(1)
dengan fungsi rgresi
()
(2)
fungsi dugaan regresi
()
atau
(3)
Dekomposisi Deviasi (Error)
Galat/error pengamatan ke-i
(4)
Jumlah Kuadrat Galat disingkat JKG dan dinyatakan sebagai
(5)
(
JKG atau SSE (error sum of squares)
Ukuran total deviasi atau Jumlah Kuadrat Total (JKT) didefinisikan sebagai
(
(6)
dimana JKT atau SSTO (total sum of squares)
Jumlah Kuadrat Regresi (JKR) atau SSR (regression sum of squares) adalah
selisih antara dua jumlah kuadrat , yaitu
dimana (
(7)
2
Dekomposisi deviasi total secara formal didefinisikan sebagai,
(8)
dimana
(9)
atau
Bukti
(
[(
) (
)]
[(
)(
)]
(
)(
)
Gambar 1
( )
X
Y
(
3
(
()
(
dimana (
)(
) (
Hal didasarkan pada sifat garis regresi bahwa:
(i)
, jumlah galat = 0
(ii)
) (
) (
)
deviasi total deviasi akibat regresi sisa (bagian yang tidak
(bagian yang dapat dapat dijelaskan oleh
dijelaskan oleh regresi) regrsi)
4
Tetapi Jumlah Kuadrat Total dapat pula dituliskan dalam dua komponen :
(
dimana
1
n-2
n-1
()
dimana dk
1 dan
n-2
Tolak
bila
Untuk persoalan diatas, dapat pula digunakan uji t, yaitu
5
Jika p menyatakan banyaknya parameter dalam model, maka dk SSE adalah n-p,
sedangkan dk SSR adalah p-1, dan dk SSTO (JKT) tidak tergantung model,
sehingga dk SSTO tetap n-1
Contoh 1 mencari persamaan regresi linier sederhana
Data
1 3 4 6 8 9 11 14
1 2 4 4 5 7 8 9
Plot data, menunjukkan bahwa data mengikuti pola linier (garis lurus), sehingga
model regresi yang diasumsikan sebagai
Selanjutnya koefisien-koefisien regresi di taksir dengan metode kuadrat terkecil,
sehingga dipeoleh model regresi
6
Perhitungan
Buat tabel bantu
1
3
4
6
8
9
11
14
1
2
4
4
5
7
8
9
1
9
16
36
64
81
121
196
1
6
16
24
40
63
88
126
Rumus untuk koefisien regresi
7
()(
) ()()
(
) ()
() ()()
(
) ()
Jadi
() ()()
() ()
() ()()
() ()
Jadi persamaan regresinya
Perhitungan error/galat
, untuk
Buat tabel bantu
1
3
4
6
8
9
11
14
1
2
4
4
5
7
8
9
1.1818
2.4545
3.0909
4.3636
5.6363
6.2727
7.5454
9.4545
-0.1818
-0.4545
0.9091
-0.3636
-0.6363
0.7273
0.4545
-0.4545
0.0330
0.2066
0.8264
0.1322
0.4050
0.5289
0.2066
0.2066
2.5454
SSE (JKS)
Lihat Gambar dekomposisi error
()
8
Tabel bantu regresi
1
3
4
6
8
9
11
14
1
2
4
4
5
7
8
9
1.1818
2.4545
3.0909
4.3636
5.6363
6.2727
7.5454
9.4545
5
5
5
5
5
5
5
5
-0,181
-0,453
0,032761
0,205209
-3,819
-2,547
14,584761
6,487209
-4
-3
-1
-1
0
2
3
4
16
9
1
1
0
4
9
16
40
2,545544
SSE
dk=1
MSE
2,545544
53,393544
SSR
dk=8-2
MSR
8,898924
56
SST
dk=8-1
Tabel Anava
Sumber variasi JK dk RK (rataan kuadrat E(RK)
Regresi
(
Sisa
(
n-2 ( )
Total
(
n-1
Tabel Anava
Sumber variasi JK dk RK (rataan kuadrat
Regresi
1
Sisa 8-2=6
Total 8-1=7
()
()
Karena F hit > F tabel, 125,839 > 5,99 maka Tolak Ho, artinya
()
()
9
Perhatikan bahwa
) (
)
()
Periksa Interval nilai
)
(
)
(
)
()
()
Uji
)
,
Karena |
|
(
)
, maka terima
, yang
berarti
Uji signifikansi
Model regresi linier sederhana
Model taksiran
Uji signifikansi
Hipotesis :
(a). Tolak
bila
dimana
()
(b). Uji t dengan
10
(c). Periksa interval nilai
)
(
)
(
)
apakah tidak memuat bilangan nol
(d). Uji
)
, dimana
Jika |
|
(
)
terima
|
(
)
terima
Contoh 2
Tinggi badan ayah
(X) inci
65 63 67 64 68 62 70 66 68 67 69 71
Tinggi badan anak laki
(Y) inci
68 66 68 65 69 66 68 65 71 67 68 70
Tabel 1b
X Y XY
Residu
Kuadrat residu
65
63
67
64
68
62
70
66
68
67
69
71
68
66
68
65
69
66
68
65
71
67
68
70
4420
4158
4556
4160
4692
4092
4760
4290
4828
4489
4692
4970
4225
3669
4489
4096
4624
3844
4900
4356
4624
4489
4761
5041
4624
4356
4624
4225
4761
4356
4624
4225
5041
4489
4624
4900
66.79
65.84
67.74
66.31
68.22
65.36
69.17
67.27
68.22
67.74
68.69
69.65
1.211
0.163
0.258
-1.313
0.782
0.639
-1.171
-2.266
2.781
-0.742
-0.695
0.352
1.46
0.03
0.07
1.72
0.61
0.41
1.37
5.13
7.74
0.55
0.48
0.12
800 811 54107 53418 54849 0 19.69
Tabel 1c
X Y
65
63
67
64
68
62
70
66
68
68
66
68
65
69
66
68
65
71
66.79
65.84
67.74
66.31
68.22
65.36
69.17
67.27
68.22
0.1739
2.5059
0.1739
6.6719
2.0079
2.5059
0.1739
0.6719
11.6759
1.46562
0.02669
0.06650
1.72395
0.61074
0.40930
1.37185
5.13361
7.73672
0.62985
3.04986
0.02532
1.61292
0.40387
4.94068
2.52257
0.10065
0.40387
11
67
69
71
67
68
70
67.74
68.69
69.65
0.3399
0.1739
5.8419
0.55075
0.48286
0.12416
0.02532
1.23628
4.26273
38.917 19.703 19.214
,
.
Multiple R 0.7026516
R Square 0.4937193
Adjusted R
Square 0.4430913
Standard
Error 1.4036651
Observations 12
ANOVA
df SS MS F
Significance
F
Regression 1 19.21391 19.21391 9.75189 0.010822
Residual 10 19.70276 1.970276
Total 11 38.91667
Coefficients
Standard
Error t Stat P-value Lower 95%
Upper
95%
Lower
95.0%
Upper
95.0%
Intercept 35.824803 10.17795 3.519844 0.00554 13.14691 58.5027 13.14691 58.5027
X Variable 1 0.476378 0.152548 3.122802 0.010822 0.136479 0.816277 0.136479 0.816277
RESIDUAL OUTPUT
Observation Predicted Y Residuals
Standard
Residuals
1 66.78937 1.21063 0.904574
2 65.836614 0.163386 0.122081
3 67.742126 0.257874 0.192682
4 66.312992 -1.31299 -0.98106
5 68.218504 0.781496 0.583928
6 65.360236 0.639764 0.478027
7 69.17126 -1.17126 -0.87516
8 67.265748 -2.26575 -1.69295
9 68.218504 2.781496 2.078315
12
10 67.742126 -0.74213 -0.55451
11 68.694882 -0.69488 -0.51921
12 69.647638 0.352362 0.263283
Perhitungan manual
()(
)()()
(
)()
()()
()
()()()
(
)()
()()
()
(
)
(
)
(
)
()
??
()
()()
()()
Koefisien korelasi produk moment
()()
[
()
][
()
]
()()
()
()
()()
)
(
) (