S

T
A
TI
S
TI
K
A

ANALISIS REGRESI
Analisis Regresi Linier Sederhana
Analisis Regresi Linier Ganda

Dosen:
Prof. Dr. Ismet Basuki & Drs.
Sudarmono
Prof. Dr. Ismet B.

Analisis Regresi:
Suatu analisis mengenai hubungan fungsional antara variabel bebas dan
variabel tak bebas yang dimodelkan dalam sebuah
persamaan matematika
Perkembangan Metode Peramalan Kuantitatif
Metode Peramalan Kuantitatif

Analisa Regresi

Analisa Time Series

(ATS)

Metode Rata-Rata Bergerak

(Moving Average)
Model Ekonometrika

Metode Terkini

Metode Interpolasi
Metode Least Square

Metode Klasik
Jaringan Syaraf Tiruan
Metode Penghalusan (Smoothing Methods)
Metode Dekomposisi

Algoritma Genetika
Logika Fuzzy
Sistem Berbasis Pengetahuan

Metode Box-Jenkins

Prof. Dr. Ismet B.

Model Persamaan Regresi

Persamaan Regresi

Persamaan Linier
1. Persamaan Linier Sederhana
Y=aX+b

Persamaan Non-Linier
1. Persamaan Kuadrat Y=aX2 + bX+C
2. Persamaan Hiperbola Y=X(a+bX)

2. Persmaan Linier Berganda

Y=a1X1+a2X2+a3X3+...+b
3. Persamaan Semi Logaritma

3. Persamaan EkxponensialY=aebX
4. Persamaan Logaritma Y=abX
5. Persamaan Log-Kuadratik
Y=exp(aX2 + bX+C)

Y=a + blog(X)

Prof. Dr. Ismet B.

Regresi Linier Sederhana

MODEL PERSAMAAN REGRESI :

Fungsi ini menyatakan bahwa Y adalah fungsi dari variabel bebas

X, dimana nilai dari variabel terikat sama dengan 0 + 1X.
Persamaan ini mengandung dua paramater statistik yaitu 0 dan 1.
Dimana 0 adalah titik potong antara sumbu X dan Y, sedangkan 1
menunjukkanTingkat kemiringan (gradien garis).
ESTIMASI PARAMETER MODEL :
Y=a+bX
Notasi :
(YX) memprediksi nilai mean variabel terikat (respon) dari
variabel bebas(prediktor)
Pred(Y|X) memprediksi nilai variabel respon Y dari variabel
bebas X
Prof. Dr. Ismet B.

Regresi Linier Sederhana

Contoh :
Perusahaan manufaktur ingin memprediksi hasil
panen tahun depan berdasarkan biaya yang telah
dikeluarkan untuk pembelian
pupuk.Misalnya X adalah biaya pembelian pupuk
dalam ratus ribu rupiah dan Y adalah hasil panen
dalam ton serta dieproleh fungsi antara biaya
pupuk dan hasil panen dengan persamaan
Y=100+5X, maka jika telah dihabiskan 5 juta
rupiah untuk pembelian pupuk, maka hasil panen
diprediksi 100+5.50=350 ton.
Prof. Dr. Ismet B.

METODE LEAST SQUARE UNTUK MENGHITUNG

KOEFISIEN REGRESI:
Y

y1

x1

y2

x2

yn

( Yi )( X i2 ) ( X i )( X iYi )

n X iYi ( X i )( Yi )

xn

n X i2 ( X i ) 2

n X i2 ( X i ) 2

a Y bX
Prof. Dr. Ismet B.

SELISIH NILAI PREDIKSI DENGAN NILAI

PENGAMATAN DISEBUT RESIDUAL

SSE

VARIASI DARI VARIABEL

RESPON/TERIKAT/DEPENDENT

SSE

n2

MSE
Prof. Dr. Ismet B.

2
2
2
y

i
i i
i

or
SS y SSE SSR

TABEL ANOVA
Sumber
Variasi
Regresi (reg)
Residual (res)
Total(T)

Jumlah
Kuadrat
(SS)

df

Kuadrat Rata-rata
(Mean of Square)

Fhitung

Sig.Of

SSR
SSE

1
N-2

SSR/df=MSR
SSE/df=MSE

MSR/MSE

P-value

Ssy=SST

N-1

SS y SSE
SS y

SSE
SS y

Diuji F Garis Regresi

MODEL TERBAIK

standart error kecil ( < 10%)

r2 besar (>80%)

Koefisien regresi signifikan pada level 1% atau 5%

Prof. Dr. Ismet B.

ASUMSI-ASUMSI

Liniearitas ada hubungan linier antara varaiabel

respon dan prediktor

Varians Konstant Homogenitas Varians

NormalitasData berdistribusi Normal

IndependenceAntar Variabel Harus Saling Bebas

PENGUJIAN PARAMETER KOEFISIEN REGRESI

Pengujian Serentak

H0 : 0 , 1 = 0

H1 : 0 , 1 0
Pengujian Individu

H0 : 0 = 0 H0 : 1 = 0
H1 : 0 , 0

H 1 : 1 , 0

Kesimpulan:
Tolak H0 jika thitung > ttabel atau Fhitung > Ftabel
Prof. Dr. Ismet B.

Uji F

Uji t

Langkah Praktis Anareg

1. Desain Penelitian
2. Perhitungan koefisien b1, b2, dan b3
3. Uji Signifikansi Garis Regresi
4. Koefisien Determinasi (R2)
5. Korelasi ganda antara Y dengan, X1, X2,
dan X3
6. Uji Signifikan Koefisien Prediktor (b)
7. Menghitung ()
Prof. Dr. Ismet B.

10

Prof. Dr. Ismet B.

11

Prof. Dr. Ismet B.

12

Prof. Dr. Ismet B.

13

Prof. Dr. Ismet B.

14

Prof. Dr. Ismet B.

15

Prof. Dr. Ismet B.

16

Prof. Dr. Ismet B.

17

Prof. Dr. Ismet B.

18

Prof. Dr. Ismet B.

19

Prof. Dr. Ismet B.

20

Prof. Dr. Ismet B.

21

Prof. Dr. Ismet B.

22

Prof. Dr. Ismet B.

23

Prof. Dr. Ismet B.

24

Prof. Dr. Ismet B.

25

Prof. Dr. Ismet B.

26

Prof. Dr. Ismet B.

27

Prof. Dr. Ismet B.

28

Prof. Dr. Ismet B.

29

Prof. Dr. Ismet B.

30

Prof. Dr. Ismet B.

31

Prof. Dr. Ismet B.

32

Prof. Dr. Ismet B.

33

Prof. Dr. Ismet B.

34

Prof. Dr. Ismet B.

35

Prof. Dr. Ismet B.

36

Prof. Dr. Ismet B.

37

Prof. Dr. Ismet B.

38

Prof. Dr. Ismet B.

39

Prof. Dr. Ismet B.

40

Prof. Dr. Ismet B.

41

Prof. Dr. Ismet B.

42

Prof. Dr. Ismet B.

43

Prof. Dr. Ismet B.

44

Prof. Dr. Ismet B.

45

Prof. Dr. Ismet B.

46

Prof. Dr. Ismet B.

47

Prof. Dr. Ismet B.

48

Prof. Dr. Ismet B.

49

Prof. Dr. Ismet B.

50

Prof. Dr. Ismet B.

51

Tugas 5b:
Berdasarkan datanya
sendiri Mhs
mengaplikasikan:
Analisis regresi
ganda 3 Prediktor
Prof. Dr. Ismet B.

52