nol, , dengan dengan
penduga penduga bagi bagi
00
dan dan
11
adalah adalah bb
00
dan dan bb
1 1
yang yang meminimumkan meminimumkan Q. Q.
n
( ) 0 2
1
1 0
=

=
n
i
i i
X b b Y
( ) 0 2
1
1 0
=

=
n
i
i i i
X b b Y X
0
1
1 0
1
=

= =
n
i
i
n
i
i
X b nb Y 0
1
2
1
1
0
1
=

= = =
n
i
i
n
i
i
n
i
i i
X b X b Y X
2
Persamaan Persamaan
Normal Normal
n n

= =
= +
n
i
i
n
i
i
Y X b nb
1 1
1 0

= +
n
i i
n
i
n
i
Y X X b X b
2
1 0
= = = i i i 1 1 1
3
Model Model Regresi Regresi Linear Linear Ganda Ganda Model Model Regresi Regresi Linear Linear Ganda Ganda
X X X Y + + + + +
i p i p i i i
X X X Y + + + + + =
1 , 1 2 2 1 1 0
L
dengan : dengan :

0
,
1
, ,
p-1
adalah parameter
X
i1
, , X
i,p-1
adalah konstanta yang diketahui nilainya
,p

i
saling bebas dan menyebar N(0,
2
)
i = 1, 2, , n
Persamaan regresi dugaan :
1 , 1 2 2 1 1 0


+ + + + =
p i p i i i
X b X b X b b Y L
g g
4
PP N l N l Persamaan PersamaanNormal Normal


= + + + +
= + + + +
i ip p i i
Y X X X b X X b X b X b
Y X b X b X b n b
2
1 1 2 2 1 1 0
K




= + + + +
= + + + +
i i ip i p i i i i
i i ip i p i i i i
Y X X X b X b X X b X b
Y X X X b X X b X b X b
2 1 2 1
2
2 2 2 1 1 2 0
1 1 1 1 2 1 2 1 1 1 0
K
K

= + + + +
i ip ip p ip i ip i ip
Y X X b X X b X X b X b
1
2
1 1 1 2 2 1 1 1 1 0
K
M
p p p p p p
5
Model Model Regresi Regresi Linear Linear dengan dengan2 2 Peubah PeubahBebas Bebas
i i i i
X X Y + + + =
2 2 1 1 0
Persamaanregresi dugaan:
2 2 1 1 0

i i i
X b X b b Y + + =
Persamaannormal :


= + +
i i i
b b b
Y X b X b n b
2
2 2 1 1 0


= + +
= + +
i i i i i i
i i i i i i
Y X X b X X b X b
Y X X X b X b X b
2
2
2 2 2 1 1 2 0
1 2 1 2
2
1 1 1 0
6


12 11
1
1
1 1 1
X X
L

=
22 21
2 22 12
1 21 11
'
1
1
n
n
X X
X X
X X X
X X X X X
M M M
L
L
2 1
1
n n
X X

2 1
'
i i
X X n

=


2
2 1 2 2
2 1
2
1 1
'
i i i i
i i i i
X X X X
X X X X X X

=

i
Y X
Y
Y
Y
X X X Y X
2
1
'
1 1 1
L
L

i i
i i
n
n
n
Y X
Y X
Y
X X X
X X X Y X
2
1
2 22 12
1 21 11
M
L
7
Memaknai Memaknai Persamaan Persamaan Regresi Regresi Dugaan Dugaan gg gg
Misalkan : Ingin mengetahui apakah volume penjualan (Y, gros)
b h b d j l h d d k (X ib ji ) d berhubungan dengan jumlah penduduk (X
1
, ribuan jiwa) dan
pendapatan per kapita (X
2
, dolar).
Diperoleh persamaan regresi dugaannya ialah pe o e pe sa aa eg es dugaa ya a a
2 1
00920 , 0 496 , 0 453 , 3

X X Y + + =
Persamaan ini menunjukkan bahwa rataan volume penjualan
diharapkan akan naik 0,496 gros bila jumlah penduduk naik 1 ribu
jiwa kalau pendapatan per kapita tetap, dan bahwa rataan volume j p p p p p,
penjualan diharapkan akan naik 0,0092 gros bila pendapatan per
kapita naik 1 dolar kalau jumlah penduduk tetap. Bila jumlah
penduduk sebesar 0 jiwa dan pendapatan per kapita 0 dollar maka penduduk sebesar 0 jiwa dan pendapatan per kapita 0 dollar maka
rata-rata volume penjualan sebesar 3,453 gros (tidak bermakna).
8
Soal Soal 1 1
Suatu percobaan telah dilakukan untuk menentukan apakah
berat seekor binatang dapat diprediksikan (setelah pada periode
) b d k b l d j l h k tertentu) berdasarkan berat awal dan jumlah makanan yang
dimakan. Diperoleh data sebagai berikut yang diukur dalam
kilogram.
Berat Akhir (Y) 95 77 80 100 97 70 50 80 92 84
BeratAwal (X
1
) 42 33 33 45 39 36 32 41 40 38
J umlah Makanan
(X
2
)
272 226 259 292 311 183 173 236 230 235
Tentukan persamaan regresi dugaan dan maknanya!
Coeffi ci ents
a
-22.993 17.763 -1.294 .237 -64.995 19.009
1 396 583 404 2 396 048 018 2 773
(Constant)
Berat Awal
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Lower Bound Upper Bound
95%ConfidenceInterval for B
9
1.396 .583 .404 2.396 .048 .018 2.773
.218 .058 .634 3.767 .007 .081 .354
Berat Awal
J umlah Makanan
Dependent Variable: Berat Akhir a.
Uji Uji terhadap terhadapHubungan HubunganRegresi Regresi
Untuk menguji apakah peubah tak bebas Y berhubungan dengan
peubah-peubah bebas (X
1
, X
2
,,X
p-1
), dilakukan pengujian p p (
1
,
2
, ,
p 1
), p g j
berikut :
Hipotesis :
H : 0 H
0
:
1
=
2
= =
p-1
=0
H
1
: Tidak semua
k
(k=1,2,,p-1)sama dengan nol
Taraf nyata : Taraf nyata :
Statistik Uji : F = KTR/KTG = (JKR/(p-1))/(JKG/(n-p))
p : banyaknya parameter
1

JKR = JKT-JKG
Kriteria Keputusan :
H ditolak jika F > F
Y J Y
n
Y Y JKT '
1
'

=
Y X b Y Y JKG ' ' ' = H
0
ditolak jika F
hit
> F
(p-1,n-p)
Y X b Y Y JKG =
10
Perhatikan Perhatikan!!! !!! Perhatikan Perhatikan!!! !!!
1
Y J Y
n
Y Y JKT
' '
1

=
n

2
Y Y Y

=
i
Y Y Y
( )
2

i
Y Y J Y ( )
i
11
Uji Uji terhadap terhadap
kk { } ( )
1 2
'

X X KTG b
Uji Uji terhadap terhadap
kk
Hipotesis :
{ } ( )
2
' = X X KTG b s
{ }
H
0
:
k
= 0 H
1
:
k
0
Taraf nyata :
{ }
{ } { } { }
{ } { } { }
{ } { } { }

2
1 1 1
2
0 1
1 0 1 0 0
2
2
, ,
, ,
p
p
b b s b s b b s
b b s b b s b s
b s
M M M M
L
L
Statistik Uji : t = b
k
/s{b
k
}
Kriteria Keputusan : Ho ditolak jika |t
hit
| > t
/2, n-p
{ } { } { }

1
2
1 1 0 1
, ,
p p p
b s b b s b b s L
S l S l KK b i b i Selang Selang Kepercayaan Kepercayaan bagi bagi
kk
( )
{ } b s t b
( )
{ }
k p n k
b s t b

, 2 /
12
Makna MaknaSelang SelangKepercayaan Kepercayaan Makna MaknaSelang SelangKepercayaan Kepercayaan
Dari soal 1, diperoleh selang kepercayaan bagi
1
adalah
0 018
1
2 773 0,018
1
2,773
artinya diduga bahwa rata-rata berat akhir binatang (Y) naik sekitar
antara 0,018 sampai 2,773 kg untuk setiap kenaikan satu kilogram , p , g p g
berat awal binatang (X
1
) bila jumlah makanan tetap (X
2
).
13
Soal 2
Suatu penelitian telah dilakukan untuk mengetahui hubungan antara p g g
persentase kehadiran mahasiswa (X
1
) dan lama belajar dalam jam per
minggu (X
2
) terhadap nilai akhir ujian suatu mata kuliah (Y).
Sebanyak 30 mahasiswa telah dipilih secara acak untuk menjadi Sebanyak 30 mahasiswa telah dipilih secara acak untuk menjadi
subyek penelitian.
Diketahui :
( )


=

010051 0 0018375 0 132528 0
640573 , 0 132528 , 0 8866861 , 9
1
X X ( )


=
079075 , 0 010051 , 0 640573 , 0
010051 , 0 0018375 , 0 132528 , 0 X X

= = = = , 8880 , 224670 , 2016000 , 2440
2 1
2
i i i i i i
Y X Y X Y Y
a) Tentukan persamaan regresi dugaan dan berikan maknanya.


= = = 409 , 251674 , 9810
2
2
2
1 2 1
2 1
i i i i
i i i i i i
X X X X
) p g g y
b) Bila dianggap asumsi-asumsi dalam analisis regresi linear ganda
terpenuhi, ujilah apakah ada hubungan antara persentase
kehadiran mahasiswa dan lama belajar dalam jam per minggu kehadiran mahasiswa dan lama belajar dalam jam per minggu
terhadap nilai akhir ujian suatu mata kuliah. Gunakan = 0,05.
c) Tentukan selang kepercayaan bagi
1
dan maknanya.
Soal Soal 33
( )
1
Dari soal 1,
( )
1
'

X X
8.6176001 -0.21777 -0.001093
-0.21777 0.0092689 -0.000552
0001093 0000552 00000911
a) Ujilah apakah ada hubungan linear antara berat akhir dengan
-0.001093 -0.000552 0.0000911
a) Ujilah apakah ada hubungan linear antara berat akhir dengan
berat awal dan jumlah makanan?
b) Ujilah apakah
2
=0 atau tidak?
c) Buat selang kepercayaan masing-masing bagi
1
dan
2
!
15
Selang SelangKepercayaan KepercayaanSerempak Serempak gg p y p y pp
S l k b B f i d di k k Selang kepercayaan bersama Bonferroni dapat digunakan untuk
menduga beberapa koefisien regresi secara serempak.
Jika g buah parameter akan diduga secara bersamaan (asalkan J a g bua pa a ete a a d duga seca a be sa aa (asa a
g p), maka batas-batas kepercayaan serempak dengan tingkat
kepercayaan 1- adalah
{ }
k k
b s B b
t B =
( ) p n
g
t B

=
2

16
Makna MaknaSelang SelangKepercayaan KepercayaanSerempak Serempak Makna MaknaSelang SelangKepercayaan KepercayaanSerempak Serempak
Misalkan : Ingin mengetahui apakah volume penjualan (Y, g g p p j ( ,
gros) berhubungan dengan jumlah penduduk (X
1
, ribuan
jiwa) dan pendapatan per kapita (X
2
, dolar). Diperoleh selang
kepercayaan serempak 90% sebagai berikut : (g 2) kepercayaan serempak 90% sebagai berikut : (g=2)
0 483 0 509; 0 0071 0 0113 0,483
1
0,509; 0,0071
2
0,0113
Selang kepercayaan serempak ini mengindikasikan bahwa
1
Selang kepercayaan serempak ini mengindikasikan bahwa
1
dan
2
keduanya positif, hal ini sesuai harapan teoritis bahwa
volume penjualan memang harus naik jika jumlah penduduk
ik d d t k it ik t t j lk naik dan pendapatan per kapita naik, tentu saja asalkan
peubah-peubah lain dipertahankan konstan.
17
Koefisien KoefisienDeterminasi Determinasi Ganda Ganda(R (R
22
)) Koefisien KoefisienDeterminasi Determinasi Ganda Ganda(R (R
22
))
2
/ ( / ) R
2
= JKR/JKT = 1- (JKG/JKT)
Koefisien ini mengukur proporsi pengurangan keragaman
total di dalam Y akibat digunakannya peubah-peubah bebas total di dalam Y akibat digunakannya peubah-peubah bebas
X
1
,X
2
, , X
p-1
.
Sifat koefisien determinasi ganda : 0 R
2
1. Sifat koefisien determinasi ganda : 0 R 1.
R
2
akan bernilai 0 bila semua b
k
= 0 (k=1,,p-1). R
2
akan
bernilai 1 bila semua amatan Y berada tepat pada
permukaan respons dugaannya, Y
i
=
i
untuk semua i.
18
Koefisien Koefisiendeterminasi determinasi ganda gandaterkoreksi terkoreksi Koefisien Koefisiendeterminasi determinasi ganda gandaterkoreksi terkoreksi
Penambahan lebih banyak peubah bebas ke dalam model selalu y p
akan menaikkan nilai R
2
tidak pernah menurunkannya, sebab
JKG tidak pernah menjadi lebih besar bila peubah bebasnya
lebih banyak, sedangkan JKT tidak akan berubah bila data lebih banyak, sedangkan JKT tidak akan berubah bila data
responsnya tetap sama.
Karena R
2
sering bisa dibuat besar dengan cara menyertakan
peubah bebas maka ada yang menyarankan agar ukuran ini peubah bebas, maka ada yang menyarankan agar ukuran ini
dimodifikasi untuk mempertimbangkan banyaknya peubah
bebas di dalam model.
Koefisien determinasi ganda terkoreksi
( ) JKG n p n JKG
R

1
1 1
2
( )
( ) JKT p n n JKT
R
a

= 1
1
1
19
Memaknai Memaknai Koefisien KoefisienDeterminasi Determinasi Ganda Ganda Memaknai Memaknai Koefisien KoefisienDeterminasi Determinasi Ganda Ganda
Misalkan : Ingin mengetahui apakah volume penjualan (Y gros) Misalkan : Ingin mengetahui apakah volume penjualan (Y, gros)
berhubungan dengan jumlah penduduk (X
1
, ribuan jiwa) dan
pendapatan per kapita (X
2
, dolar)
Diperoleh R
2
= 0,9989, artinya bila kedua bebas, jumlah penduduk
dan pendapatan per kapita ikut diperhitungkan maka keragaman dan pendapatan per kapita ikut diperhitungkan maka keragaman
volume penjualan dapat dikurangi sebanyak 99,9%.
atau
sebesar 99,9% keragaman dari volume penjualan yang dapat
dijelaskan oleh jumlah penduduk dan pendapatan per kapita.
20
Chatterjee, S. & Hadi, A.S. 2006. Regression Analysis by Example.
New Jersey: John Wiley & Sons.
21
Koefisien KoefisienKorelasi Korelasi Ganda Ganda
Koefisien korelasi ganda R adalah akar kuadrat positif dari R
2

2
R R =
k fi i k fi i k l i k l i dd di l h di l h hh Mengapa Mengapa koefisien koefisien korelasi korelasi ganda ganda diperoleh diperoleh hanya hanya
dari dari akar akar positif positif koefisien koefisien determinasi determinasi ganda ganda? ?
22
Soal 4
Dari soal 1 Dari soal 1,
a) Tentukan selang kepercayaan serempak 95% untuk
1
dan
2
.
b) Hitunglah koefisien determinasi ganda dan berikan maknanya.
c) Hitunglah koefisien korelasi ganda.
Soal 5
Dari soal 2,
a) Tentukan selang kepercayaan serempak 95% untuk dan a) Tentukan selang kepercayaan serempak 95% untuk
1
dan
2
.
b) Hitunglah koefisien determinasi ganda dan berikan maknanya.
c) Hitunglah koefisien korelasi ganda. ) g g
Soal Soal 6. 6. Data Data tentang tentangpengiriman pengirimanbahan bahankimia kimia ggp g p g
Data berikut ini, yang diambil dari 20 kali pengiriman bahan kimia
dalam drum-drum di sebuah gudang, menunjukkan banyaknya drum dalam drum drum di sebuah gudang, menunjukkan banyaknya drum
yang dikirimkan (X
1
), berat total kiriman (X
2
, dalam ratusan pon), dan
lamanya waktu (dalam menit) untuk menangani kiriman (Y).
i 1 2 3 4 5 6 7 8 9 10
X
i1
7 18 5 14 11 5 23 9 16 5
i1
X
i2
5,11 16,72 3,20 7,03 10,98 4,04 22,07 7,03 10,62 4,76
Y
i
58 152 41 93 101 38 203 78 117 44
i 11 12 13 14 15 16 17 18 19 20
X
i1
17 12 6 12 8 15 17 21 6 11
X
i2
11 02 9 51 3 79 6 45 4 60 13 86 13 03 15 21 3 64 9 57 X
i2
11,02 9.51 3.79 6,45 4,60 13,86 13,03 15,21 3,64 9,57
Y
i
121 112 50 82 48 127 140 155 39 90
24
Pertanyaan Pertanyaan
a) Misalkan model regresi linear berganda cocok digunakan, tuliskan a) Misalkan model regresi linear berganda cocok digunakan, tuliskan
persamaan regresi dugaannya. Bagaimana dugaan
1
dan
2
ditafsirkan dalam hal ini?
b) Ujil h k h d h b i li t k d b h b) Ujilah apakah ada hubungan regresi linear antara kedua peubah
bebas dengan peubah tak bebas, gunakan taraf nyata 0,05.
c) Hitunglah koefisien determinasi ganda R
2
! Bagaimana ukuran ini ) g g g
ditafsirkan dalam kasus ini?
d) Ujilah
1
=0 atau tidak,
2
=0 atau tidak, = 0,05.
e) B atlah selang kepe ca aan 95% seca a masing masing nt k e) Buatlah selang kepercayaan 95% secara masing-masing untuk
1
dan
2
. Berikan maknanya.
f) Buatlah selang kepercayaan secara serempak 95% untuk
1
dan ) g p y p
1

2
. Berikan maknanya.
25
Asumsi-asumsi dalam
Regresi Linear Ganda Regresi Linear Ganda
Dosen Dosen Pengampu Pengampu : : Kismiantini Kismiantini, , M.Si M.Si.. g p g p
1
Asumsi Asumsi--asumsi asumsi dalam dalam Regresi Regresi Linear Linear Ganda Ganda
Multikolinearitas
Heteroskedastisitas
l Normalitas
A t k l i Autokorelasi
2
Multikolinearitas Multikolinearitas
Multikolinearitas atau kekolinearan ganda adalah terjadinya Multikolinearitas atau kekolinearan ganda adalah terjadinya
korelasi antar peubah bebas.
Model regresi yang baik seharusnya tidak terjadi korelasi Model regresi yang baik seharusnya tidak terjadi korelasi
antar peubah bebas.
Metode yang banyak digunakan untuk mendeteksi adanya Metode yang banyak digunakan untuk mendeteksi adanya
multikolinearitas adalah faktor inflasi ragam (variance inflation
factor/VIF) factor/VIF)
Rumusnya
1 2 1 ) 1 (
1 2
= =

p k R VIF
adalah koefisien determinasi ganda bila X
k
diregresikan
terhadap p 2 peubah lainn a di dalam model
1 ,..., 2 , 1 , ) 1 ( = = p k R VIF
k k
2
k
R
3
terhadap p-2 peubah lainnya di dalam model.
Kriteria Kriteria terjadinya terjadinya multikolinearitas multikolinearitas
l
Rule of Thumb Rule of Thumb
Mempunyai nilai VIF > 10
Mempunyai angka TOLERANCE < 0,1
TOLERANCE = 1/VIF.
4
Heteroskedastisitas Heteroskedastisitas
Ragam galat diasumsikan konstan dari satu pengamatan ke Ragam galat diasumsikan konstan dari satu pengamatan ke
pengamatan lain, hal ini disebut homoskedastisitas.
Jika ragam galat berbeda disebut heteroskedastisitas. J g g
Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Untuk mendeteksi heteroskedastisitas adalah dengan membuat Untuk mendeteksi heteroskedastisitas adalah dengan membuat
plot nilai dugaan yang dibakukan (standardized predicted value)
dengan sisaan yang dibakukan (studentized residual).
Jika ada pola tertentu (bergelombang, melebar kemudian
menyempit) maka terjadi heteroskedastisitas.
Jika tidak ada pola jelas, serta titik-titik (sisaan) menyebar di atas
dan di bawah angka 0 pada sumbuY, maka tidak terjadi
h t k d ti it
5
heteroskedastisitas.
Normalitas Normalitas
Galat diasumsikan berdistribusi Normal
( )
2
, 0 ~ N
i
Galat diasumsikan berdistribusi Normal.
Model regresi yang baik adalah distribusi data normal atau
mendekati normal
( ) , 0 N
i
mendekati normal.
Untuk mendeteksi normalitas digunakan normal p-p plot.
Jik i ik i ik ( i ) b di ki i di l d Jika titik-titik (sisaan) menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal, maka model regresi
memenuhi asumsi normalitas memenuhi asumsi normalitas.
Jika titik-titik (sisaan) menyebar jauh dari garis diagonal dan
atau tidak mengikuti arah garis diagonal maka model regresi atau tidak mengikuti arah garis diagonal, maka model regresi
tidak memenuhi asumsi normalitas.
6
Autokorelasi Autokorelasi
Bila dalam model regresi linear ganda ada korelasi antara galat Bila dalam model regresi linear ganda ada korelasi antara galat
pada periode t dengan galat pada periode t-1, maka dinamakan
ada masalah autokorelasi. a a asa a auto o e as .
Model regresi yang baik adalah model regresi yang bebas dari
autokorelasi. autokorelasi.
Autokorelasi sering ditemukan pada regresi yang datanya
adalah time series atau berdasarkan waktu berkala seperti adalah time series atau berdasarkan waktu berkala seperti
bulanan, tahunan.
Deteksi autokorelasi dengan menggunakan besaran Durbin - Deteksi autokorelasi dengan menggunakan besaran Durbin
Watson (D-W)

=
n
i
i i
e e
d
2
2
1
) (
7
=
=
n
i
i
e
d
1
2
Sifat-sifat Statistik Durbin Watson
1. Selalu 0 d 4
2 Jik i t t b k l i itif k d d k ti l 2. Jika sisaan terurut berkorelasi positif ,maka d mendekati nol
3. Jika sisaan terurut berkorelasi negatif, maka d mendekati 4
hi 4 d d k ti 0 sehingga 4-d mendekati 0
4. Distribusi d simetrik pada nilai 2
8
Uji Durbin Watson
Hipotesis: Hipotesis:
H
0
: = 0 (Tidak ada autokorelasi)
H > 0 (Ad k l i i if) H
1
: > 0 (Ada autokorelasi positif)
Taraf nyata :
Statistik Uji : d
Kriteria Keputusan:
Jika d > d
U
maka terima H
0
(tidak ada autokorelasi)
Jika d < d
L
maka tolak H
0
(ada autokorelasi positif) J
L 0
( p )
Jika d
L
d d
U
, maka uji tidak meyakinkan
9
Uji Durbin Watson
Hipotesis: Hipotesis:
H
0
: = 0 (Tidak ada autokorelasi)
H < 0 (Ad k l i if) H
1
: < 0 (Ada autokorelasi negatif)
Taraf nyata :
Statistik Uji : 4-d
Kriteria Keputusan:
Jika 4-d > d
U
maka terima H
0
(tidak ada autokorelasi)
Jika 4-d < d
L
maka tolak H
0
(ada autokorelasi negatif) J
L 0
( g )
Jika d
L
4-D d
U
, maka uji tidak meyakinkan
10
Uji Durbin Watson
Hipotesis: Hipotesis:
H
0
: = 0 (Tidak ada autokorelasi)
H 0 (Ad k l i) H
1
: 0 (Ada autokorelasi)
Taraf nyata : 2
Statistik Uji : d
Kriteria Keputusan:
Jika d < d
L
atau 4-d < d
L
maka tolak H
0
(ada autokorelasi)
Jika d > d
U
dan 4-d > d
U
maka terima H
0
(tidak ada J
U U 0
(
autokorelasi )
Selain itu, maka uji dikatakan tidak meyakinkan , j y
11
Data Data tentang tentang pengiriman pengiriman bahan bahan kimia kimia Data Data tentang tentang pengiriman pengiriman bahan bahan kimia kimia
Data berikut ini, yang diambil dari 20 kali pengiriman bahan kimia
dalam drumdrum di sebuah gudang menunjukkan banyaknya drum dalam drum-drum di sebuah gudang, menunjukkan banyaknya drum
yang dikirimkan (X
1
), berat total kiriman (X
2
, dalam ratusan pon), dan
lamanya waktu (dalammenit) untuk menangani kiriman (Y).
ii 1 1 22 33 44 55 66 77 8 8 99 10 10
X 7 18 5 14 11 5 23 9 16 5 X
i1
7 18 5 14 11 5 23 9 16 5
X
i2
5,11 16,72 3,20 7,03 10,98 4,04 22,07 7,03 10,62 4,76
Y
i
58 152 41 93 101 38 203 78 117 44
i
ii 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20
X
i1
17 12 6 12 8 15 17 21 6 11 X
i1
17 12 6 12 8 15 17 21 6 11
X
i2
11,02 9,51 3,79 6,45 4,60 13,86 13,03 15,21 3,64 9,57
Y
i
121 112 50 82 48 127 140 155 39 90
12 12
Model Summary
b
Model R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Coefficients
a
.993
a
.987 .985 5.618 1.813
Model
1
R R Square R Square the Estimate Watson
Predictors: (Constant), X2, X1 a.
Dependent Variable: Y b.
Coefficients
a
3 324 3 111 1 069 300 (Constant)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
3.324 3.111 1.069 .300
3.768 .614 .451 6.135 .000 .142 7.028
5.080 .666 .561 7.632 .000 .142 7.028
(Constant)
X1
X2
1
Dependent Variable: Y a.
13
Data Data tentang tentang Rumah Rumah Sakit Sakit
Direktur sebuah Rumah Sakit ingin meneliti hubungan antara kepuasan
Data Data tentang tentang Rumah Rumah Sakit Sakit
g g p
pasien (Y) dengan umur pasien (X
1
, dalam tahun) keparahan penyakit
yang diderita (X
2
, sebuah indeks) dan tingkat kecemasan (X
3
, suatu
indeks).
Y X1 X2 X3 Y X1 X2 X3
indeks).
Secara acak diambil 23 pasien dan diperoleh data sbb. :
48
57
66
50
36
40
51
46
48
2.3
2.3
2.2
47
51
57
38
34
53
55
51
54
2.2
2.3
2.2
70
89
36
46
41
28
49
42
41
43
54
50
1.8
1.8
2.9
2.2
66
79
88
60
36
33
29
33
49
56
46
49
2
2.5
1.9
2.1 46
54
26
77
42
45
52
29
50
48
62
50
2.2
2.4
2.9
2.1
60
49
77
52
33
55
29
44
49
51
52
58
2.1
2.4
2.3
2.9
14
89
67
29
43
48
53
2.4
2.4
60 43 50 2.3
Model Summary
b
Model R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-
Watson
Coefficients
a
.820
a
.673 .622 10.281 2.017 1
q q
Predictors: (Constant), X3, X1, X2 a.
Dependent Variable: Y b.
161.409 24.142 6.686 .000
-1.225 .299 -.621 -4.092 .001 .748 1.337
(Constant)
X1
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
1.225 .299 .621 4.092 .001 .748 1.337
-.649 .782 -.182 -.830 .417 .357 2.798
-8.131 12.517 -.148 -.650 .524 .332 3.008
X2
X3
Dependent Variable: Y a.
15
Data Data Penjualan Penjualan Roti Roti Duta Duta Makmur Makmur
Daerah penjualan roti Duta Makmur meliputi Jakarta Jawa Daerah penjualan roti Duta Makmur meliputi Jakarta, Jawa
Barat, Jawa Tengah dan Jawa Timur
Sales (peubah tak bebas) adalah tingkat penjualan roti semua Sales (peubah tak bebas) adalah tingkat penjualan roti semua
rasa (dalam unit/bulan)
Iklan koran menyatakan iklan di koran (juta rupiah/bulan) Iklan_koran menyatakan iklan di koran (juta rupiah/bulan)
Iklan_radio menyatakan iklan di radio (juta rupiah/bulan)
J l h l k j l h l h k Jumlah_outlet menyatakan jumlah outlet perusahaan untuk
setiap daerah seperti di pasar, supermaket, mall
J l h l k l h l k Jumlah_salesman menyatakan jumlah salesman untuk setiap
daerah (orang)
16
Daerah Sales Iklan_koranIklan_radio J umlah_outletJ umlah_salesman
J akarta1 300.12 26.23 12.23 7 4
J k t 2 312 25 25 12 12 88 8 3 J akarta2 312.25 25.12 12.88 8 3
J akarta3 362.02 29.8 15.26 8 2
J akarta4 400.25 34.55 14.23 9 1
J akarta5 412.6 33.45 13.02 6 4
J akarta6 423 32.26 13.56 5 2
J akarta7 320.14 23.45 12.03 8 3
J awa Barat1 366.25 34.76 15.26 9 3
J awa Barat2 451.29 40.12 14.32 8 2
J awa Barat3 430.22 36.21 13.33 10 5
J B t4 265 99 25 89 12 05 11 4 J awa Barat4 265.99 25.89 12.05 11 4
J awa Barat5 254.26 22.98 15.26 10 1
J awa Barat6 352.16 36.25 12.89 9 5
J awa Barat7 365.21 36.87 12.45 8 5
J awa Tengah1 295.15 22.41 13.44 5 2 g
J awa Tengah2 354.25 26.25 13.67 6 2
J awa Tengah3 415.25 36.99 19.25 8 5
J awa Tengah4 400.23 32.79 18.78 9 2
J awa Tengah5 423.22 33.98 16.59 7 2
J awa Tengah6 452 62 23 21 18 45 5 3 J awa Tengah6 452.62 23.21 18.45 5 3
J awa Tengah7 512.33 44.98 13.45 8 5
J awa Tengah8 435.23 35.99 15.78 8 3
J awa Tengah9 302.21 25 16.35 9 2
J awa Timur10 330.92 23.25 19.58 8 5
J awa Timur11 254.25 24.86 13.87 6 6
J awa Timur12 265.21 26.23 15.87 5 5
J awa Timur13 215.36 20.98 13.23 7 4
J awa Timur14 235.26 24.88 15.69 9 3
J awa Timur15 222 32 25 87 18 97 8 6
17
J awa Timur15 222.32 25.87 18.97 8 6
J awa Timur16 323.45 28.94 18.29 9 5
Model Summary
b
M d l R R S
Adjusted
R S
Std. Error of
th E ti t
Durbin-
W t
Coefficients
a
.869
a
.755 .716 41.58129 1.592
Model
1
R R Square R Square the Estimate Watson
Predictors: (Constant), J umlah_salesman, J umlah_outlet, Iklan_radio,
Iklan_koran
a.
Dependent Variable: Sales b.
100.128 71.407 1.402 .173
10.913 1.279 .869 8.530 .000 .942 1.062
(Constant)
Iklan_koran
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
4.966 3.316 .149 1.498 .147 .985 1.015
-13.275 4.969 -.271 -2.672 .013 .955 1.048
-13.988 5.263 -.265 -2.658 .014 .984 1.017
Iklan_radio
J umlah_outlet
J umlah_salesman
Dependent Variable: Sales a.
18
Soal Soal
Normal P-P Plot of Regression Standardized Residual
1.0
Dependent Variable: Y
te
d
C
u
m
P
r
o
b
0.8
0.6
1.0 0.8 0.6 0.4 0.2 0.0
E
x
p
e
c0.4
0.2
0.0
a) Bagaimana mengenai pemenuhan asumsi-asumsi dalam model
Observed Cum Prob
Gambar 1 Gambar 2
a) Bagaimana mengenai pemenuhan asumsi asumsi dalam model
regresi linear ganda? Berikan penjelasannya.
b) Berdasarkan a) apakah inferensi dalam model regresi linear ganda ) ) p g g
dapat dilakukan? Berikan penjelasannya.
19
JUMLAH KUADRAT EKSTRA JUMLAH KUADRAT EKSTRA JUMLAH KUADRAT EKSTRA JUMLAH KUADRAT EKSTRA
Dosen Pengampu : Kismiantini, M.Si.
1
Gagasan Dasar (Jumlah Kuadrat Ekstra)
Mengukur pengurangan J KG akibat dimasukkannya 1 atau lebih
peubah bebas ke dalammodel regresi jika diketahui peubah peubah bebas ke dalam model regresi, jika diketahui peubah-
peubah lain telah ada di dalam model
Mengukur kenaikan J KR akibat dimasukkannya 1 atau beberapa
peubah bebas ke dalammodel regresi peubah bebas ke dalam model regresi
2
Kegunaan Jumlah Kuadrat Ekstra
Untuk menguji apakah peubah X
k
dapat dibuang dari model
regresi ganda dengan hipotesis regresi ganda dengan hipotesis
H : 0 (X dapat dikeluarkan) H
0
:
k
=0 (X
k
dapat dikeluarkan)
H
1
:
k
0 (X
k
tidak dapat dikeluarkan)
3
Untuk mengetahui apakah yang dimaksud dengan Jumlah Kuadrat
Ekstra, perhatikan tabel-tabel ANOVA berikut :
a) Regresi Y terhadap X
1
:
8572 0 496 1

X Y +
a) Regresi Y terhadap X
1
:
1
8572 , 0 496 , 1 X Y + =
Sumber Sumber
Keragaman Keragaman
J K J K db db KT KT
Keragaman Keragaman
Regresi J KR(X
1
)=352,27 1 352,27
Galat J KG(X )=143 12 18 795 Galat J KG(X
1
)=143,12 18 7,95
Total 495,39 19
b) Regresi Y terhadap X
2
: 2
8565 , 0 634 , 23

X Y + =
Sumber Sumber J K J K db db KT KT Sumber Sumber
Keragaman Keragaman
J K J K db db KT KT
Regresi J KR(X
2
)=381,97 1 381,97
Galat J KG(X
2
)=113,42 18 6,30
Total 495,39 19
4
)R iYt h d X d X

c)RegresiYterhadapX
1
danX
2
:
2 1
6594 , 0 2224 , 0 174 , 19 X X Y + + =
Sumber Sumber J K J K db db KT KT
Keragaman Keragaman
Regresi J KR(X
1
,X
2
)=385,44 2 192,72
Galat J KG(X
1
,X
2
)=109,95 17 6,47
Total 495,39 19
d)RegresiYterhadapX
1
,X
2
danX
3
:
186 2 857 2 334 4 08 117

X X X Y +
3 2 1
186 , 2 857 , 2 334 , 4 08 , 117 X X X Y + =
Sumber Sumber
Keragaman Keragaman
J K J K db db KT KT
Keragaman Keragaman
Regresi J KR(X
1
,X
2
,X
3
)=396,98 3 132,33
Galat J KG(X X X )=98 41 16 6 15 Galat J KG(X
1
,X
2
,X
3
)=98,41 16 6,15
Total 495,39 19
5
Perhatikan bahwa J KGbila X
1
dan X
2
dalammodel ditulis sebagai Perhatikan bahwa J KG bila X
1
dan X
2
dalam model ditulis sebagai
J KG(X
1
, X
2
)=109,95 lebih kecil dari J KG bila di dalam model
hanya ada X
1
saja yaitu J KG(X
1
)=143,12.
Selisih kedua jumlah kuadrat yaitu J KG(X
1
)-J KG(X
1
,X
2
) disebut
j l h k d t k t d dil b k l h J KR(X |X ) jumlah kuadrat ekstra dan dilambangkan oleh J KR(X
2
|X
1
).
J KR(X |X ) mencerminkan pengurangan J KGbagi X bila X sudah J KR(X
2
|X
1
) mencerminkan pengurangan J KG bagi X
2
bila X
1
sudah
ada di dalam model
J KR(X
2
|X
1
) = J KG(X
1
)-J KG(X
1
,X
2
)
J KR(X
1
|X
2
) = J KG(X
2
)-J KG(X
1
,X
2
)
J KR(X
2
,X
3
|X1) = J KG(X
1
)-J KG(X
1
,X
2
,X
3
)
6
Definisi-definisi
J KR(X
1
|X
2
)=J KG(X
2
)-J KG(X
1
,X
2
) setara dengan J KR(X
1
|X
2
) J KG(X
2
) J KG(X
1
,X
2
) setara dengan
J KR(X
1
|X
2
)=J KR(X
1
,X
2
)-J KR(X
2
)
J KR(X
2
|X
1
)=J KG(X
1
)-J KG(X
1
,X
2
) setara dengan
J KR(X |X )=J KR(X X ) J KR(X ) J KR(X
2
|X
1
)=J KR(X
1
,X
2
)-J KR(X
1
)
Perluasan Perluasan
J KR(X
3
|X
1
,X
2
)=J KG(X
1
,X
2
) -J KG(X
1
,X
2
,X
3
)
J KR(X |X X ) J KR(X X X ) J KR(X X ) J KR(X
3
|X
1
,X
2
)=J KR(X
1
,X
2
,X
3
) -J KR(X
1
,X
2
)
J KR(X
2
,X
3
|X
1
)=J KG(X
1
) -J KG(X
1
,X
2
,X
3
)
J KR(X
2
,X
3
|X
1
)=J KR(X
1
,X
2
,X
3
) -J KR(X
1
)
7
Data Lemak Tubuh
i X
1
X
2
X
3
Y
1 19,5 43,1 29,1 11,9
i X
1
X
2
X
3
Y
11 31,1 56,6 30,0 25,4
2 24,7 49,8 28,2 22,8
3 30,7 51,9 37,0 18,7
12 30,4 56,7 28,3 27,2
13 18,7 46,5 23,0 11,7
4 29,8 54,3 31,1 20,1
5 19,1 42,2 30,9 12,9
14 19,7 44,2 28,6 17,8
15 14,6 42,7 21,3 12,8
6 25,6 53,9 23,7 21,7
7 31,4 58,5 27,6 27,1
16 29,5 54,4 30,1 23,9
17 27,7 55,3 25,7 22,6
8 27,9 52,1 30,6 25,4
9 22,1 49,9 23,2 21,3
18 30,2 58,6 24,6 25,4
19 22,7 48,2 27,1 14,8
10 25,5 53,5 24,8 19,3 20 25,2 51,0 27,5 21,1
X
1
:KetebalanLipatanKulitTrisep X
3
:LingkarLengan
8
1
p p
3
g g
X
2
:LingkarPaha Y:LemakTubuh
Tabel ANOVA dengan Penguraian JKR Data Lemak Tubuh
Sumber Sumber
Keragaman
J K db KT
Regresi J KR(X
1
,X
2
,X
3
)=396,98 3 132,33
X
1
X
2
|X
1
J KR(X
1
)=352,27
J KR(X
2
|X
1
)=33,17
1
1
352,27
33,17
X
3
|X
1
,X
2
J KR(X
3
|X
1
,X
2
)=11,54 1 11,54
Galat J KG(X
1
,X
2
,X
3
)=98,41 16 6,15
Total J KT=495,39 19
Dari data Lemak Tubuh untuk mempelajari hubungan antara Dari data Lemak Tubuh, untuk mempelajari hubungan antara
banyaknya lemak tubuh (Y) dengan ketebalan lipatan kulit intersep
(X
1
), lingkar paha (X
2
) dan lingkar lengan (X
3
) yang didasarkan pada
suatu contoh 20 perempuan sehat berusia 25-34 tahun. Diperoleh
persamaan regresi dugaanya :

9
3 2 1
186 , 2 857 , 2 334 , 4 08 , 117

X X X Y + =
Uji Apakah Semua
k
= 0
Hipotesis :
H
0
:
1
=
2
= =
p-1
= 0
0

1

2

p 1
H
1
: Tidak semua
k
(k=1, , p-1) sama dengan nol
Taraf nyata : y
Statistik Uji :
( ) ( )
KTR
X X JKG X X JKR
p p 1 1 1 1
, , , , L L
Kriteria Keputusan :
( ) ( )
KTG
KTR
p n p
F
p p
=

=
1 1 1 1
, ,
:
1
, ,
Kriteria Keputusan :
H
0
ditolak jika F
hit
> F
(p-1,n-p)
10
Uji Apakah Satu
k
= 0
Hipotesis :
H
0
:
k
= 0
H 0 H
1
:
k
0
Taraf nyata :
St ti tik Uji Statistik Uji :
( ) ( ) X X JKG X X X X X JKR
F
p p k k k 1 1 1 1 1 1
, ,
:
, , , , ,
+
L L L ( ) ( )
( ) X X X X X KTR
p n
F
k k k
p p
1 1 1 1
:
1
=
L L
Kriteria Keputusan :
( )
KTG
X X X X X KTR
p k k k 1 1 1 1
, , , , ,
+
=
Kriteria Keputusan :
H
0
ditolak jika F
hit
> F
(1,n-p)
11
Uji Apakah Beberapa
k
= 0
Hipotesis : Hipotesis :
H
0
:
q
=
q+1
= =
p-1
= 0
H
1
: Tidak semua
k
di dalamH
0
sama dengan nol H
1
: Tidak semua
k
di dalam H
0
sama dengan nol
Taraf nyata :
Statistik Uji : Statistik Uji :
( ) ( )
p n
X X JKG
q p
X X X X JKR
F
p q p q 1 1 1 1 1
, ,
:
, , , ,

=
K K K
( ) X X X X KTR
p n q p
q p q 1 1 1
, , , ,

=

K K
KTG
=
Kriteria Keputusan :
H
0
ditolak jika F
hit
> F
(p-q,n-p)
12
Dari Data Lemak Tubuh
Ingin diketahui apakah lingkar lengan (X
3
) dapat dikeluarkan dari model
regresi penuh.
Hipotesis
H
0
:
3
= 0 H
1
:
3
0
Taraf nyata : =0 05 Taraf nyata : = 0,05
Statistik Uji :
( ) ( )
( ) X X X KTR
n
X X X JKG X X X JKR
F
3 2 1 2 1 3
4
, ,
:
1
,

=
Kriteria Keputusan : n = 20, p=4, F
0,05(1,16)
=4,49
H ditolak jika F >4 49
( )
KTG
X X X KTR
2 1 3
,
=
H
0
ditolak jika F
hit
> 4,49
Hitungan :
F=(11,54/1)/(98,41/16)=1,876 ( , / )/( , / ) ,
Kesimpulan :
Karena F
hit
=1,876<4,49 maka H
0
diterima, artinya dengan taraf
nyata 0 05 dapat disimpulkan bahwa lingkar lengan dapat nyata 0,05 dapat disimpulkan bahwa lingkar lengan dapat
dikeluarkan dari model regresi.
13
Dari Data Lemak Tubuh
Ingin diketahui apakah lingkar paha (X
2
) dan lingkar lengan (X
3
) dapat
dikeluarkan dari model regresi penuh.
Hipotesis:
H
0
:
2
=
3
=0
H
1
: Tidak benar bahwa
2
dan
3
keduanya sama dengan nol
Taraf nyata : = 0,01
Statistik Uji :
( ) ( ) X X X JKG X X X JKR
3 2 1 1 3 2
,
Statistik Uji :
( ) ( )
( )
KTG
X X X KTR
n
X X X JKG X X X JKR
F
1 3 2
3 2 1 1 3 2
,
4
, ,
:
2
,
=

=
Kriteria Keputusan : n = 20, p=4, q=2, F
0,01(2,16)
=6,23
H
0
ditolak jika F
hit
> 6,23
Hitungan : Hitungan :
F=(44,71/2)/(98,41/16)=3,63
Kesimpulan :
Karena F
hit
=3,63<6,23 maka H
0
diterima, artinya dengan taraf nyata
0,01 dapat disimpulkan bahwa lingkar paha dan lingkar lengan dapat
dikeluarkan dari model regresi yang di dalamnya terdapat ketebalan
14
dikeluarkan dari model regresi yang di dalamnya terdapat ketebalan
lipatan kulit trisep (X
1
).
Soal 1. Data Kesukaan terhadap merek
i X
i1
X
i2
Y
i
1 4 2 64
Dalamsuatustudipercobaanskalakeciltentang
hubunganantaraderajatkesukaanterhadapmerek
(Y)dengankandunganuapair(X )dankemanisan
2 4 4 73
3 4 2 61
i X X Y
(Y)dengankandunganuapair(X
1
)dankemanisan
produk(X
2
).Hasilsebagaiberikut:
4 4 4 76
5 6 2 72
i X
i1
X
i2
Y
i
9 8 2 83
10 8 4 89
a) Tentukanpersamaan
regresidugaan!
b) Ujilahapakah
1
=
2
=0 5 6
6 6 4 80
7 6 2 71
10 8 4 89
11 8 2 86
) j p
1

2
atautidak?
c) BuatlahtabelANOVA
penguraianJKEuntuk 7 6 2 71
8 6 4 83
12 8 4 93
13 10 2 88
penguraianJKEuntuk
keduapeubahbebas!
d) Ujilahapakah
2
=0
atautidak?
14 10 4 95
15 10 2 94
atautidak?
15
16 10 4 100
ANOVA
b
Model
Sumof
Squares df Mean Square F Sig.
1872.700 2 936.350 129.083 .000
a
94.300 13 7.254
1967.000 15
Regression
Residual
Total
1
Predictors: (Constant), X2, X1 a. Predictors: (Constant), X2, X1
Dependent Variable: Y b.
Coefficients
a
37.650 2.996 12.566 .000 31.177 44.123 (Constant)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Lower Bound Upper Bound
95% Confidence Interval for B
4.425 .301 .892 14.695 .000 3.774 5.076
4.375 .673 .395 6.498 .000 2.920 5.830
X1
X2
Dependent Variable: Y a.
Coefficient Correlations
a
1 000 000 X2 Correlations
Model
1
X2 X1
1.000 .000
.000 1.000
.453 .000
.000 .091
X2
X1
X2
X1
Correlations
Covariances
1
Model Summary
Model R R Square
Adjusted
R Square
Std. Error of
the Estimate
Dependent Variable: Y a.
16
.976
a
.952 .945 2.693
Model
1
R R Square R Square the Estimate
Predictors: (Constant), X2, X1 a.
Koefisien Determinasi Parsial Koefisien Determinasi Parsial
Koefisien Korelasi Parsial Koefisien Korelasi Parsial
Koefisien Determinasi Parsial
Untuk mengukur sumbangan marjinal satu peubah bebas X, Untuk mengukur sumbangan marjinal satu peubah bebas X,
bila semua peubah bebas lain telah ada di dalammodel.
Model regresi ganda ordo-pertama dg 2 peubah bebas od g ga da o do p a a dg p uba b ba
i i i i
X X Y + + + =
2 2 1 1 0
Maka koefisien determinasi parsial antara Y dan X
1
bila dalam
model sudah ada X
2
adalah model sudah ada X
2
adalah
( )
( )
2 1 2
2 . 1
X JKG
X X JKR
r
Y
=
Ukuran ini mengukur proporsi penurunan keragaman Y yang
diakibatkan oleh dimasukkannya X
1
dalam model yang
( )
2
X JKG
diakibatkan oleh dimasukkannya X
1
dalam model yang
sebelumnya sudah ada X
2
.
18
Lanjutan Koefisien Determinasi Parsial
( )
2 1 2
X X JKR
r =
( )
( )
3 1 2 2
13 2
, X X X JKR
r
Y
=
( )
2
2 . 1
X JKG
r
Y
=
( )
3 1
13 . 2
, X X JKG
r
Y
( )
( )
3 2 1 2
23 . 1
,
X X JKG
X X X JKR
r
Y
=
( )
( )
3 2 1 4 2
123 . 4
, ,
X X X JKG
X X X X JKR
r
Y
=
( )
3 2
23 . 1
, X X JKG
Y
( )
3 2 1
123 . 4
, , X X X JKG
Y
( )
2 1 3 2
, X X X JKR
r =
( )
2 1
12 . 3
, X X JKG
r
Y
=
19
Data Lemak Tubuh
( )
( )
232 , 0
17 , 33
1 2 2
1 2
= = =
X X JKR
r
Y
( )
232 , 0
12 , 143
1
1 . 2
X JKG
r
Y
Artinya : J ika X
2
dimasukkan ke dalam model regresi yang di dalamnya
sudah ada X
1
maka J KG akan berkurang 23,2%.
( ) 54 11 X X X JKR( )
( )
105 , 0
95 , 109
54 , 11
,
,
2 1
2 1 3 2
12 . 3
= = =
X X JKG
X X X JKR
r
Y
A ti J ik X di kk k d l d l i di d l Artinya : J ika X
3
dimasukkan ke dalam model regresi yang di dalamnya
sudah ada X
1
dan X
2
maka J KG akan berkurang 10,5%.
( )
( )
031 , 0
42 113
47 , 3
2 1 2
2 . 1
= = =
X JKG
X X JKR
r
Y
( ) 42 , 113
2
X JKG
Artinya : J ika X
1
dimasukkan ke dalam model regresi yang di dalamnya
sudah ada X
2
maka J KG akan berkurang 3,1%.
20
2
g ,
Koefisien Korelasi Parsial
Koefisien korelasi parsial merupakan akar kuadrat koefisien
d i i i l determinasi parsial.
Koefisien ini mempunyai tanda yang sama dengan koefisien
regresi padanannya di dalamfungsi regresi dugaannya.
Untuk data lemak tubuh :
176 , 0 031 , 0 324 , 0 105 , 0 482 , 0 232 , 0
2 . 1 12 . 3 1 . 2
= = = = = =
b b b
r r r
Y Y Y
2224 , 0 186 , 2 6594 , 0
1 3 2
= = = b b b
21
Koefisien Regresi Tidak Dapat Dibandingkan
Biasanya koefisien regresi tidak dapat dibandingkan karena Biasanya koefisien regresi tidak dapat dibandingkan karena
satuannya berbeda.
Misalkan diketahui persamaan regresi dugaan a a d a u p a aa g dugaa
Seseorang mungkin menyimpulkan bahwa X
1
adalah satu-
2 1
2 , 0 20000 200

X X Y + + =
Seseorang mungkin menyimpulkan bahwa X
1
adalah satu
satunya peubah bebas yang terpenting daripada X
2
sebab
dilihat dari koefisien regresinya X
2
hanya berpengaruh kecil g y
2
y p g
terhadap peubah tak bebas Y. Hal Hal tersebut tersebut tidak tidak selalu selalu benar benar
Misalkan satuan-satuannya adalah Y: dalam dolar, X
1
: dalam
ribuan dolar, X
2
: dalam sen dolar. Dalam hal ini pengaruh
terhadap nilai dugaan Y akibat kenaikan X
1
sebesar $1000 bila
X k t k i d h kib t X
2
konstan, akan sama persis sama dengan pengaruh akibat
kenaikan X
2
sebesar $1000 bila X
1
konstan.
22
Soal 2
Telah diambil secara acak 25 mahasiswa untuk suatu penelitian tentang
tingkat kecerdasan IQ (X
1
), nilai ujian tengah semester (X
2
), nilai ujian
khi t (X ) t h d il i h il khi t t k li h (Y) akhir semester (X
3
) terhadap nilai hasil akhir suatu mata kuliah (Y).
Berikut beberapa output yang diperoleh :
a) Apakah peubah tingkat kecerdasan IQ dapat dikeluarkan dari model?
Gunakan = 0,05.
2
b) Tentukan koefisien determinasi parsial beserta maknanya.
2
23 . 1 Y
r
Soal 3
S h h b k k Seorang guru ingin mengetahui hubungan antara skor matematika siswa
(Y) dengan skor logika siswa (X1) dan skor verbal siswa (X2), yang diukur
dalam skala 1-10 Untuk keperluan tersebut telah dipilih secara acak 20 dalam skala 1 10. Untuk keperluan tersebut, telah dipilih secara acak 20
siswa dari suatu sekolah menengah pertama negeri. Beberapa output
berdasarkan data yang diperoleh sebagai berikut:
a) Tentukan persamaan regresi Y atas X
1
,
Y atas X
2
dan Y atas X
1
, X
2
. Berikan makna
2 1
,
2
untuk masing-masing persamaan.
b) Apakah peubah skor logika siswa dapat
dikeluarkan dari model? Gunakan =0 05 dikeluarkan dari model? Gunakan 0,05.
c) Tentukan koefisien determinasi parsial
beserta maknanya.
2
2 . 1 Y
r
ANALISIS VARIANSI ANALISIS VARIANSI
UJ I F UNTUK KECOCOKAN
MODEL REGRESI LINEAR GANDA
1
UJI F UNTUK KECOCOKAN MODEL REGRESI LINEAR GANDA UJI F UNTUK KECOCOKAN MODEL REGRESI LINEAR GANDA
Uji ini mengasumsikan bahwa pengamatan-pengamatan Y untuk
suatu X tertentu bersifat bebas, tersebar normal, memiliki ragam
yang sama. yang sama.
Uji ini menghendaki adanya pengamatan berulang pada satu atau
l bh l lebih nilai X.
Bagaimana uji kecocokan model regresi linear ganda
dilakukan bila tidak ada pengamatan berulang pada nilai X? dilakukan bila tidak ada pengamatan berulang pada nilai X?
Berikan penjelasan.
2
Formula Hipotesis
Hipotesis
H E{Y} X X X H
0
: E{Y} =
0
+
1
X
1
+
2
X
2
+ +
p-1
X
p-1
H
1
: E{Y}
0
+
1
X
1
+
2
X
2
+ +
p-1
X
p-1
Atau Atau
H
0
: Tidak ada ketidakcocokan model regresi linear ganda dengan
data
H
1
: Ada ketidakcocokan model regresi linear ganda dengan data
Atau
H M d l i li d k H
0
: Model regresi linear ganda cocok
H
1
: Model regresi linear ganda tidak cocok
3
Jumlah Kuadrat Ketidakcocokan Model (JKKM)
JKG = JKGM + JKKM JKG = JKGM + JKKM
Perhatikan :

ij j j ij ij ij
Y Y Y Y Y Y

+ =
Simpangan
galat
Simpangan
ketidakcocokan
d l
Simpangan
galat murni g
model
g
( ) ( ) ( ) Y Y Y Y Y Y
ij j j ij ij ij

2 2 2
+ =

( ) ( ) ( )
JKKM JKGM JKG
ij j j ij ij ij
+ =

4
Statistik Uji S Uj
( )
( )
p k JKKM KTKM
F

= =
( )
2

= Y Y JKGM
( ) k n JKGM KTGM
F

( )

=
j ij
Y Y JKGM
Y X b Y Y JKG ' ' ' =
JKGM JKG JKKM =
k KM db k GM db G db ) ( ) ( ) ( p k KM db k n GM db p n G db = = = ) ( ; ) ( ; ) (
5
Data kesukaan terhadap merk
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
X
i1
4 4 4 4 6 6 6 6 8 8 8 8 10 10 10 10
X
i2
2 4 2 4 2 4 2 4 2 4 2 4 2 4 2 4
X
i1
X
i2
Y
ij
Y
j
i2
Y
i
64 73 61 76 72 80 71 83 83 89 86 93 88 95 94 100
Y d j t k k t h d k
X
i1
X
i2
Y
ij
Y
j
4 2 64; 61
4 4 73; 76
Y : derajat kesukaan terhadap merk
X
1
: kandungan uap air
X
2
: kemanisan produk
k = 8 JKG = 94 3
6 2 72; 71
6 4 80; 83
8 2
k = 8, JKG = 94,3
Ujilah ketidakcocokan model regresi
linear ganda dengan taraf nyata 0 01! 8 2
8 4
10 2
linear ganda dengan taraf nyata 0,01!
10 4
X
i1
Y
i
= , X
i2
Y
i
= , X
i1
= ,X
i2
= , Y
i
= , Y
i
2
=
The regression equation is
= 37,650 + 4,425 X
1
+ 4,375 X
2
6
Hipotesis
H
0
: E{Y} =
0
+
1
X
1
+
2
X
2 0
{ }
0

1 1

2 2
H
1
: E{Y}
0
+
1
X
1
+
2
X
2
Taraf nyata : = 0,05
n 16 k 8 db(KM) k p 8 3 5 db(GM) n k 16 8 8
Statistik Uji: F=KTKM/KTGM
Kriteria keputusan :
n=16, k=8, db(KM)=k-p=8-3=5 ,db(GM)=n-k=16-8=8
F
0,05(5,8)
= 3,69
H
0
ditolak jika F
hit
>
JKGM=(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
+(-)
2
=
Hitungan :
JKG =
J ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
JKKM=JKG-JKGM= J J J
F=(/5)/(/)=
Kesimpulan : Karena F
hit
= ..
Jadi dengan taraf nyata 0 05 dapat disimpulkan bahwa model Jadi dengan taraf nyata 0,05 dapat disimpulkan bahwa model
regresi linear ...
7
REGRESI POLINOMIAL KUADRATIK REGRESI POLINOMIAL KUADRATIK
Dosen Dosen Pengampu Pengampu : : Kismiantini Kismiantini, , M.Si M.Si. .
1
Perhatikan gambar berikut

2
> 0

2
< 0
Regresi Kuadratik
Regresi kuadratik termasuk dalam regresi non linear yang
menyatakan hubungan antara dua peubah yang terdiri menyatakan hubungan antara dua peubah yang terdiri
dari peubah tak bebas (Y) dan peubah bebas (X) sehingga
akan diperoleh suatu kurva yang membentuk garis akan diperoleh suatu kurva yang membentuk garis
lengkung menaik (
2
> 0) atau menurun (
2
< 0). Bentuk
persamaan matematis model kuadratik secara umum p
menurut Steel &Torrie (1980) adalah :
a. Polinomial : E(Y) =
0
+
1
X+
2
X
2
b. Eksponensial : E(Y) =
0

1
X
c. Logaritma : Log E(Y) =
0

1
X g g ( )
0

1
Model Regresi Polinomial Kuadratik Model Regresi Polinomial Kuadratik
( )
2 2
2 1 0
, 0 ~ , N X X Y
iid
+ + + = ( )
P i d Persamaan regresi dugaannya
2
2 1 0

X b X b b Y + + =
4
Untuk memudahkan perhitungan dan mengatasi kekolinearan ganda
( d k l i t X d X
2
) di k il i i d t (ada korelasi antara X dan X
2
) digunakan nilai simpangan data
terhadap rata-ratanya
X X x =
2

X b X b b Y + + =
Persamaan regresi dugaan :
2 1 0
X b X b b Y + + =
2 '
2
'
1
'
0

x b x b b Y + + =
Dengan data x diperoleh :
( ) ( )
( )
2 ' ' ' 2 ' ' '
2
'
2
'
1
'
0

b b b b b b
X X b X X b b Y + + =
( )
2 '
2
'
2
'
1
2 '
2
'
1
'
0
2 X b X X b b X b X b b + + + =
Sehingga : Sehingga :
2 '
2
'
1
'
0 0
X b X b b b + =
'
'
2
'
1 1
2
b b
X b b b =
5
2 2
b b =
Persamaan Persamaan Normal Normal Persamaan Persamaan Normal Normal
Y b b b

+ +
2 ' ' '
i i i
Y x x b x b x b
Y x b x b nb


= + +
= + +
3 ' 2 ' '
2
2 1 0
i i i i i
i i i i i
Y x x b x b x b
Y x x b x b x b


= + +
= + +
2 4 '
2
3 '
1
2 '
0
2 1 0
i i i i i
Y x x b x b x b

+ +
2 1 0
0 =

x
kk
0 =
i
x
Karena Karena maka maka persamaan persamaan
normalnya normalnya menjadi menjadi sbb sbb : :
i i
b b
Y x b nb


= +
3 ' 2 '
2 '
2
'
0
i i i i
Y b b b
Y x x b x b


+ +
= +
2 4 ' 3 ' 2 '
3 '
2
2 '
1
6
i i i i i
Y x x b x b x b

= + +
2 4
2
3
1
2
0
Data Volume Data Volume Penjualan Penjualan Kopi Kopi di di Kafetaria Kafetaria
Kafetaria
(i)
Banyaknya
Dispenser (X
i
)
Volume Penjualan
(ratusan galon) Y
i
1 0 508 1
a. Tentukan koefisien
k l i t X
1 0 508,1
2 0 498,4
3 1 568,2
korelasi antara X
dengan X
2
.
b. Lakukan transformasi
3 1 568,2
4 1 577,3
5 2 651,7 c. Hitunglah koefisien
X X x =
5 2 651,7
6 2 657,0
7 3 713,4
c. Hitunglah koefisien
korelasi antara x
dengan x
2
.
d Apa yang dapat
,
8 3 697,5
9 4 755,3
d. Apa yang dapat
disimpulkan dari hasil a
dan c?
T t k
,
10 4 758,9
11 5 787,6
e. Tentukan persamaan
regresi polinomial
kuadratik dugaan.
12 5 792,1
13 6 841,4
14 6 831,8
Jawab Jawab : :
Xi Yi xi Xi^2 xi^2
0 508 1 3 0 9
Correlations: X, X
2
0 508.1 -3 0 9
0 498.4 -3 0 9
1 568.2 -2 1 4
Pearson correlation of X and X
2
= 0,961
P-Value = 0,000
1 577.3 -2 1 4
2 651.7 -1 4 1
2 657 1 4 1
Correlations: x, x
2
Pearson correlation of x and x
2
= 0,000
2 657 -1 4 1
3 713.4 0 9 0
3 697.5 0 9 0
P-Value = 1,000
Scatterplot of Y vs X
4 755.3 1 16 1
4 758.9 1 16 1
5 787 6 2 25 4
850
800
750
700
5 787.6 2 25 4
5 792.1 2 25 4
6 841.4 3 36 9
Y
700
650
600
550
6 831.8 3 36 9
X
6 5 4 3 2 1 0
550
500
The regression equation is The regression equation is
9
The regression equation is
= 705,5 + 54,89 x 4,249 x
2
The regression equation is
= 502,6 + 80,39 X 4,249 X
2
Uji Uji Apakah Apakah
22
Sama Sama dengan dengan Nol Nol jj pp
22
gg
((Menyelidiki Menyelidiki apakah apakah suku suku kuadratik kuadratik dapat dapat dibuang dibuang dari dari model) model)
Hipotesis : Hipotesis :
H
0
:
2
= 0
H : 0 H
1
:
2
0
Taraf Nyata :
St ti tik Uji t b / {b } Statistik Uji : t = b
2
/s{b
2
}
Kriteria Keputusan : H
0
ditolak jika |t
hit
| > t
/2(n-p)
St ti tik Uji F (J KR(
2
| )/1)/(J KG(
2
)/( )) Statistik Uji : F = (J KR(x
2
|x)/1)/(J KG(x,x
2
)/(n-p))
= KTR(x
2
|x)/KTG(x,x
2
)
Kriteria Keputusan : H ditolak jika F >F Kriteria Keputusan : H
0
ditolak jika F
hit
> F
(1,n-p)
( )

Y b Y b Y b Y JKG
2 2 2
10
( )

=
i i i i i i
Y x b Y x b Y b Y x x JKG
2
2 1 0
2 2
,
Analisis Ragam
Koefisien Regresi
SV SV JK JK db db KT KT
R i R i 171773 171773 22 85887 85887
Koefisien Koefisien
Regresi Regresi
Koefisien Koefisien
Regresi Regresi
Dugaan Dugaan
Simpangan Simpangan
Baku Baku
Dugaan Dugaan
tt
hit hit
Regresi Regresi 171773 171773 22 85887 85887
xx
xx
22
|x |x
168741 168741
3033 3033
11
11
168741 168741
3033 3033
Dugaan Dugaan Dugaan Dugaan

00
705,474 705,474 3,208 3,208 219,91 219,91

54 893 54 893 1 050 1 050 52 28 52 28


xx
22
|x |x 3033 3033 11 3033 3033
Galat Galat 679 679 11 11 61,7 61,7
M t ik
2
{b}

11
54,893 54,893 1,050 1,050 52,28 52,28

22
--4,249 4,249 0,606 0,606 - -7,01 7,01
Total Total 172453 172453 13 13
Matriks s
2
{b}

4702 , 1 0 2912 , 10
FittedLinePlot

3675 , 0 0 4702 , 1
0 1026 , 1 0
850
800
S 7.85795
R-Sq 99.6%
R-Sq(adj) 99.5%
FittedLinePlot
Y = 705.5 +54.89 xi
- 4.249 xi**2
{ }
{ } { } { }
{ } { } { }

=
2 1 1
2
0 1
2 0 1 0 0
2
2
, ,
b b s b s b b s
b b s b b s b s
b s

Y
750
700
650
{ } { } { } { }
{ } { } { }

2
2
1 2 0 2
2 1 1 0 1
, ,
, ,
b s b b s b b s
b b s b s b b s b s
( )
1
3 2 1 0 -1 -2 -3
600
550
500
11
{ } ( )
1
' 2

= x x KTG b s
xi
3 2 1 0 1 2 3
Hipotesis : Hipotesis :
H
0
:
2
= 0
H
1
:
2
0 H
1
:
2
0
Taraf Nyata : = 0,05
Statistik Uji : t =b
2
/s{b
2
} Statistik Uji : t b
2
/s{b
2
}
Kriteria Keputusan : t
0,025(11)
= 2,201
H
0
ditolak jika |t
hit
| >2,201 H
0
ditolak jika |t
hit
| > 2,201
Hitungan : t
hit
= -4,249/0,606 = -7,012
Kesimpulan : Karena |t
hit
| =7,012 >2,201 maka H
0
ditolak.
2
0. Kesimpulan : Karena |t
hit
| 7,012 > 2,201 maka H
0
ditolak.
2
0.
J adi dengan taraf nyata 0,05 dapat disimpulkan bahwa pengaruh
kuadratik memang ada, sehingga suku kuadratik harus g , gg
dipertahankan di dalammodel.
Hitungan: F = 3033/61,7 = 49,2
Kriteria Keputusan : F
0,05(1,11)
= 4,84
d l k k
12
H
0
ditolak jika F
hit
> 4,84
(t
hit
)
2
= (-7,012)
2
= 49,2 = F
hit
Koefisien Koefisien Determinasi Determinasi Ganda Ganda Koefisien Koefisien Determinasi Determinasi Ganda Ganda
R
2
=J KR(x,x
2
)/J KT =171773/172453 =0,996 R J KR(x,x )/J KT 171773/172453 0,996
Artinya keragaman volume penjualan kopi bisa diturunkan
sampai 99,6% bila hubungan polinomial kuadratik terhadap p , g p p
banyaknya mesin dispenser dimasukkan ke dalammodel.
13
Uji Uji Kecocokan Kecocokan Model Model Regresi Regresi Polinomial Polinomial Kuadratik Kuadratik Uji Uji Kecocokan Kecocokan Model Model Regresi Regresi Polinomial Polinomial Kuadratik Kuadratik
Hipotesis
H
0
: E{Y} =
0
+
1
x+
2
x
2
(model regresi polinomial kuadratik cocok digunakan)
H : E{Y} + x+ x
2
( d l i li i l k d ik id k k di k ) H
1
: E{Y}
0
+
1
x+
2
x
2
(model regresi polinomial kuadratik tidak cocok digunakan)
Taraf nyata :
( )

k n
i
Y Y JKGM
2
Statistik Uji:
) /(
) /(
k n JKGM
p k JKKM
F

=
( )

= =

=
j i
j ij
Y Y JKGM
1 1
( )

=
i i i i i i
Y x b Y x b Y b Y x x JKG
2
2 1 0
2 2
,
( ) JKGM JKG JKKM
2
Kriteria keputusan : k = banyaknya x yang berbeda,
( ) JKGM x x JKG JKKM =
2
,
p y y y g ,
p = banyaknya parameter
H
0
ditolak jika F
hit
> F
(k-p, n-k)
14
Soal 1
Data Data Studi Studi Efisiensi Efisiensi Bahan Bahan Bakar Bakar
Keefektifan suatu persneling baru dalammenurunkan konsumsi
b h b k bahan bakar.
X
i
: kecepatan konstan (dalamkm per jam)
Y
i
: kmper liter yang diperoleh Y
i
: km per liter yang diperoleh
i 1 2 3 4 5 6 7 8 9 10 11 12
X 35 35 40 40 45 45 50 50 55 55 60 60 X
i
35 35 40 40 45 45 50 50 55 55 60 60
Y
i
22 20 28 31 37 38 41 39 34 37 27 30
a. Buatlah diagram pencar antara X dan Y! Apa yang diketahui
dari diagram tsb?
b. Tentukan koefisien korelasi antara X dengan X
2
.
c. Bila diperlukan, lakukan transformasi terhadap X.
d Apakah model regresi kuadratik cocok digunakan? d. Apakah model regresi kuadratik cocok digunakan?
Gunakan = 0,05
15
Soal 2
Suatu penelitian ingin menyelidiki apakah ada hubungan kuadratik
antara berat larva (X) dengan banyaknya oksigen yang dikonsumsi antara berat larva (X) dengan banyaknya oksigen yang dikonsumsi
(Y). Data yang diperoleh sebagai berikut:
X Y X Y X Y X Y
0,519 0,610 0,114 0,477 0,033 0,744 0,140 0,855 0,519 0,610 0,114 0,477 0,033 0,744 0,140 0,855
0,053 0,482 0,137 0,551 0,049 0,711 0,204 0,932
0 190 0 516 0 230 0 588 0 210 0 927 0 265 0 914 0,190 0,516 0,230 0,588 0,210 0,927 0,265 0,914
0,210 0,561 0,240 0,561 0,215 0,914 0,346 0,973
0,260 0,580 0,470 0,718 0,462 1,000 0,544 0,800
0,389 0,674 0,521 0,754 0,468 0,998 0,004 0,654 0,389 0,674 0,521 0,754 0,468 0,998 0,004 0,654
a. Buatlah tabel Anava untuk regresi polinomial kuadratik
b T t k i li i l k d tik d b. Tentukan persamaan regresi polinomial kuadratik dugaan
c. Apakah model regresi polinomial kuadratik cocok digunakan?
Soal 3
Untuk mengetahui hubungan antara pengeluaran untuk promosi (X,
dalam ribuan dolar) dan permintaan akan produk perusahaan (Y dalam ribuan dolar) dan permintaan akan produk perusahaan (Y,
dalam ribuan dolar) di suatu daerah telah dilakukan penelitian dan
diperoleh data sbb : p
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14
X
i
17 15 25 10 18 15 20 25 17 13 20 23 25 16
Y
i
56,
15
54,
50
55,
27
52,
54
56,
23
55,
97
55,
55
54,
32
55,
14
54,
28
55,
78
55,
65
54,
96
55,
06 15 50 27 54 23 97 55 32 14 28 78 65 96 06
a. a. Gambarkan Gambarkan diagram diagrampencarnya pencarnya! !
b. b. Tentukan Tentukan persamaan persamaan regresi regresi kuadratik kuadratik dugaan dugaan! !
c. c. Ujilah Ujilah ketidakcocokan ketidakcocokan model model regresi regresi kuadratik kuadratik! !
Gunakan Gunakan ==00 05 05 Gunakan Gunakan ==00,,05 05
17
Soal 4
Suatu penelitian telah dilakukan untuk mengetahui hubungan
antara tentang tes kemampuan bahasa (X) dan nilai karya antara tentang tes kemampuan bahasa (X) dan nilai karya
ilmiah (Y) dari 10 siswa kelas I SMA. Diduga bahwa model
regresi polinomial kuadratik cocok digunakan.
Diketahui:
002259 , 0 006212 , 0 1813176 , 0
( )

=

0000627 , 0 0001725 , 0 002259 , 0
0001725 , 0 0032523 , 0 006212 , 0
, , ,
1
x x

0000627 , 0 0001725 , 0 002259 , 0



= = = = = = 31620 , 360 , 17252 , 304 , 21604 , 458
4 2 2 2
i i i i i i i i
x x Y x Y x Y Y
a) Tentukan persamaan regresi polinomial kuadratik dugaan.
b) Tentukan koefisien determinasi ganda dan berikan
maknanya.
c) Apakah suku kuadratik dapat dibuang dari model? Gunakan
0 05 =0,05.
REGRESI POLINOMIAL REGRESI POLINOMIAL
DUA PEUBAH BEBAS, ORDO KEDUA DUA PEUBAH BEBAS, ORDO KEDUA
+ + + + + + =
2 1 12
2
2 22
2
1 11 2 2 1 1 0
x x x x x x Y
2 1 12 2 22 1 11 2 2 1 1 0
1
( )
2
0 N
iid
1
( )
2
, 0 ~ N
MODEL REGRESI POLINOMIAL ORDE KEDUA MODEL REGRESI POLINOMIAL ORDE KEDUA MODEL REGRESI POLINOMIAL ORDE KEDUA MODEL REGRESI POLINOMIAL ORDE KEDUA
+ + + + + + =
2 1 12
2
2 22
2
1 11 2 2 1 1 0
x x x x x x Y
{ }
2 1 12
2
2 22
2
1 11 2 2 1 1 0
x x x x x x Y E + + + + + = { }
2 1 12 2 22 1 11 2 2 1 1 0

Apakah model regresi polinomial Apakah model regresi polinomial
orde kedua cocok digunakan?
22
0 , 1
1 1 1

=

=
X X X
x
20
2 2 2
X X X
x
CONTOH
i X X Y Y
4 , 0 4 , 0
1
= = x
10 10
2
= = x
i X
1
X
2
x
1
x
2
Y
1
2
0,6
1,0
10
10
-1
0
-1
-1
150
86
150
86
j
Y
3
4
5
1,4
0,6
1,0
10
20
20
1
-1
0
-1
0
0
49
288
157
49
288
6
7
8
9
1,0
1,0
1,4
0 6
20
20
20
30
0
0
1
1
0
0
0
1
131
184
109
279
157,33
109
279 9
10
11
0,6
1,0
1,4
30
30
30
-1
0
1
1
1
1
279
235
224
279
235
224
0 , 1
1
= X 20
2
= X
33
UJI KECOCOKAN UJI KECOCOKAN UJI KECOCOKAN UJI KECOCOKAN
MODEL REGRESI POLINOMIAL ORDE KEDUA MODEL REGRESI POLINOMIAL ORDE KEDUA
Hi t i Hipotesis
H
0
: E{Y} =
0
+
1
x
1
+
2
x
2
+
11
x
1
2
+
22
x
2
2
+
12
x
1
x
2
(model regresi
polinomial orde kedua cocok digunakan)
H : E{Y} + x + x + x
2
+ x
2
+ x x (model regresi H
1
: E{Y}
0
+
1
x
1
+
2
x
2
+
11
x
1
2
+
22
x
2
2
+
12
x
1
x
2
(model regresi
polinomial orde kedua tidak cocok digunakan)
Taraf nyata :
Statistik Uji: Statistik Uji:
) /(
) /(
k n JKGM
p k JKKM
F

=
( )

= =

=
k
j
n
i
j ij
i
Y Y JKGM
1 1
2
= = j i 1 1
JKGM JKG JKKM =
Kriteria keputusan : k = banyaknya x yang berbeda,
p = banyaknya parameter
H
0
ditolak jika F
h
> F
(k k)
4 H
0
ditolak jika F
hit
> F
(k-p, n-k)
4
ANOVA
b
ANOVA
b
55365 561 5 11073 112 10 565 011
a
Regression
Model
1
Sumof
Squares df Mean Square F Sig.
5
55365.561 5 11073.112 10.565 .011
5240.439 5 1048.088
60606.000 10
Regression
Residual
Total
1
Predictors: (Constant), x1x2, x2kuadrat, x2, x1, x1kuadrat a.
5
Predictors: (Constant), x1x2, x2kuadrat, x2, x1, x1kuadrat
Dependent Variable: Y b.
ANOVA
b
Sumof
55365.561 5 11073.112 10.565 .011
a
5240.439 5 1048.088
60606.000 10
Regression
Residual
Total
Model
1
Squares df Mean Square F Sig.
Predictors: (Constant), x1x2, x2kuadrat, x2, x1, x1kuadrat a.
Dependent Variable: Y b.
JKGM=(157-157,33)
2
+(131-157,33)
2
+(184-157,33)
2
=1404,676
JKKM=JKG-JKGM=5240-1404,67=3835,33
db
1
= k-p = 9-6 = 3
db
2
= n-k = 11-9 = 2
F 19 2 H dit l k jik F > 19 2 F
0,05(3,2)
=19,2, H
0
ditolak jika F
hit
> 19,2
F
hit
=(3835,33/3)/(1404,675/2)=1,82
Karena F
hit
=1 82<19 2 maka H
0
diterima Karena F
hit
1,82<19,2 maka H
0
diterima.
Jadi dengan taraf nyata 0,05 dapat disimpulkan bahwa
model regresi polinomial orde kedua cocok digunakan.
66
SOAL SOAL
Dalam suatu studi percobaan skala kecil tentang
hubungan antara derajat kesukaan terhadap merek (Y) hubungan antara derajat kesukaan terhadap merek (Y)
dengan kandungan uap air (X
1
) dan kemanisan produk
(X
2
). Hasil sebagai berikut :
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
X 4 4 4 4 6 6 6 6 8 8 8 8 10 10 10 10 X
i1
4 4 4 4 6 6 6 6 8 8 8 8 10 10 10 10
X
i2
2 4 2 4 2 4 2 4 2 4 2 4 2 4 2 4
Y
i
64 73 61 76 72 80 71 83 83 89 86 93 88 95 94 100
Berdasarkan data ini, ujilah apakah model regresi
polinomial ordo kedua cocok digunakan! Gunakan taraf
nyata = 0,05, JKG = 72,05.
77
Hipotesis:
H
0
:
12
= 0
H1:
12
0
Taraf nyata:
Statistik Uji:
( )
( ) ( ) p n x x x x x x JKG
x x x x x x JKR
F

=
2 1
2
2
2
1 2 1
2
2
2
1 2 1 2 1
, , , ,
1 , , ,
Kriteria Keputusan
H
0
ditolak jika F
hit
> F
(1, n-p)
8
( )
8
Hipotesis:
H H
0
:
22
= 0
H
1
:
22
0
Taraf nyata:
Statistik Uji:
( ) x x x x JKR
F
2
1 2 1
2
2
1 , ,
Kriteria Keputusan
( ) ( ) p n x x x x JKG
F

=
2
2
2
1 2 1
, , ,
H
0
ditolak jika F
hit
> F
(1, n-p)
9
+ + + + =
2
1 11 2 2 1 1 0
x x x Y
9
Bagaimana untuk uji
11
=0 atau tidak?
Hipotesis:
H
0
:
11
=
22
=
12
= 0
H
1
: tidak semua
k
(k = 11, 22, 12) dalam H
0 1

k 0
sama dengan nol
Taraf nyata :
Statistik Uji : ( )
( ) ( ) p n x x x x x x JKG
x x x x x x JKR
F

=
2 1
2
2
2
1 2 1
2 1 2 1
2
2
2
1
, , , ,
3 , , ,
Kriteria Keputusan
10
H
0
ditolak jika F
hit
> F
(3, n-p)
10
11 11
DUMMY VARIABLE DUMMY VARIABLE
(Peubah Boneka) ( )
Dosen Dosen Pengampu Pengampu : : Kismiantini Kismiantini, , M.Si M.Si. .
1
Latar Latar Belakang Belakang Latar Latar Belakang Belakang
Ingin membandingkan prestasi belajar murid
perempuan dan laki-laki
Ingin meneliti bagaimana pengaruh jenis makanan
terhadap berat ayam y
Jenis Jenis kelamin kelamin dan dan jenis jenis makanan makanan merupakan merupakan
peubah peubah yang yang sifatnya sifatnya klasifikasi klasifikasi peubah peubah yang yang sifatnya sifatnya klasifikasi klasifikasi
Semua Semua peubah peubah dalam dalam regresi regresi bersifat bersifat kuantitatif kuantitatif
maka maka peubah peubah kualitatif kualitatif dijadikan dijadikan kuantitatif kuantitatif agar agar maka maka peubah peubah kualitatif kualitatif dijadikan dijadikan kuantitatif kuantitatif agar agar
regresi regresi dapat dapat digunakan digunakan
2
Perhatikan kasus berikut
Dua kelompok murid yang mempunyai tingkat inteligensi
yang kira-kira sama diberikan dua metode mengajar yang
b b d K l k t dib i t d bi berbeda. Kelompok pertama diberi metode yang biasa
sedangkan yang kedua diberikan metode yang modern.
Kelompok I Kelompok II
i Y X i Y X
Y : nilai hasil ujian akhir
X : skor IQ
1
2
3
81
69
51
103
104
92
11
12
13
92
84
76
105
106
103
4
5
6
59
56
78
100
98
105
14
15
16
72
60
81
98
92
101
7
8
9
10
53
65
53
57
99
102
101
99
17
18
72
52
101
92
10 57 99
3
Bila regresi linear sederhana antara X dan Y digunakan,
diperoleh persamaan regresi dugaannya :
= -145,5578 + 2,1272 X
dengan R
2
= 53,70%
Apa Apa yang yang salah salah dalam dalam hal hal ini ini?? Apa Apa yang yang salah salah dalam dalam hal hal ini ini??
4
Tabel diatas dapat disajikan sebagai berikut
No Y X
1
X
2
1 81 0 103
2 69 0 104
dengan

I kelompok masuk murid bila 0


X 3 51 0 92
4 59 0 100
5 56 0 98

=
II kelompok masuk murid bila 1
p
1
X
Sehingga diperoleh persamaan regresi sebagai berikut :
6 78 0 105
7 53 0 99
8 65 0 102
Sehingga diperoleh persamaan regresi sebagai berikut :
= -160,5817 + 12,6466 X
1
+ 2,2212 X
2
dengan R
2
= 79,25%.
8 65 0 0
9 53 0 101
10 57 0 99
11 92 1 105
Terlihat bahwa kecocokan model 2 lebih baik dari model
1, R
2
naik sekitar 25,55%. (Keterangan model 1 adalah
11 92 1 105
12 84 1 106
13 76 1 103
model regresi linear sederhana, model 2 adalah model
regresi linear ganda dengan dua peubah bebas).
14 72 1 98
15 60 1 92
16 81 1 101
Untuk kelompok I, masukkan X
1
= 0, maka diperoleh :
= -160,5817 + 2,2212 X
2
Untuk kelompok II, masukkan X
1
= 1, maka diperoleh :
17 72 1 101
18 52 1 92
Untuk kelompok II, masukkan X
1
1, maka diperoleh :
= -147,9351 + 2,2212 X
2
5
Dari gambar tersebut dapat diketahui bahwa metode
yang modern terlihat jauh lebih baik atau efektif
d l i k tk t i b l j id dalam meningkatkan prestasi belajar murid.
6
Persamaan Normal (2 peubah bebas)

= + +
i i i
Y X b X b n b
2 2 1 1 0


= + +
i i i i i i
Y X X X b X b X b
2
1 2 1 2
2
1 1 1 0

= + +
i i i i i i
Y X X b X X b X b
2
2
2 2 2 1 1 2 0
Koefisien Determinasi Ganda
R
2
= JKR/JKT = 1- (JKG/JKT)
1
Y J Y
n
Y Y JKT '
1
'

=
Y X b Y Y JKG ' ' ' =
7
Misalkan Misalkan ada ada tiga tiga metode metode mengajar mengajar yang yang ingin ingin
dibandingkan dibandingkan maka maka diperlukan diperlukan dua dua peubah peubah boneka boneka
sebagai sebagai berikut berikut ::
III atau I kelompok masuk murid bila 0

=
II kelompok masuk murid bila 1
III atau I kelompok masuk murid bila 0
1
X

=
III kelompok masuk murid bila 1
II atau I kelompok masuk murid bila 0
2
X

III kelompok masuk murid bila 1


8
Sehingga misalkan ada 30 murid yang terbagi dalam tiga
kelompok tiap kelompok terdiri atas 10 murid Maka nilai X kelompok, tiap kelompok terdiri atas 10 murid. Maka nilai X
1
dan X
2
yang mungkin terbentuk sebagai berikut
Kelompok i X
1
X
2
p
1 2
I
1
2
.
0
0
.
0
0
.
I
.
.
10
.
.
0
.
.
0
II
11
12
.
1
1
.
0
0
.
.
.
20
.
.
1
.
.
0
21 0 1
III
21
22
.
.
0
0
.
.
1
1
.
.
.
30
.
0
.
1
9
Soal 1: Suatu penelitian telah dilakukan untuk mengetahui adanya
perbedaan penggajian (diskriminasi) terhadap karyawan wanita dan pria di p p gg j ( ) p y p
suatu perusahaan. Karyawan yang diteliti adalah yang memiliki tingkat
pendidikan yang sama.
Pria Wanita Pria Wanita
i
Gaji (dalam ratusan
ribu per minggu)
Lama Bekerja
(tahun)
i
Gaji (dalam ratusan
ribu per minggu)
Lama Bekerja
(tahun)
1
2
3
4
28
28
28
21
1
2
4
6
12
13
14
15
20
24
21
28
1
3
4
6 4
5
6
7
21
28
29
33
6
6
8
15
15
16
17
18
28
23
25
23
6
9
11
17 7
8
9
10
33
36
39
39
15
20
25
24
18
19
20
21
23
21
25
26
17
19
23
28 10
11
39
43
24
30
21 26 28
a. Tentukan persamaan regresi dugaan yang sesuai untuk permasalahan tsb. p g g y g p
b. Buat gambar garis regresi untuk masing-masing jenis kelamin karyawan. Apa
yang dapat disimpulkan.
10
Soal 2: Enam mahasiswa laki-laki dan lima mahasiswa
perempuan mempunyai nilai ujian matematika tahun pertama perempuan mempunyai nilai ujian matematika tahun pertama
di suatu universitas dan nilai matematika pada rapor kelas 3
SMA sebagai berikut : SMA sebagai berikut :
i Jenis kelamin
Nilai Matematika
Ujian Rapor
a. Tentukan persamaan regresi
dugaan yang sesuai untuk
permasalahan tsb
1
2
3
L
L
L
3
2
4
7
8
9
permasalahan tsb.
b. Buat gambar garis regresi untuk
masing-masing jenis kelamin
3
4
5
L
L
L
4
3
1
9
6
7
masing-masing jenis kelamin
mahasiswa. Apa yang dapat
disimpulkan.
6
7
L
P
2
3
8
7
8
9
10
P
P
P
2
2
3
6
8
5 10
11
P
P
3
0
5
9
11
Soal 3 Soal 3
B ik d l h d l h b l b l j Berikut adalah data sampel tentang hubungan antara lama belajar
(dalam jam per minggu) terhadap nilai akhir ujian suatu mata
kuliah dari 12 mahasiswa yang terdiri dari enam mahasiswa laki- y g
laki (L) dan enam mahasiswa perempuan (P).
Pengamatan 1 2 3 4 5 6 7 8 9 10 11 12
Lamabelajar 4 3 3 9 5 2 6 5 6 4 8 5
Nilai akhir ujian 9 7 8 10 7 7 9 8 8 6 10 6
J eniskelamin L L L L L L P P P P P P
a)Tentukan persamaan regresi dugaan yang sesuai untuk
permasalahan tersebut.
J e s ea
p
b)Buat gambar garis regresi untuk masing-masing jenis kelamin
mahasiswa. Apa yang dapat disimpulkan.
12
Alasan Alasan jika jika ada ada kk kategori kategori maka maka ada ada kk 11 peubah peubah boneka boneka Alasan Alasan jika jika ada ada k k kategori kategori maka maka ada ada kk--1 1 peubah peubah boneka boneka
Yan, X. & Su, X.G. 2009.Linear regression analysis : theory and computing.
New Jersey: World Scientific Publishing
13
New Jersey: World Scientific Publishing.
REGRESI NONLINEAR REGRESI NONLINEAR REGRESI NON LINEAR REGRESI NON LINEAR
1
2
Model Model Kuadratik Kuadratik Model Model Kuadratik Kuadratik
Persamaan regresi dugaan :
2
2 1 0

X b X b b Y + + =
Persamaan normal :
i i i
Y X b X b nb

= + +
2
2 1 0
X X x =
i i i i i
Y X X b X b X b
Y X X b X b X b



= + +
= + +
2 4 3 2
3
2
2
1 0
X X x =
Data :
i i i i i
Y X X b X b X b

= + +
2 1 0
2
5467 , 0 498 , 9 761 , 1

X X Y + =
3
3
Model Model Kubik Kubik Model Model Kubik Kubik
Persamaan regresi dugaan :
3
1
2
2 1 0

X b X b X b b Y + + + =
Persamaan normal :
i i i i
Y X b X b X b nb

= + + +
3
3
2
2 1 0
X X x =
i i i i i i
i i i i i i
Y X X b X b X b X b
Y X X b X b X b X b


= + + +
= + + +
2 5
3
4
2
3
1
2
0
4
3
3
2
2
1 0
X X x =
Data :
i i i i i i
Y X X b X b X b X b

= + + +
3 6
3
5
2
4
1
3
0
3 2
0344 , 0 115 , 1 13 , 12 805 , 4

X X X Y + + =
4
Model Eksponensial Model Eksponensial
X
b b Y

Model Eksponensial Model Eksponensial


Persamaan regresi dugaan :
X
b b Y
1 0
=
( )X b b Y ln ln

ln + =
Mencari b
0
dan b
1
:
( )X b b Y
1 0
ln ln ln + =
( )
X
b
Y
b
i i
l
ln
l
( ) ( )( )
( )
1
ln ln
ln


=
i i i i
Y X Y X n
b
Data :
( )
n
b
n
b

=
1 0
ln ln
( )
2
2
1
ln


i i
X X n
b
Data :
X
e Y ) )( 240 11 (

159 , 0
5
e Y ) )( 240 , 11 (
,
=
Model Geometrik ( Model Geometrik (Power Power))

b
Model Geometrik ( Model Geometrik (Power Power))
Persamaan regresi dugaan :
1
0
b
X b Y =
X b b Y ln ln

ln +
Mencari b
0
dan b
1
:
X b b Y ln ln ln
1 0
+ =
X
b
Y
b
i i
ln ln
ln
( ) ( )( )
( )
1
ln ln ln ln


=
i i i i
Y X Y X n
b
Data
n
b
n
b = ln
1 0
( )
2
2
1
ln ln


i i
X X n
b
Data
286 , 0
) 495 377 (


X Y
,
) 495 , 377 ( = X Y
6
Model Logistik Model Logistik
X
b b
Y
1

=
Model Logistik Model Logistik
Persamaan regresi dugaan :
( )X b b ln ln
1
ln + =

X
b b
1 0
Mencari b
0
dan b
1
:
( )X b b
Y
1 0
ln ln

ln + =

( )
( )
X
b
Y
b
i i
ln
1 ln
ln
( ) ( ) ( ) ( ) ( ) 1 ln 1 ln
l


i i i i
Y X Y X n
b
Data :
( )
n
b
n
b

=
1 0
ln ln
( ) ( ) ( ) ( ) ( )
( )
2
2
1
ln

=
i i
i i i i
X X n
b
Data :
X
Y
1

=
7
X
) 853 , 0 )( 089 , 0 (
Model Hiperbola Model Hiperbola
Y
1

=
Model Hiperbola Model Hiperbola
Persamaan regresi dugaan :
X b b
Y
1 0
+
=

1
Mencari b
0
dan b
1
:
0 jika ,

1
1 0
+ = Y X b b
Y
( )( ) ( )( )
2
1


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

Data :
( )( ) ( )( )
( )
2
2
0

=
i i
i i i i i
X X n
b
( ) ( ) ( )
( )
2
2
1
1

=
i i
i i i i
X X n
Y X Y X n
b
Data :
120
140
160
60
80
100
120
Y
Y
Yduga
0
20
40
0 500 1000 1500 2000
Y
1

=
8
X
X
Y
000013 , 0 0066 , 0 +
=
Soal 1 Soal 1
Suatu perusahaan yang mengalami kemunduran ditunjukkan oleh
h il j l d i h k h b i b ik merosotnya hasil penjualan dari tahun ke tahun sebagai berikut:
T h 2001 2002 2003 2004 2005 2006 2007 Tahun 2001 2002 2003 2004 2005 2006 2007
Kode Tahun 1 2 3 4 5 6 7
Hasil Penjualan 83 60 54 21 22 13 13
D k d l k d tik t t k b dik i
Hasil Penjualan
(dalam jutaan
rupiah)
83 60 54 21 22 13 13
Dengan menggunakan model kuadratik, tentukan berapa prediksi
hasil penjualan untuk tahun 2008 dan 2009? Gambarkan grafik Y
dan dalam satu gambar.
9
Soal 2 Soal 2
X : harga barang per unit dalam ribuan rupiah
Y : hasil penjualan barang tersebut dalam jutaan rupiah
X 20 35 60 100 150 300 500 800 X 20 35 60 100 150 300 500 800
Y 150 125 105 100 92 77 62 58
Dengan menggunakan model eksponensial, berapa prediksi hasil
j l k l X 900? G b k fik Y d d l t penjualan kalau X = 900? Gambarkan grafik Y dan dalam satu
gambar.
10
Soal 3 Soal 3
X = kecepatan (dalam km) ketika rem mulai diinjak
Y = jarak (dalam m) yang masih ditempuh mobil dihitung mulai Y jarak (dalam m) yang masih ditempuh mobil dihitung mulai
rem diinjak hingga berhenti.
Pemeriksaan jarak berhenti sejak mobil direm pada tiap kecepatan
tidak dilakukan hanya sekali melainkan berulang ulang atau tidak dilakukan hanya sekali melainkan berulang-ulang atau
terhadap beberapa mobil. Hasilnya seperti berikut:
X 10 20 30 40 50 60 70 80
Y 9,2
8,7
16,4
15,2
27,3
28,2
41,8
40,2
62,4
63,1
88,5
86,2
120,0
119,1
141,8
140,1 ,
9,0
8,9
,
16,7
,
26,8
27,0
, ,
60,9
, ,
120,4
,
138,9
Selidikilah model regresi mana yang lebih tepat diantara:
a. Eksponen c. Logistik e. Kubik
b. Geometrik d. Hiperbola
11
Soal 4 Soal 4
Perkembangan industri rumah tangga dari suatu daerah selama 6
h d l h b i b ik tahun, adalah sebagai berikut:
Tahun 2002 2003 2004 2005 2006 2007
Kode Tahun 2 3 4 5 6 7
Dengan menggunakan model logistik, berapa prediksi banyaknya
industri rumah tangga pada tahun 2010 Gambarkan grafik Y dan
Banyaknya industri 4 8 12 18 18 20
industri rumah tangga pada tahun 2010. Gambarkan grafik Y dan
dalam satu gambar.
12
Soal 5 Soal 5
Suatu penelitian yang bertujuan untuk menentukan model regresi
li d i k ki i d l li yang paling tepat dari empat kemungkinan yaitu, model linear,
model kuadrat, model akar serta model logaritmik dalam
mengetahui pengaruh dari beberapa faktor yang berpengaruh
terhadap produktivitas tenaga kerja di suatu industri kecil. Jumlah
observasi ada 168. Data produksi per orang per minggu diperoleh
dari industri kecil tersebut meliputi produktivitas (Y), lama bekerja p p ( ), j
(X
1
), umur (X
2
), pendidikan (X
3
).
T t k d l i t b ik d i b b d l Tentukan model regresi yang terbaik dari beberapa model yang
telah dicobakan dengan memperhatikan nilai t
hitung
, koefisien
determinasi (R
2
) dan nilai F
hitung
pada tabel diatas. Gunakan
g
taraf nyata 0,05 bila diperlukan melakukan pengujian.
13
Tabel Model Regresi Tabel Model Regresi
Model
P i d il i ji t d l k R
2
F
regresi
Persamaan regresi dugaan, nilai uji t dalamkurung, R
2
, F
Linear
(1,62) (0,33) (0,14) (9,00)
22 , 225 72 , 19 33 , 25 77 , 15457

3 2 1
X X X Y + + + =

( ) ( ) ( ) ( )
R
2
=0,018; F =1,01
Kuadrat
(2,18) (2,75) (0,89) (1,48) (2,80) (1,02) (5,79)
10 , 119 00 , 18 90 , 61 20 , 784 20 , 1107 30 , 846 70 , 30783

2
3
2
2
2
1 3 2 1
X X X X X X Y + + + =

( , ) ( , ) ( , ) ( , ) ( , ) ( , ) ( , )
R
2
=0,174; F =2,13
Akar
(244) (277) (036) (294) (272) (020) (363)
3886 21770 1896 1534 2005 232 7 , 72602
2
1
3
2
1
2
2
1
1 3 2 1
X X X X X X Y + + + =

(2,44) (2,77) (0,36) (2,94) (2,72) (0,20) (3,63)
R
2
=0,173; F =2,15
Logaritmik
(025) (054) (022) (277)
ln 002 , 0 ln 068 , 0 ln 013 , 0 90 , 9

ln
3 2 1
X X X Y + + =

(0,25) (0,54) (0,22) (27,7)
R
2
=0,006; F =0,32

14
REGRESI LOGISTIK REGRESI LOGISTIK REGRESILOGISTIK REGRESILOGISTIK
1
Latar Belakang
Regresi logistik adalah bagian dari analisis regresi yang
di k k ik b h d d ( ) k digunakan ketika peubah dependen (respons) merupakan
peubah dikotomi. Peubah dikotomi biasanya hanya terdiri atas
dua nilai yang mewakili kemunculan atau tidak adanya suatu dua nilai, yang mewakili kemunculan atau tidak adanya suatu
kejadian yang biasanya diberi angka 0 atau 1.
2
ModelRegresi LinearSederhana Peubah respons biner
Y
i
=
0
+
1
X
i
+
i
, Y
i
=0, 1
Karena E(
i
)=0maka E(Y
i
)=
0
+
1
X
i
Y
i
merupakan peubah acak Bernoulli,sehingga fungsi peluangnya
Y
i
Peluang
1 P(Y
i
= 1) =
i
d k l b h Y 1 d 1 k
1 P(Y
i
1)
i
0 P(Y
i
=0)=1
i
dengan
i
menyatakan peluang bahwa Y
i
=1,dan 1
i
menyatakan
peluang bahwa Y
i
=0.
3
Nilai Harapan bagi Y
i
E(Y
i
)=1(
i
)+0(1
i
)=
i
Sehingga 0 E(Y
i
) 1.
4
Model ModelRegresi Regresi Logistik Logistik Sederhana Sederhana
Modelregresi logistik sederhana:Y
i
=E(Y
i
)+
i
,dengan Y
i
mer pakan pe bah acak Berno lli dengan E( ) 0 merupakan peubah acak Bernoullidengan E(
i
)=0.
( )
( )
( )
i
i i
X
X
Y E
1 0
exp 1
exp

+ +
+
= =
Peubah Xdiasumsikan konstanta yangdiketahui.
Y
i
merupakan peubah acak Bernoulli dengan fungsi peluang
( )
i
X
1 0
exp 1 + +
Y
i
merupakan peubah acak Bernoullidengan fungsi peluang
5
Karena pengamatan Y
i
saling bebas,maka fungsi peluang bersama
d l h adalah
Untuk mempermudah estimasi parameterdengan metode
maksimum likelihoodmaka
6
Sehingga fungsi likelihoodadalah sebagai berikut
Selanjutnya diturunkan terhadap masingmasing parameterdan
dimaksimumkan Sehingga diperoleh penduga bagi yaitu b dan dimaksimumkan.Sehingga diperoleh penduga bagi
0
yaitu b
0
dan
penduga bagi
1
yaitu b
1
.
Fungsi respons logistik dugaan adalah g p g g
7
DataTugas Pemrograman (Hal566)
Peubah bebas adalah pengalaman pemrograman dalam bulan.
Peubah tak bebas (peubah respons)adalah kesuksesan program,
dengan 1=sukses,0=gagal.
Dengan estimasi maksimum likelihooddiperoleh
( ) X 1615 , 0 0597 , 3 exp

+
=
Fungsi respons logistik dugaan
Misalkan seseorang selama 14 bulan berpengalaman dalam
( )
( ) X 1615 , 0 0597 , 3 exp 1 + +
=
Misalkan seseorang selama 14bulan berpengalaman dalam
pemrograman maka peluang suksesnya adalah ..
8
9
Rasio Rasio Odds( Odds(OddsRatio OddsRatio))
Secara umum, rasio peluang (odds ratios) merupakan sekumpulan
peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi
prediktor (peubah bebas) diartikan sebagai jumlah relatif dimana
peluang hasil meningkat (rasio peluang > 1) atau turun (rasio
l 1) k ik il i b h dik i k b 1 i peluang < 1) ketika nilai peubah prediktor meningkat sebesar 1 unit.
Pada data tugas pemrograman, diperoleh rasio odds
Peluang menyelesaikan tugas naik sebesar 17 5% = (117 5100)%
( ) 175 , 1 1615 , 0 exp = =

OR
Peluang menyelesaikan tugas naik sebesar 17,5% = (117,5100)%
untuk setiap kenaikan 1 bulan pengalaman pemrograman.
10
Regresi Logistik dgSPSS
11
Soal Soal (Data (Datakemampuan kemampuan bekerja bekerja) )
Seorang psikologi ingin mengetahui hubungan antara stabilitas emosi Seorang psikologi ingin mengetahui hubungan antara stabilitas emosi
karyawan (X) dan kemampuan karyawan bekerja dalam kelompok (Y).
Stabilitas emosi diukur dengan uji tertulis dengan semakin tinggi skor
k bili i ki i i K b k j d l menyatakan stabilitas emosi semakin tinggi. Kemampuan bekerja dalam
kelompok (Y = 1 jika dapat, Y = 0 jika tidak dapat) dievaluasi oleh supervisor.
Berikut data dari 27 karyawan :
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14
X
i
474 432 453 320 356 532 587 423 552 403 502 321 453 579
Y
i
0 0 1 0 1 1 0 0 1 0 0 1 0 0
i 15 16 17 18 19 20 21 22 23 24 25 26 27
X
i
537 402 592 320 337 589 513 413 572 422 562 506 600
Y
i
1 0 1 0 1 1 0 0 1 0 1 0 1
12
Dimisalkan modelregresi logistik dapat digunakan.
a. Tentukan fungsi respons dugaan.
b. Buatlah plotpencar dari datadan fungsi respons logistik
dugaannya.Apakah fungsi respons dugaan cocok?
c. Tentukan exp(b
1
)dan berikan maknanya.
d l b h k d k bili i d. Berapa peluang bahwa karyawan dengan skor stabilitas emosi 550
akan dapat bekerja dalam kelompok?
13
Model ModelRegresi Regresi Logistik Logistik Berganda Berganda gg gg gg
Y
i
merupakan peubah acak Bernoulli
S hi il i h d i Y d l h Sehingga nilai harapan dari Y
i
adalah
Dengan estimasi maksimum likelihooddiperoleh fungsi respons
logistik dugaan adalah g g
14