Anda di halaman 1dari 33

Regresi LinierSederhana

RudiSalam
Sekolah Tinggi Ilmu Statistik

1.1

Outline
1. Hubungan antara variabel
2. Modelregresi dan kegunaannya
3. Modelregresi liniersederhana dengan distribusi
erroryangtidak ditentukan
4. Databagi analisis regresi
5. Overviewanalisis regresi
6. Estimasi fungsi regresi
7. Estimasi varians error
8. Errornormalmodelregresi
1.2

Pengantar
Analisisregresiadalahmetodologistatistikyang
memanfaatkanhubunganantaraduaataulebih
variabelkuantitatifsehinggasuatu responatau
variabel outcome dapatdiprediksidariyanglain.
Metodologiinisecaraluasdigunakandalam
bisnis,ilmuilmusosialdanperilaku,ilmu
biologi,dandisiplinilmulainnya.

1.3

Pengantar
Beberapa contoh aplikasi:
Penjualanprodukdapatdiprediksidengan
memanfaatkanhubunganantarapenjualandanjumlah
pengeluaraniklan.
Kinerjakaryawanpadapekerjaandapatdiprediksi
denganmemanfaatkanhubunganantarakinerjadan
sederetan tesbakat.
Ukurankosakataanakdapatdiprediksidengan
memanfaatkanhubunganantaraukurankosakatadan
usiaanakdanjumlahpendidikanorangtua.
Lamatinggaldirumahsakitdari pasienbedahdapat
diprediksidenganmemanfaatkanhubunganantara
waktudirumahsakitdantingkatkeparahanoperasi.
1.4

1
HUBUNGANANTARAVARIABEL

Sekolah Tinggi Ilmu Statistik

1.5

Pengantar
Konsephubunganantaraduavariabel, seperti
antarapendapatandanpengeluaran,adalah
salahsatuyang bentuk hubungan yang umum.
Akandibedakanantarahubunganfungsional
(hubungan matematis) danhubunganstatistik
(hubungan probabilistik).

1.6

Hubungan Fungsional
Suatu hubunganfungsionalantaradua
variabeldinyatakandenganrumus
matematika.
JikaXadalah variabelindependen danY
adalah variabeldependen,hubungan
fungsionalnya berbentuk:
Y f X

1.7

Hubungan Fungsional
Contoh:
Misalkan terdapat hubungan antara nilai
penjualan (Y)suatu produk dengan harga tetap
dengan banyaknya unityangterjual (X).Jika
harga jual perunitnya adalah $2,hubungan
tersebut dituliskan dalam persamaan:
Y=2X

1.8

Hubungan Fungsional
Grafik hubungan fungsional
Banyaknya unitterjual dan dollar
penjualan selama tiga periode
terakhir adalah (dengan harga
tetap $2):

Terlihat bahwa semua berada pada garis hubungan fungsional.


Ini adalah karakteristik semua hubungan fungsional.
1.9

Hubungan Statistik
Tidak seperti hubungan fungsional,hubungan
statistik bukanlah hubungan yangsempurna.
Bentuk hubungannya :Y=f(X)+
Secara umum,observasi pada hubungan
statistik tidak jatuh secara tepat pada kurva
hubungan.

1.10

Hubungan Statistik
Contoh:
Suatu spareparttertentu diproduksi oleh
WestwoodCompanysebulan sekali dalam lot
dengan bermacam ukuran sesuai permintaan.
Berikut adalah dataukuran lot(Xi)dan jumlah
jamkerja (Yi)untuk 10produksi terakhir dengan
kondisi yangsama.
i
Xi
Yi

1
30
73

2
3
4
5
6
7
8
9 10
20 60 80 40 50 60 30 70 60
50 128 170 87 108 135 69 148 132
1.11

Hubungan Statistik
Scatterdiagram/plot

Jamkerja dibuat sebagai variabel


respon atau bebas Ydan lotsize
sebagai variabel independen atau
prediktor X.
Dalam terminologi statistik,tiap
tiap titik pada scatterplotmewakili
suatu observasi atau percobaan.
Darigambar sangat terlihat bahwa
terdapat hubungan antara lotsize
dan jamkerja.
Semakin besar lotsize,semakin
lamajamkerja
1.12

Hubungan Statistik
Scatterplot+garis hubungan
Garis hubungan memberikan
indikasi kecenderungan umum
dimana jamkerja bervariasi
dengan perubahan lotsize.
Darititik scatterterlihat bahwa
ada beberapa variasi pada jam
kerja yangtidak dihitung oleh
lotsize.
Hubungan yangada bukan
hubungan yangsempurna.
1.13

Hubungan Statistik
Sebagian besar titiktitik tidak berada secara
tepat pada garis hubungan statistik.
Titiktitik scatterdisekitar garis mewakili
variasi jamkerja yangtidak berhubungan
dengan ukuran lot,dan biasanya dinyatakan
sebagai sesuatu dengan sifat random.

1.14

Hubungan Statistik
Gambar berikut memperlihatkan dataumur dan
levelsteroiddari 17wanita sehat umur 8sd 25
tahun.

1.15

Hubungan Statistik
Datasangat menunjukkan bahwa hubungan
statistik adalah curvelinear (tidak linier).
Seiring bertambah umur,levelsteroidjuga
meningkat sampai suatu titik dan kemudian
menurun.
Titiktitik disekitar kurva hubungan statistik
merupakan tipikal hubungan statistik.

1.16

2
MODELREGRESIDAN
KEGUNAANNYA

Sekolah Tinggi Ilmu Statistik

1.17

Sejarah
AnalisisregresipertamakalidikembangkanolehSir
FrancisGaltondiakhirabadke19.Galtontelah
mempelajarihubunganantaratinggiorangtua dan
anakdanmencatatbahwatinggianakbaik yang
tinggiataupun pendektampaknya"kembali"atau
regress"pada rataratakelompok.Iamenilai
kecenderunganinimenjadiregresiuntuk"biasa
biasasaja."Galtonmengembangkandeskripsi
matematiskecenderungan dari regresiini dan
menjadi cikalbakalmodelregresisekarang.
1.18

Konsep Dasar
Suatu modelregresiadalahcaraformaluntuk
mengungkapkanduaunsurpentingdari
hubunganstatistik:
1. Suatu kecenderunganvariabelresponY
untuk bervariasi denganvariabelprediktorX
secarasistematis.
2. Suatu scattering titiktitik disekitarkurva
hubunganstatistik.
1.19

Konsep Dasar
Keduakarakteristik ini diwujudkandalammodel
regresidenganmendalilkanbahwa:
1. Pada populasi observasi yangberhubungan
dengan prosespenyampelan,terdapat
distribusipeluang Yuntuktiaptiap leveldari
X.
2. Rataratadari distribusi peluang inibervariasi
dalambeberapacarayangsistematisdengan
X.
1.20

Konsep Dasar
Contoh:
Perhatikan kembali datawestwood company.
Jumlah jamkerja Ydiperlakukan pada model
regresi sebagai variabel random.
Untuk tiaptiap ukuran lot,dipostulatkan
distribusi peluang dari Y.

1.21

Konsep Dasar
Gambar distribusi peluang Yuntuk beberapa X
Tampak distribusi
peluang pada Ypada
saat X=30.Nilai aktual
dari Ydilihat sebagai
pilihan randomdari
distribusi peluang ini.
Grafik fungsi regresi
dinamakan kurva regresi.

1.22

Konsep Dasar
Ingat bahwa rataratadari distribusi peluang
mempunyai hubungan sistematik dengan level
dari X.
Hubungan sistematik ini dinamakan fungsi regresi
Yterhadap X.
Untuk fungsi regresi yanglinier,berimplikasi
bahwa nilai ekspektasi dari Ybervariasi secara
linierdengan X.
Tidak ada alasan secara teori kenapa jamkerja
harus berhubungan dengan lotsizesecara linier.
1.23

Konsep Dasar
Gambar untuk modelregresi yangtidak linier.

1.24

Konsep Dasar
Modelregresi bisa berbeda dalam bentuk fungsi
regresinya seperti pada gambar (yanglinierdan tidak
linier),dalam bentuk distribusi peluang dari Y,dan hal
lainnya.
Apapun variasinya,konsep distribusi peluang dari Yjika
diketahui Xmerupakan pasangan formaldari scatter
empiris dalam hubungan statistik.
Dengan cara yangsama,kurva regresi,yang
menggambarkan hubungan antara rataratadistribusi
peluang dan X,merupakan pasangan dari
kecenderungan umum Yuntuk bervariasi dengan X
secara sistematis dalam hubungan statistik.

Membangun ModelRegresi
Pemilihan Variabel Independen
Bentuk Fungsional dari Hubungan Regresi
Jangkauan Model

1.26

Kegunaan Analisis Regresi


Analisisregresimempunyai tigatujuanutama:
(1) Deskripsi
(2) Kontrol
(3) Prediksi
Dalam praktik,beberapatujuananalisisregresi
seringnya tumpangtindih.

1.27

Regresi dan Kausalitas


Meskipun analisis regresi berkaitan dengan
ketergantungan dari suatu variabel kepada
variabel lain,tidak berarti bahwa hal itu
merupakan hubungan sebab akibat (causation).
Sebuah hubungan statistik,meskipun kuat dan
sugestive,akan tetapi tidak pernah dapat
membentuk suatu hubungan sebab akibat,
karena hubungan sebab akibat berasal dari teori
atau sumber lain.
1.28

Regresi dan Kausalitas


Jadi sebuah hubungan statistik tidak dapat
dilogika sebagai hubungan sebab akibat.
Untuk menggambarkan hubungan sebab
akibat (kausalitas),kita harus menggunakan
teori terlebih dahulu.Atau contoh lainyaitu
bahwa kita mengatakan pengeluaran
tergantung dari pendapatan adalah
berdasarkan teori ekonomi (bukan
pertimbangan statistik).
1.29

Regresi dan Kausalitas


Akantetapi,analisis regresi juga berdasarkan
asumsi bahwa modelyangdigunakan dalam
analisis adalah sebuah modelyangbenar.
Oleh karena itu,arah hubungan sebab akibat
tersirat secara implisit dalam bentuk model
yangdipostulatkan (postulat:pernyataan yang
dianggap benar,sampai ada bukti yang
menyatakan bahwa pernyataan itu salah atau
aksioma).
1.30

Regresi dan Korelasi


Analisis korelasi berkaitan erat dengan regresi,
tetapi secara konsep berbeda dengan analisis
regresi.
Analisis korelasi adalah mengukur suatu
tingkat atau kekuatan hubungan linearantara
dua variabel.Koefisien korelasi adalah
mengukur kekuatan hubungan linear.

1.31

Regresi dan Korelasi


Analisis regresi mencoba untuk mengestimasi
atau memprediksikan nilai rataratasuatu
variabel yangsudah diketahui nilainya,
berdasarkan suatu variabel lainyangjuga
sudah diketahui nilainya.
Setiap regresi pasti ada korelasinya,tetapi
korelasi belum tentu dilanjutkan dengan
regresi.
1.32

Regresi dan Korelasi


Korelasi yangtidak dilanjutkan dengan regresi,
adalah korelasi antara dua variabel yangtidak
mempunyai hubungan kausal/sebab akibat,
atau hubungan fungsional.
Untuk menetapkan kedua variabel
mempunyai hubungan kausal atau tidak,maka
harus didasarkan pada teori atau konsep
konsep tentang dua variabel tersebut.
1.33

Anda mungkin juga menyukai