Handout Analisis Regresi
Handout Analisis Regresi
ANALISIS REGRESI
Kismiantini
Korelasi
Yi = 0 + 1 X i + i
Korelasi
i = 1, 2, , n
i ~ N (0, 2 )
iid
Sehingga :
E[Yi ] = 0 + 1 X i
Plot Data! NEVER skip this step! The data may not
even be linear and a different model may be more
appropriate.
10
ei (sisaan
( i
kke-i)
i) adalah
d l hb
beda
d antara
t
nilai
il i amatan
t Yi dengan
d
nilai
il i d
dugaannya Yi
Yi = 13,82 + 48,60 X i
Y = 13,82 + 48,60 X
11
12
Pendugaan
g
terhadap
p koefisien regresi:
g
Bagaimana mendapatkan b0 dan b1?
Metode kuadrat terkecil,
terkecil yaitu dengan
meminimumkan jumlah kuadrat galat :
i i
i =1
2
i
i =1
b1
b0 =
n
L
= 2 (Yi ( 0 + 1 X i )) = 0
0
i =1
n
L
= 2 (Yi ( 0 + 1 X i ))X i = 0
1
i =1
2
i
Metode
Kuadrat Terkecil
1
( Yi b1 X i ) = Y b1 X
n
13
M k dugaan
Makna
d g
k fi i regresi
koefisien
g i
Misalkan ingin mengetahui hubungan jarak tempuh kendaraan mobil dalam
k (X) dengan
km
d
ti k t emisinya
tingkat
i i
d l
dalam
ppm (Y).
(Y)
14
Soall 1
i
10
Xi
5,5
4,8
4,7
3,9
4,5
6,2
6,0
5,2
4,7
4,3
Yi
3,1
2,3
3,0
1,9
2,5
3,7
3,4
2,6
2,8
1,6
11
12
13
14
15
16
17
18
19
20
Xi
4,9
5,4
5,0
6,3
4,6
4,3
5,0
5,9
4,1
4,7
Yi
2,0
2,9
2,3
3,2
1,8
1,4
2,0
3,8
2,2
1,5
Yi = 364 + 5,47 X i
Makna dari b0 yaitu untuk mobil dengan jarak tempuh kendaraan mobil 0
km (mobil baru) tingkat emisi yang dihasilkan rata-rata sebesar 364 ppm.
1. Apakah nilai mutu rata-rata (NMR) pada akhir tahun pertama (Y)
dapat diramalkan dari nilai ujian masuk (X)?
Bila jawaban ya, maka
2 Buatlah
2.
l h diagram
d
pencar X d
dan Y.
3. Tentukan persamaan regresi dugaannya beserta maknanya!
15
16
Soal 3
Soal 2
Data berikut merupakan hasil penelitian tentang hubungan antara
nilai ulangan Matematika (dalam skala nilai 10 sampai 100) dengan
lama waktu belajar matematika (dalam jam selama seminggu)
Nilai ulangan
95 100 100 80 70 55 50 75 55 60 65 95
matematika
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
koefisien regresinya!
17
Soal 4
Soal 5
18
0
16
10
27
20
28
30
39
40
39
50
48
60
51
Yi = 0 + 1 X i + i
0 dan
d 1 adalah
d l h parameter
t
Xi adalah konstanta yang diketahui nilainya
i adalah g
galat y
yang
g menyebar
y
N(0,
( , 2) dan bebas satu sama lain
i 0,375
hi = KTG z
n + 0,25
JKG = Yi 2 b0 Yi b1 X iYi
ei
Gambar disamping
menunjukkan bahwa galat
menyebar normal
karena titik-titik (sisaan-sisaan)
mengikuti arah garis diagonal.
hi
Xi
Yi
ei
30
73
70
20
50
50
60
128
130
-2
80
170
170
40
87
90
-3
50
108
110
-2
2
60
135
130
30
69
70
-1
1
70
148
150
-2
10
60
132
130
Urutan
naik i
ei terurut
hi
1
2
3
4
5
6
7
8
9
10
-3
-2
-2
-2
-1
0
0
2
3
5
-4,24
-2,74
-1,79
-1,02
-0,33
0 33
0,33
1,02
1 79
1,79
2,74
4 24
4,24
SOAL 1
Sebuah penelitian mengukur banyaknya gula yang terbentuk
pada berbagai suhu. Data telah dikodekan sebagai berikut:
(response is Y)
(response is Y)
99
1.0
95
90
80
Perc
cent
Residual
0.5
0.0
70
60
50
40
30
20
10
-0.5
SOAL 2
Perhatikan gambar berikut :
Versus Fits
Scatterplot of Y vs X
(response is Y)
(response is Y)
90
20
99
80
95
90
10
70
Residual
Y
50
Percent
80
60
70
60
50
40
30
20
40
-10
10
5
30
-20
20
30
35
40
45
X
Gambar 1.
1 Plot X dan Y
50
55
40
50
60
Fitted Value
70
80
-30
-20
-10
0
Residual
10
20
30
Gambar 2.
2 Plot nilai dugaan vs sisaan Gambar 3.
3 Plot Peluang Normal
a)
b)
8.0
8.5
9.0
Fitted Value
9.5
10.0
-1 5
-1.5
-1 0
-1.0
-0 5
-0.5
00
0.0
Residual
05
0.5
10
1.0
15
1.5
INFERENSI DALAM
ANALISIS REGRESI
Tingkat kepercayaan
b 1
P t ;(n 2 ) 1
t ;(n 2 ) = 1
2
2
s{b1}
1. Inferensi tentang 1
a Selang Kepercayaan bagi 1
a.
b. Uji bagi 1
2 Inferensi
2.
I f
i tentang
t t
0
a. Selang Kepercayaan bagi 0
b. Uji bagi 0
b1 t
2
;( n
n 2)
KTG
X i2
( X )
Yi Y = Yi Y + Yi Yi
Hipotesis
H0 : 1=0 (Tidak ada hubungan linear antara X dan Y)
g linear antara X dan Y)
H1 : 1 0 (Ada hubungan
Sumber
Keragaman
db
JK
KT
Regresi
JKR
KTR=JKR/1
Galat
n-2
n2
JKG
KTG=JKG/n-2
KTG JKG/n 2
Total
n-1
JKT
(Y Y ) = (Y Y ) + (Y Y )
Fhit=KTR/KTG
Ftabel
Fhit
F(1,n-2)
JKT
JKR
JKG
JKT = Yi 2 nY 2
Kriteria keputusan :
H0 ditolak jika Fhit > F(1,n-2)
JKG = Yi 2 b0 Yi b1 X iYi
thit =
b1
s{b1}
Kriteria keputusan :
H0 ditolak
dit l k jika
jik |thit|>
| t/2(n-2)
( Yi )
= Yi 2
n
X
Y
X Y i i
i i
n
( X i )2
2
X
i
n
Mi lk a S
Misalkan
Suatu
t K
Konstanta
t t
A k h 1 positif
Apakah
itif atau
t tidak
tid
tidak?
k?
k?
Hipotesis : H0 : 1 0
H1 : 1 > 0
Taraf nyata :
Statistik uji : t = b1/s{b1}
Kriteria Keputusan : H0 ditolak jika thit > t(n-2)
t=
Hipotesis : H0 : 1 0
H1 : 1 < 0
Taraf nyata :
Statistik uji : t = b1/s{b1}
Kriteria Keputusan : H0 ditolak jika thit < -t(n-2)
b1 1
s{b1}
Ganti 1 dengan a
b0 t
2
(n 2 )
s{b0 }
b 0
P t ;(n 2 ) 0
t ;(n 2 ) = 1
2
2
s{b0 }
Hipotesis
H0 : 0=0
H1 : 0 0
2
1
X
dengan s {b } = KTG +
0
2
n
( X i )
2
X
i
n
Taraf Nyata :
Statistik Uji :
thit =
Kriteria keputusan :
H0 ditolak jika |thit|> t/2(n-2)
7
Soal 2
Soal
a 1
Data berikut merupakan
p
hasil p
penelitian tentang
g hubungan
g
antara nilai
ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama
waktu belajar matematika (dalam jam selama seminggu).
Nilai ulangan
95 100 100 80 70 55 50 75 55 60 65 95
matematika
L
Lama
waktu
kt
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!
Anggap asumsi
asumsi-asumsi
asumsi dalam model regresi linear sederhana terpenuhi.
b)Tentukan selang kepercayaan 99% bagi 0 dan 1 beserta maknanya!
c)Ujilah
) j
apakah
p
ada hubungan
g linear antara lama waktu belajar
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 3
Suatu percobaan dilakukan pada jenis mobil baru merk tertentu, untuk
menentukan jarak yang dibutuhkan untuk berhenti bila mobil tersebut
direm pada berbagai kecepatan. Data yang diperoleh sebagai berikut:
Kecepatan
p
(kilometer
(
per
p jam)
j )
Jarak sampai berhenti (meter)
b0
s{b0}
SSE = Yi Yi
35 50 65 80 95 110
16 26 41 62 88 119
a)Tentukan
)T t k peubah
b h mana sebagai
b
i peubah
b h bebas
b b X dan
d peubah
b h tak
t k
bebas Y!
b)Tentukan persamaan regresi dugaan dan berikan makna dugaan
koefisien regresinya!
Anggap
gg p asumsi-asumsinya
y terpenuhi.
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.
12
Normal Equation
Xi
Yi
16
10
15
13
22
13
1
4
` Perhatikan kembali
(Y Y ) = (Y Y ) + (Y Y )
2
JKT
JKR
JKG
* Koefisien Determinasi
* Koefisien Korelasi
Koefisien Determinasi
P h k Gambar
Perhatikan
G b 1 !!
` Ukuran untuk mengukur pengaruh X dalam menurunkan keragaman Y
adalah
r2 =
Koefisien
determinasi
Jika semua amatan terletak pada garis regresi maka JKG = 0 dan r2 = 1.
Peubah bebas X berhasil menjelaskan semua keragaman di dalam
amatan-amatan Yi.
Perhatikan Gambar 2 !!
Jika kemiringan garis regresi adalah b1 = 0 sehingga
0
Y Y maka JKG = JKT dan r2 = 0.
Y = b0 + b1 X
Y = Y
Gambar 2
Gambar 1
tempuh
r2
` Diperoleh
= 89,9% , artinya sekitar 89,9% keragaman dari
tingkat emisi suatu mobil yang dapat dijelaskan oleh jarak
tempuhnya.
(Y Y )
(X X )
2
b1 = r
s
= r Y
sX
atau
Keragaman tingkat emisi suatu mobil berhasil diturunkan
89,9% dengan disertakan peubah jarak tempuh.
(Y Y )
sY =
sX =
n 1
(X
X)
n 1
Koefisien Korelasi
r = r2
r=
(X
X )(Yi Y )
[ (X X ) (Y Y ) ]
i
2 12
X
Y
X Y n
( X ) Y ( Y )
n
n
i
i i
X i2
12
1 < 0
1 > 0
Hipotesis
1) H0: = 0 (Tidak ada hubungan linear antara X dan Y)
H1: 0 (Ada hubungan linear antara X dan Y)
2) H0: 0
3) H0: 0
H1: < 0
H1: > 0
T f nyata
Taraf
t :
r n2
Statistik uji :
XY =
Cov( X , Y )
E ( XY ) E ( X )E (Y )
=
XY
V ( X )Var
Var
V (Y )
Koefisien
korelasi sampel
rXY =
(n X
t=
n XY X Y
2
)(
( X ) n Y 2 ( Y )
2
1 r2
Kriteria Keputusan :
1) H0 ditolak jika |thit| > t/2,n-2
2) H0 ditolak jika thit < - t,n-2
3) H0 ditolak jika thit > t,n-2
10
Soal 1
Hipotesis
1) H0: = k
H1: k
2) H0: k
H1: < k
Taraf nyata :
Statistik Uji :
3) H0: k
H1: > k
1+ r
1+ k
ln
ln
1 r
1 k
Z=
1
n3
Kriteria Keputusan :
1) H0 ditolak jika |Zhit| > Z/2
2)) H0 ditolak jjika Zhit < -Z
3) H0 ditolak jika Zhit > Z
11
10
Xi
5,5
4,8
4,7
3,9
4,5
6,2
6,0
5,2
4,7
4,3
Yi
3,1
2,3
3,0
1,9
2,5
3,7
3,4
2,6
2,8
1,6
11
12
13
14
15
16
17
18
19
20
Xi
4,9
5,4
5,0
6,3
4,6
4,3
5,0
5,9
4,1
4,7
Yi
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
Anggap model regresi linear cocok digunakan.
a) Tentukan koefisien determinasi dan maknanya
b) Tentukan koefisien korelasi
c) Apakah > 0,75? Lakukan pengujian
hipotesis dengan = 0,05.
12
Soal 2
Soal 3
Xi
Yi
97
86
78
10
75
62
101
39
53
10
11
12
13
14
15
16
17
18
Xi
Yi
33
118
65
25
71
105
17
49
68
13
Soal 4
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
(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
bebas Y!
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
14
K it i kkoefisien
Kriteria
fi i kkorelasi
l i
(Sarwono:2006):
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
16
ANALISIS VARIANSI
UJI F UNTUK KETIDAKCOCOKKAN
MODEL REGRESI LINEAR SEDERHANA
1
2
Formula Hipotesis
p
Hipotesis
H0 : E{Y} = 0+ 1X
H1 : E{Y} 0+ 1X
Atau
H0 : Tidak ada ketidakcocokan model regresi linear sederhana
dengan data
H1 : Ada ketidakcocokan model regresi linear sederhana dengan data
Atau
H0 : Model regresi linear sederhana cocok
H1 : Model regresi linear sederhana tidak cocok
Simpangan
galat
g
(Y
ij
Simpangan
g
galat
murni
Yij
) = (Y
2
ij
JKG =
Simpangan
ketidakcocokan
model
d l
Y j ) + Y j Yij
2
JKGM
JKKM
4
3
Statistik Uji
j
J KKM (k 2 )
F=
JKGM (n k )
JKGM = (Yij Y j )
JKG = Yi 2 b0 Yi b1 X iYi
JKKM = JKG JKGM
db(G) = n 2; db(GM) = n k; db(KM) = k 2
2
Xi
Xi
Yi
125
160
100
112
200
124
Yj
Yij
75
28
42
35
100
112
136
124
125
160
150
155
75
28
150
152
175
156
150
152
152
75
42
175
140
175
124
156
124
200
124
104
114
125
150
10
200
104
11
100
136
Xi
Yi
0.07
0 09
0.09
0.08
0.16
0.17
0.21
0.49
0.58
0 53
0.53
10
1.22
11
1.15
12
1.07
13
2.84
14
2.57
15
3.10
Soal 3
Y1 = 0 + 1 X 1 + 1
Y2 = 0 + 1 X 2 + 2
M
Yn = 0 + 1 X n + n
Y1 1
Y 1
2 =
M M
Yn 1
1
X1
X 2 0 2
+
M 1 M
X n
n
Y = X +
n1 n2
21 n1
Perhatikan !!!
S h
Sehingga
: E{Y } = X
n1
n2 21
Syarat : adalah
S
d l h suatu vektor
k peubah-peubah
b h
b h acakk normall
yang bebas dengan E{ } = 0 dan 2 { } = 2 I
Persamaan normal regresi linear sederhana
nb0 + b1 X i = Yi
X Xb = X Y
t
b0 X i + b1 X i2 = X iYi
b= X X
t
X Y
X1
Y1
X 2 b0 1
1
K 1 Y2
=
M b1 X 1 X 2 K X n M
Xn
Yn
3
Uji terhadap 1
Perhatikan !!!
KTG
1 /
/
JKT = Y Y Y J Y
n
Y Y = Yi 2
JKG /((n p )
p : banyaknya parameter
1 /
/
/
/
/
JKT = Y Y Y J Y JKG = Y Y b X Y
JKR = JKT-JKG
n
Kriteria Keputusan :
H0 ditolak jika Fhit > F(p-1,n-p)
5
1 L 1
J = M M M
nn
1 L 1
Y J Y = ( Yi )
Soal 1
bk t / 2,(n p )s{bk }
2
s{b1 , b0 } s {b1}
2
s 2 {b} = KTG X X
/
379
825
10
X X =
, X Y = 31726, Y Y = [70083],
379 14533
Y J Y = [680625]
K fi i Determinasi
Koefisien
D t
i
i
r2 = JKR/JKT = 1- (JKG/JKT)
Koefisien korelasi
r = r2
Xi
-4
-8
Yi
7.8
9.0
10.2
11.0
11.7
Ingat!!
Ingat
Metode Kuadrat Terkecil untuk Model Regresi Linear Sederhana
n
i =1
i =1
n
Q
= 2 (Yi 0 1 X i )
0
i =1
i =1
n
Q
= 2 X i (Yi 0 1 X i )
1
i =1
2 (Yi b0 b1 X i ) = 0
2 X i (Yi b0 b1 X i ) = 0
i =1
Y
i =1
i =1
nb0 b1 X i = 0
i =1
X Y
i =1
i i
i =1
i =1
b0 X i b1 X i2 = 0
1
2
Persamaan
Normal
i =1
i =1
Yi = 0 + 1 X i1 + 2 X i 2 + L + p 1 X i , p 1 + i
dengan :
0, 1, , p-1 adalah parameter
Xi1, , Xi,p-1
,p adalah konstanta yang diketahui nilainya
i saling bebas dan menyebar N(0,2)
i = 1, 2, , n
nb0 + b1 X i = Yi
n
i =1
i =1
i =1
b0 X i + b1 X i2 = X i Yi
Persamaan regresi
g
dugaan
g
:
Yi = b0 + b1 X i1 + b2 X i 2 + L + b p 1 X i , p 1
4
P
Persamaan
Normal
N
l
Yi = 0 + 1 X i1 + 2 X i 2 + i
b0 n + b1 X i1 + b2 X i 2 + K + b p 1 X ip 1 = Yi
b0 X i1 + b1 X i21 + b2 X i1 X i 2 + K + b p 1 X i1 X ip 1 = X i1Yi
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 + K + b p 1 X i 2 X ip 1 = X i 2Yi
i1
i2
Persamaan normal :
b0 n + b1 X i1 + b2 X i 2 = Yi
b0 X i1 + b1 X i21 + b2 X i1 X i 2 = X i1Yi
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 = X i 2Yi
5
1
X X = X 11
X 12
1 X 11
1
1 X 21
X n1
M M
L X n 2
1 X n1
X 22
'
X X = X i1
X i 2
1
'
X Y = X 11
X 12
X
X
X X
i1
2
i1
i2
X
X X
X
i2
i1
i1
X 12
X 22
M
X n2
1 L
X 21 L
'
i2
2
i2
1 1 Yi
X n1 2 = X i1Yi
M
L X n 2 X i 2Yi
Yn
1 L
X 21 L
X 22
Soal 1
Suatu percobaan telah dilakukan untuk menentukan apakah
berat seekor binatang dapat diprediksikan (setelah pada periode
tertentu)) berdasarkan
b d
k
b
berat
awall dan
d
j l h makanan
jumlah
k
yang
dimakan. Diperoleh data sebagai berikut yang diukur dalam
kilogram.
Berat Akhir (Y)
95
77
80
100
97
70
50
80
92
42
33
33
45
39
36
32
41
40
38
272
226
259
292
311
183
173
236
230
235
Jumlah Makanan
(X2)
84
Model
1
(Constant)
Berat Awal
Jumlah Makanan
Unstandardized
Coefficients
B
Std. Error
-22.993
17.763
1 396
1.396
.583
583
.218
.058
Standardized
Coefficients
Beta
.404
404
.634
t
-1.294
2 396
2.396
3.767
Sig.
.237
.048
048
.007
10
Uji terhadap k
Perhatikan!!!
Perhatikan
!!!
Hipotesis :
s {b }
s{b , b }
H0 : k = 0 H1 : k 0
s{b , b }
s {b }
s {b} =
Taraf nyata :
M
M
s{b , b } s{b , b }
Statistik Uji : t = bk/s{bk}
Kriteria Keputusan : Ho ditolak jika |thit| > t/2, n-p
1 '
JKT = Y Y Y J Y
n
'
p 1
Y Y = Yi 2
p 1
L s{b0 , b p 1 }
L s{b1 , b p 1 }
M
M
L s 2 {b p 1 }
S l
Selang
K
Kepercayaan
b i k
bagi
Y J Y = ( Yi )
bk t / 2,(n p )s{bk }
11
12
Soal 2
Makna Selang Kepercayaan
Suatu p
penelitian telah dilakukan untuk mengetahui
g
hubungan
g
antara
persentase kehadiran mahasiswa (X1) dan lama belajar dalam jam per
minggu (X2) terhadap nilai akhir ujian suatu mata kuliah (Y).
Sebanyak 30 mahasiswa telah dipilih secara acak untuk menjadi
subyek penelitian.
9,8866861 0,132528 0,640573
Diketahui :
(XX )1 = 0,132528 0,0018375 0,010051
0,640573
0,010051
0,079075
i1
a)) Tentukan p
persamaan regresi
g
dugaan
g
dan berikan maknanya.
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
terhadap nilai akhir ujian suatu mata kuliah. Gunakan = 0,05.
c) Tentukan selang kepercayaan bagi 1 dan maknanya.
13
Soal 3
Dari soal 1,
Selang
g Kepercayaan
p
y
Serempak
p
( X ' X )1
8.6176001
-0.21777
-0.001093
0 001093
-0.21777
0.0092689
-0.000552
0 000552
Selang
S
l
k
kepercayaan
b
bersama
B f
Bonferroni
i dapat
d
di
digunakan
k
untukk
menduga beberapa koefisien regresi secara serempak.
JJika
a g bua
buah pa
parameter
a ete a
akan
a d
diduga
duga seca
secara
a be
bersamaan
sa aa (asa
(asalkan
a
g p), maka batas-batas kepercayaan serempak dengan tingkat
kepercayaan 1- adalah
-0.001093
-0.000552
0.0000911
0 0000911
bk B s{bk }
B=t
2g
(n p )
15
16
Misalkan : Ingin
g mengetahui
g
apakah
p
volume p
penjualan
j
((Y,,
gros) berhubungan dengan jumlah penduduk (X1, ribuan
jiwa) dan pendapatan per kapita (X2, dolar). Diperoleh selang
kepercayaan serempak 90% sebagai berikut : (g=2)
(g 2)
R2 = JKR/JKT
/
= 1- (JKG/JKT)
(
/
)
Koefisien ini mengukur proporsi pengurangan keragaman
total di dalam Y akibat digunakannya peubah-peubah bebas
X1,X2, , Xp-1.
Sifat koefisien determinasi ganda : 0 R2 1.
R2 akan bernilai 0 bila semua bk = 0 (k=1,,p-1). R2 akan
bernilai 1 bila semua amatan Y berada tepat pada
permukaan respons dugaannya, Yi = i untuk semua i.
0 48310,509;
0,483
0 509; 0,0071
0 0071 20,0113
0 0113
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
naik
ik dan
d
pendapatan
d
t
per kapita
k it naik,
ik tentu
t t saja
j asalkan
lk
peubah-peubah lain dipertahankan konstan.
17
18
n 1 JKG
JKG (n p )
= 1
R = 1
JKT (n 1)
n p JKT
2
a
19
20
R2
Mengapa koefisien
k fi i korelasi
k l i ganda
d diperoleh
di
l h hanya
h
dari akar positif koefisien determinasi ganda
ganda??
21
22
Soal 4
Dari soal 1,
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 1 dan 2.
b) Hitunglah koefisien determinasi ganda dan berikan maknanya.
g
koefisien korelasi g
ganda.
c)) Hitunglah
Xi1
18
14
11
23
16
10
5
Xi2
5,11
16,72
3,20
7,03
10,98
4,04
22,07
7,03
10,62
4,76
Yi
58
152
41
93
101
38
203
78
117
44
20
11
12
13
14
15
16
17
18
19
Xi1
17
12
12
15
17
21
11
Xi2
11 02
11,02
9 51
9.51
3 79
3.79
6 45
6,45
4 60
4,60
13 86
13,86
13 03
13,03
15 21
15,21
3 64
3,64
9 57
9,57
Yi
121
112
50
82
48
127
140
155
39
90
24
Pertanyaan
a) Misalkan model regresi linear berganda cocok digunakan, tuliskan
persamaan regresi dugaannya. Bagaimana dugaan 1 dan 2
ditafsirkan dalam hal ini?
b) Ujilah
Ujil h apakah
k h ada
d hubungan
h b
regresii linear
li
antara
t
k d
kedua
peubah
b h
bebas dengan peubah tak bebas, gunakan taraf nyata 0,05.
c)) Hitunglah
g
koefisien determinasi g
ganda R2! Bagaimana
g
ukuran ini
ditafsirkan dalam kasus ini?
d) Ujilah 1=0 atau tidak, 2=0 atau tidak, = 0,05.
e) Buatlah
B atlah selang kepercayaan
kepe ca aan 95% secara
seca a masing-masing
masing masing untuk
nt k 1
dan 2. Berikan maknanya.
f)) Buatlah selang
g kepercayaan
p
y
secara serempak
p 95% untuk 1 dan
2. Berikan maknanya.
25
Asumsi-asumsi dalam
Regresi Linear Ganda
yMultikolinearitas
yHeteroskedastisitas
yNormalitas
l
yAutokorelasi
A t k l i
Dosen Pengampu
g p : Kismiantini
Kismiantini,, M.Si
M.Si..
Multikolinearitas
Rule of Thumb
y Mempunyai nilai
l VIF > 10
y TOLERANCE = 1/VIF.
terhadap p-2
p 2 peubah lainnya
lainn a di dalam model
model.
Heteroskedastisitas
Normalitas
y JJika ragam
g ggalat berbeda disebut heteroskedastisitas.
mendekati normal.
normal
y Jika
Jik titik-titik
i ik i ik ((sisaan)
i
) menyebar
b di sekitar
ki garis
i di
diagonall ddan
i ~ N (0, 2 )
Autokorelasi
y Bila dalam model regresi linear ganda ada korelasi antara galat
i =2
e
i =1
2
i
Hipotesis:
H0 : = 0 (Tidak ada autokorelasi)
H1 : > 0 (Ad
(Ada autokorelasi
k l i positif)
i if)
Taraf nyata :
Statistik Uji : d
Kriteria Keputusan:
Jika d > dU maka terima H0 (tidak ada autokorelasi)
JJika d < dL maka tolak H0 ((ada autokorelasi ppositif))
Jika dL d dU , maka uji tidak meyakinkan
Hipotesis:
H0 : = 0 (Tidak ada autokorelasi)
H1 : < 0 (Ad
(Ada autokorelasi
k l i negatif)
if)
Taraf nyata :
Statistik Uji : 4-d
Kriteria Keputusan:
Jika 4-d > dU maka terima H0 (tidak ada autokorelasi)
JJika 4-d < dL maka tolak H0 ((ada autokorelasi negatif)
g )
Jika dL 4-D dU , maka uji tidak meyakinkan
10
2
2.
i 1
Selalu 0 d 4
Jik sisaan
Jika
i
tterurutt bberkorelasi
k l i positif
itif ,maka
k d mendekati
d k ti noll
3. Jika sisaan terurut berkorelasi negatif, maka d mendekati 4
sehingga
hi
44-dd mendekati
d k ti 0
4. Distribusi d simetrik pada nilai 2
1.
12
Xi1
18
14
11
23
16
10
5
Xi2
5,11
16,72
3,20
7,03
10,98
4,04
22,07
7,03
10,62
4,76
Yi
58
152
41
93
101
38
203
78
117
44
20
11
12
13
14
15
16
17
18
19
Xi1
17
12
12
15
17
21
11
Xi2
11,02
9,51
3,79
6,45
4,60
3,64
9,57
Yi
121
112
50
82
48
39
90
140
155
Model Summaryb
Model
1
R
.993a
R Square
.987
Adjusted
R Square
.985
Std. Error of
the Estimate
5.618
Model
1
Coefficientsa
Unstandardized
Coefficients
B
Std. Error
3 324
3.324
3 111
3.111
3.768
.614
5.080
.666
(Constant)
X1
X2
DurbinWatson
1.813
Standardized
Coefficients
Beta
t
1.069
1
069
6.135
7.632
.451
.561
Sig.
.300
300
.000
.000
Collinearity Statistics
Tolerance
VIF
.142
.142
7.028
7.028
a. Dependent Variable: Y
X1
X2
X3
X1
X2
X3
48
50
51
2.3
47
38
55
2.2
57
13
14
51
2.3
66
40
48
2.2
57
53
54
2.2
70
41
36
41
46
1.8
2.3
66
51
36
34
49
89
28
43
1.8
79
33
56
2.5
36
49
54
2.9
88
29
46
1.9
46
42
50
2.2
60
33
49
2.1
54
45
48
2.4
49
55
51
2.4
26
52
62
2.9
77
29
52
2.3
77
29
50
2.1
52
44
58
2.9
89
29
48
2.4
60
43
50
2.3
67
43
53
2.4
Model Summaryb
Model
1
R
.820a
R Square
q
.673
Adjusted
R Square
q
.622
Std. Error of
the Estimate
10.281
DurbinWatson
2.017
Coefficientsa
Model
1
(Constant)
X1
X2
X3
Unstandardized
Coefficients
B
Std. Error
161.409
24.142
-1.225
1.225
.299
-.649
.782
-8.131
12.517
Standardized
Coefficients
Beta
-.621
.621
-.182
-.148
t
6.686
-4.092
4.092
-.830
-.650
Sig.
.000
.001
.417
.524
Collinearity Statistics
Tolerance
VIF
.748
.357
.332
1.337
2.798
3.008
a. Dependent Variable: Y
y Iklan_koran
Iklan koran menyatakan iklan di koran (juta rupiah/bulan)
y Iklan_radio menyatakan iklan di radio (juta rupiah/bulan)
y Jumlah_outlet
J lh
l menyatakan
k jjumlah
l h outlet
l perusahaan
h untukk
daerah (orang)
15
16
Daerah
Jakarta1
J k t 2
Jakarta2
Jakarta3
Jakarta4
Jakarta5
Jakarta6
Jakarta7
Jawa Barat1
Jawa Barat2
Jawa Barat3
J
Jawa
Barat4
B t4
Jawa Barat5
Jawa Barat6
Jawa Barat7
g
Jawa Tengah1
Jawa Tengah2
Jawa Tengah3
Jawa Tengah4
Jawa Tengah5
Jawa Tengah6
Jawa Tengah7
Jawa Tengah8
Jawa Tengah9
Jawa Timur10
Jawa Timur11
Jawa Timur12
Jawa Timur13
Jawa Timur14
Jawa Timur15
Jawa Timur16
17
Sales
300.12
312 25
312.25
362.02
400.25
412.6
423
320.14
366.25
451.29
430.22
265 99
265.99
254.26
352.16
365.21
295.15
354.25
415.25
400.23
423.22
452 62
452.62
512.33
435.23
302.21
330.92
254.25
265.21
215.36
235.26
222 32
222.32
323.45
Model Summaryb
Model
M
d l
1
R
RS
Square
.869a
.755
Adjusted
RS
Square
.716
Std. Error of
the Estimate
th
E ti t
41.58129
DurbinWatson
W
t
1.592
Model
1
(Constant)
Iklan_koran
Iklan_radio
Jumlah_outlet
Jumlah_salesman
18
Unstandardized
Coefficients
B
Std. Error
100.128
71.407
10.913
1.279
4.966
3.316
-13.275
4.969
-13.988
5.263
Coefficientsa
Standardized
Coefficients
Beta
.869
.149
-.271
-.265
t
1.402
8.530
1.498
-2.672
-2.658
Sig.
.173
.000
.147
.013
.014
Collinearity Statistics
Tolerance
VIF
.942
.985
.955
.984
1.062
1.015
1.048
1.017
Soal
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
Gambar1
19
Gambar2
1
2
a) Regresi Y terhadap X1 :
Untuk menguji apakah peubah Xk dapat dibuang dari model
regresi ganda dengan hipotesis
Sumber
Keragaman
JK
Y = 1,496 + 0,8572 X 1
db
KT
Regresi
JKR(X1)=352,27
352,27
Galat
JKG(X1)=143,12
)=143 12
18
7 95
7,95
Total
495,39
19
b) Regresi Y terhadap X2 :
Sumber
Keragaman
JK
Y = 23,634 + 0,8565 X 2
db
KT
Regresi
JKR(X2)=381,97
381,97
Galat
JKG(X2)=113,42
18
6,30
Total
495,39
19
c)Regresi
)R
iYterhadapX
t h d X1 danX
d X2 : Y = 19,174 + 0,2224 X 1 + 0,6594 X 2
Sumber
Keragaman
JK
db
KT
Regresi
JKR(X1,X2)=385,44
192,72
Galat
JKG(X1,X2)=109,95
17
6,47
Total
495,39
19
JK
db
KT
Regresi
JKR(X1,X2,X3)=396,98
132,33
Galat
JKG(X1,X
X2,X
X3)=98,41
)=98 41
16
6 15
6,15
Total
495,39
19
Definisi-definisi
JKR(X1|X2))=JKG(X
JKG(X2))-JKG(X
JKG(X1,X2) setara dengan
JKR(X1|X2)=JKR(X1,X2)-JKR(X2)
JKR(X2|X1)=JKG(X1)-JKG(X1,X2) setara dengan
JKR(X2|X1)=JKR(X1,X
X2)-JKR(X
) JKR(X1)
Perluasan
JKR(X3|X1,X2)=JKG(X1,X2) -JKG(X1,X2,X3)
JKR(X3|X1,X
X2)=JKR(X
) JKR(X1,X
X2,X
X3) -JKR(X
JKR(X1,X
X2)
JKR(X2,X3|X1)=JKG(X1) -JKG(X1,X2,X3)
JKR(X2,X3|X1)=JKR(X1,X2,X3) -JKR(X1)
X1
X2
X3
X1
X2
X3
19,5
43,1
29,1
11,9
11
31,1
56,6
30,0
25,4
24,7
49,8
28,2
22,8
12
30,4
56,7
28,3
27,2
30,7
51,9
37,0
18,7
13
18,7
46,5
23,0
11,7
29,8
54,3
31,1
20,1
14
19,7
44,2
28,6
17,8
19,1
42,2
30,9
12,9
15
14,6
42,7
21,3
12,8
25,6
53,9
23,7
21,7
16
29,5
54,4
30,1
23,9
31,4
58,5
27,6
27,1
17
27,7
55,3
25,7
22,6
27,9
52,1
30,6
25,4
18
30,2
58,6
24,6
25,4
22,1
49,9
23,2
21,3
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
X1 :KetebalanLipatanKulitTrisep
p
p
X2 :LingkarPaha
X3 :LingkarLengan
g
g
Y:LemakTubuh
JK
db
KT
JKR(X1,X2,X3)=396,98
132,33
JKR(X1)=352,27
JKR(X2|X1)=33,17
JKR(X3|X1,X2)=11,54
1
1
1
352,27
33,17
11,54
Galat
JKG(X1,X2,X3)=98,41
16
6,15
Total
JKT=495,39
19
Regresi
X1
X2|X1
X3|X1,X2
Hipotesis :
H0 : 1 = 2 = = pp-11 = 0
H1 : Tidak semua k (k=1, , p-1) sama dengan nol
Taraf nyata
y
:
Statistik Uji :
JKR X 1 , L , X p 1 JKG X 1 , L , X p 1
KTR
F=
:
=
p 1
n p
KTG
Kriteria Keputusan :
H0 ditolak jika Fhit > F(p-1,n-p)
Hipotesis :
H 0 : k= 0
H 1 : k 0
Taraf nyata :
St ti tik Uji :
Statistik
JKR(X k X 1 , L , X k 1 , X k +1 , L , X p 1 ) JKG (X 1 , L , X p 1 )
F=
:
1
n p
=
10
KTR (X k X 1 , L , X k 1 , X k +1 , L , X p 1 )
KTG
Kriteria Keputusan :
H0 ditolak jika Fhit > F(1,n-p)
KTR X q , K , X p 1 X 1 , K , X q 1
KTG
Kriteria Keputusan :
H0 ditolak jika Fhit > F(p-q,n-p)
11
12
Ingin diketahui apakah lingkar lengan (X3) dapat dikeluarkan dari model
regresi penuh.
Ingin diketahui apakah lingkar paha (X2) dan lingkar lengan (X3) dapat
dikeluarkan dari model regresi penuh.
Hipotesis
H0 : 3= 0 H1 : 3 0
Taraf nyata : = 0,05
0 05
JKR( X 3 X 1 , X 2 ) JKG ( X 1 , X 2 , X 3 )
Statistik Uji : F =
:
Hipotesis:
H0 : 2= 3 =0
H1 : Tidak benar bahwa 2 dan 3 keduanya sama dengan nol
Taraf nyata : = 0,01
Statistik Uji : F = JKR(X , X X ) : JKG( X , X , X )
n4
1
KTR ( X 3 X 1 , X 2 )
KTG
n4
2
KTR ( X 2 , X 3 X 1 )
KTG
Xi1
Xi2
Yi
64
73
61
76
72
80
71
83
ANOVAb
Model
1
Xi1
Xi2
Yi
83
10
89
11
86
12
93
13
10
88
14
10
95
15
10
94
16
10
100
Sum of
Squares
1872.700
94.300
1967.000
Regression
Residual
Total
df
2
13
15
Mean Square
936.350
7.254
F
129.083
Sig.
.000a
Dalamsuatustudipercobaanskalakeciltentang
hubunganantaraderajatkesukaanterhadapmerek
(Y)dengankandunganuapair(X1)dankemanisan
produk(X2).Hasilsebagaiberikut:
14
Coefficientsa
Model
1
a) Tentukanpersamaan
regresidugaan!
j
p
1=
2=0
b)) Ujilahapakah
atautidak?
c) BuatlahtabelANOVA
penguraianJKEuntuk
keduapeubahbebas!
d) Ujilahapakah2 =0
atautidak?
(Constant)
X1
X2
Unstandardized
Coefficients
B
Std. Error
37.650
2.996
4.425
.301
4.375
.673
Standardized
Coefficients
Beta
t
12.566
14.695
6.498
.892
.395
Sig.
.000
.000
.000
a. Dependent Variable: Y
Coefficient Correlationsa
Model
1
Correlations
Covariances
X2
X1
X2
X1
X2
1 000
1.000
.000
.453
.000
X1
.000
000
1.000
.000
.091
a. Dependent Variable: Y
Model Summary
Model
1
R
R Square
.976a
.952
Adjusted
R Square
.945
Std. Error of
the Estimate
2.693
16
Yi = 0 + 1 X i1 + 2 X i 2 + i
bila dalam
JKR(X 1 X 2 )
JKG ( X 2 )
18
rY21.23 =
rY23.12 =
JKR( X 1 X 2 )
JKG ( X 2 )
JKR( X 1 X 2 , X 3 )
JKG ( X 2 , X 3 )
rY22.13 =
rY24.123 =
JKR( X 2 X 1 , X 3 )
rY22.1 =
JKG ( X 1 , X 3 )
JKR( X 2 X 1 )
JKG ( X 1 )
33,17
= 0,232
143,12
JKR( X 4 X 1 , X 2 , X 3 )
JKG ( X 1 , X 2 , X 3 )
JKR( X 3 X 1 , X 2 )
11,54
=
= 0,105
JKG ( X 1 , X 2 )
109,95
A ti
Artinya
: Jik
Jika X3 dimasukkan
di
kk kke d
dalam
l
model
d l regresii yang di d
dalamnya
l
sudah ada X1 dan X2 maka JKG akan berkurang 10,5%.
rY23.12 =
JKR( X 3 X 1 , X 2 )
JKG ( X 1 , X 2 )
JKR( X 1 X 2 )
3,47
=
= 0,031
JKG ( X 2 )
113,42
Artinya : Jika X1 dimasukkan ke dalam model regresi yang di dalamnya
sudah ada X2 maka JKG akan berkurang
g 3,1%.
,
rY21.2 =
19
20
b3 = 2,186
b1 = 0,2224
21
Soal 2
Telah diambil secara acak 25 mahasiswa untuk suatu penelitian tentang
tingkat kecerdasan IQ (X1), nilai ujian tengah semester (X2), nilai ujian
akhir
khi semester
t
(X3) terhadap
t h d
nilai
il i hasil
h il akhir
khi suatu
t mata
t kuliah
k li h (Y).
(Y)
Berikut beberapa output yang diperoleh :
22
Soal 3
Seorang guru ingin mengetahui
S
h hubungan
h b
antara skor
k matematika
k siswa
(Y) dengan skor logika siswa (X1) dan skor verbal siswa (X2), yang diukur
dalam skala 1
1-10
10. Untuk keperluan tersebut,
tersebut telah dipilih secara acak 20
siswa dari suatu sekolah menengah pertama negeri. Beberapa output
berdasarkan data yang diperoleh sebagai berikut:
ANALISIS VARIANSI
Formula Hipotesis
Hipotesis
H0 : E{Y} = 0+ 1X1+ 2X2 + + p-1Xp-1
H1 : E{Y} 0+ 1X1 + 2X2 + + p-1Xp-1
Atau
H0 : Tidak ada ketidakcocokan model regresi linear ganda dengan
data
H1 : Ada ketidakcocokan model regresi linear ganda dengan data
Atau
H0 : Model
M d l regresii linear
li
ganda
d cocokk
H1 : Model regresi linear ganda tidak cocok
Simpangan
galat
g
(Y
ij
Simpangan
g
galat
murni
) = (Y
2
Yij
JKKM
Statistik Uj
S
Uji
KTKM JKKM (k p )
=
KTGM JKGM (n k )
JKGM
F=
Y j ) + Y j Yij
2
ij
JKG =
Simpangan
ketidakcocokan
model
d l
JKGM = (Yij Y j )
10
11
12
13
14
15
16
Xi1
10
10
10
10
Xi2
Yi
64
73
61
76
72
80
71
83
83
89
86
93
88
95
94
100
Xi1
Xi2
4
Yij
2
64; 61
73; 76
72; 71
80; 83
10
10
Xi1Yi=
Y
Yj
, Xi2Yi =
Y : derajat
d j t kkesukaan
k
tterhadap
h d merk
k
X1 : kandungan uap air
X2 : kemanisan produk
k = 8,
8 JKG = 94,3
94 3
Ujilah ketidakcocokan model regresi
linear ganda dengan taraf nyata 0,01!
0 01!
, Xi1=
,Xi2 =
, Yi =
, Yi2=
Hipotesis
H0 : E{Y}
{ } = 0+ 1X1+ 2X2
H1 : E{Y} 0+ 1X1+2X2
Taraf nyata : = 0,05
Statistik Uji: F=KTKM/KTGM
Kriteria keputusan :
n 16 k
n=16,
k=8,
8 db(KM)
db(KM)=k-p=8-3=5
k p 8 3 5 ,db(GM)=n-k=16-8=8
db(GM) n k 16 8 8
F0,05(5,8)= 3,69
H0 ditolak jika Fhit >
Hitungan :
JKG =
JJKGM=(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2=
J
JKKM=JKG-JKGM=
J
J
F=(/5)/(/)=
Kesimpulan : Karena Fhit= ..
Jadi dengan taraf nyata 0
0,05
05 dapat disimpulkan bahwa model
regresi linear ...
7
2 < 0
2 > 0
Regresi Kuadratik
Regresi kuadratik termasuk dalam regresi non linear yang
menyatakan hubungan antara dua peubah yang terdiri
dari peubah tak bebas (Y) dan peubah bebas (X) sehingga
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+1X+2X2
b. Eksponensial : E(Y) = 01X
c. Logaritma
g
: Log
g E(Y)
( )=
0
1X
Y = 0 + 1 X + 2 X 2 + , ~ N 0, 2
P
Persamaan
regresii dugaannya
d
Y = b0 + b1 X + b2 X 2
Persamaan Normal
nbb0' + b1' xi + b2' xi2 = Yi
x=X X
Y = b0 + b1 X + b2 X 2
2
Y = b0' + b1' (X X ) + b2' (X X )
'
1
'
2
=0
i
Karena
maka
k persamaan
normalnya menjadi sbb :
Sehingga :
b1 = b1' 2b2' X
b2 = b2'
5
Banyaknya
Dispenser (Xi)
0
Volume Penjualan
(ratusan galon) Yi
508 1
508,1
498,4
568,2
577,3
651,7
657,0
,
713,4
697,5
755,3
,
10
758,9
11
787,6
12
792,1
13
841,4
14
831,8
a. Tentukan koefisien
k l i antara
korelasi
t
X
dengan X2.
b. Lakukan transformasi
x=XX
c. Hitunglah koefisien
korelasi antara x
dengan x2.
d Apa yang dapat
d.
disimpulkan dari hasil a
dan c?
e. Tentukan
T t k persamaan
regresi polinomial
kuadratik dugaan.
Jawab :
Yi
508.1
508
1
498.4
568.2
577.3
651.7
657
713.4
697.5
755.3
758.9
787 6
787.6
792.1
841.4
831.8
xi Xi^2 xi^2
-3
3
0
9
-3
0
9
-2
1
4
-2
1
4
-1
4
1
-1
1
4
1
0
9
0
0
9
0
1 16
1
1 16
1
2 25
4
2 25
4
3 36
9
3 36
9
Correlations: X,
Correlations: x, x2
Pearson correlation of x and x2 = 0,000
P-Value = 1,000
Scatterplot of Y vs X
850
800
750
700
650
600
550
500
0
Hipotesis :
H0 : 2 = 0
H1 : 2 0
Taraf Nyata :
St ti tik Uji : t = b2/s{b
/ {b2}
Statistik
Kriteria Keputusan : H0 ditolak jika |thit| > t/2(n-p)
Xi
0
0
1
1
2
2
3
3
4
4
5
5
6
6
Uji
j Apakah
p
2 Sama dengan
g Nol
X2
3
X
JKG x, x 2 = Yi 2 b0 Yi b1 xi Yi b2 xi2Yi
Analisis Ragam
Koefisien Regresi
Koefisien
Regresi
Koefisien
Regresi
Dugaan
Simpangan
Baku
Dugaan
thit
705,474
3,208
219,91
54,893
54 893
1,050
1 050
52,28
52 28
-4,249
0,606
-7,01
M t ik s2{b}
Matriks
SV
JK
db
KT
Regresi
R
i
171773
85887
x
x2|x
168741
3033
1
1
168741
3033
Galat
679
11
61,7
Total
172453
13
0
1,4702
10,2912
0
1
,
1026
0
0
0,3675
1,4702
( )
s 2 {b} = KTG x x
'
S
R-Sq
R-Sq(adj)
800
7.85795
99.6%
99.5%
750
700
Y
Hipotesis :
H0 : 2 = 0
H1 : 2 0
Taraf Nyata : = 0,05
Statistik Uji : t = b2/s{b2}
Kriteria Keputusan : t0,025(11) = 2,201
H0 ditolak jika |thit| > 2,201
Hitungan : thit = -4,249/0,606 = -7,012
Kesimpulan : Karena |thit| = 7,012 > 2,201 maka H0 ditolak. 2 0.
Jadi dengan taraf nyata 0,05 dapat disimpulkan bahwa pengaruh
g ada,, sehingga
gg suku kuadratik harus
kuadratik memang
dipertahankan di dalam model.
Y = 705.5 + 54.89 xi
- 4.249 xi**2
850
10
650
600
550
500
-3
3
-2
2
-1
1
0
xi
11
12
Taraf nyata :
Statistik Uji:
F=
k
ni
2
JKGM = (Yij Y j )
j =1 i =1
JKKM /(k p )
JKGM /( n k )
JKG x, x 2 = Yi 2 b0 Yi b1 xi Yi b2 xi2Yi
13
14
Soal 2
Soal 1
Data Studi Efisiensi Bahan Bakar
Keefektifan suatu persneling baru dalam menurunkan konsumsi
b h bakar.
bahan
b k
Xi : kecepatan konstan (dalam km per jam)
Yi : km per liter yang diperoleh
10
11
12
Xi
35
35
40
40
45
45
50
50
55
55
60
60
Yi
22
20
28
31
37
38
41
39
34
37
27
30
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
0,190
0 516
0,516
0 230
0,230
0 588
0,588
0 210
0,210
0 927
0,927
0 265
0,265
0 914
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
Soal 4
Soal 3
10
11
12
13
14
Xi
17
15
25
10
18
15
20
25
17
13
20
23
25
16
Yi
56,
15
54,
50
55,
27
55,
55
54,
32
55,
14
54,
28
55, 55,
78 65
54,
96
55,
06
0,006212 0,002259
0,0032523 0,0001725
0,002259 0,0001725 0,0000627
0,1813176
(xx )1 = 0,006212
Y
= 458, Yi 2 = 21604, xiYi = 304, xi2Yi = 17252 , xi2 = 360, xi4 = 31620
Y = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2 +
REGRESI POLINOMIAL
DUA PEUBAH BEBAS, ORDO KEDUA
E{Y } = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2
Y = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2 +
~ N (0, 2 )
iid
x1 =
CONTOH
X 1 X 1 X 1 1,0
=
0,4
0,4
x2 =
X 2 X 2 X 2 20
=
10
10
X1
X2
x1
x2
Yj
1
2
3
4
5
6
7
8
9
10
11
0,6
1,0
1,4
0,6
1,0
1,0
1,0
1,4
06
0,6
1,0
1,4
10
10
10
20
20
20
20
20
30
30
30
-1
0
1
-1
0
0
0
1
-1
1
0
1
-1
-1
-1
0
0
0
0
0
1
1
1
150
86
49
288
157
131
184
109
279
235
224
150
86
49
288
X 1 = 1,0
X 2 = 20
UJI KECOCOKAN
MODEL REGRESI POLINOMIAL ORDE KEDUA
Hi t i
Hipotesis
H0 : E{Y} = 0+1x1+2x2+11x12+22x22+12x1x2(model regresi
polinomial orde kedua cocok digunakan)
H1 : E{Y} 0+1x1+2x2+11x12+22x22+12x1x2 (model regresi
polinomial orde kedua tidak cocok digunakan)
Taraf nyata :
Statistik Uji:
157,33
F=
109
279
235
224
JKKM /(k p )
JKGM /(n k )
k
ni
2
JKGM = (Yij Y j )
j =1 i =1
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
55365.561
5240.439
60606.000
df
5
5
10
Mean Square
11073.112
1048.088
F
10.565
Sig.
.011a
JKGM=(157-157,33)2+(131-157,33)2+(184-157,33)2=1404,676
JKKM=JKG-JKGM=5240-1404,67=3835,33
db1 = k-p = 9-6 = 3
db2 = n-k = 11-9 = 2
F0,05(3,2)=19,2,
19 2 H0 ditolak
dit l k jika
jik Fhit > 19,2
19 2
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
55365 561
55365.561
5240.439
60606.000
df
5
5
10
Mean Square
11073 112
11073.112
1048.088
F
10 565
10.565
Fhit=(3835,33/3)/(1404,675/2)=1,82
Sig.
.011
011a
Karena Fhit=1
1,82<19,2
82<19 2 maka H0 diterima.
diterima
5
SOAL
|
Hipotesis:
H0 : 12 = 0
H1: 12 0
| Taraf nyata:
| Statistik Uji:
|
i
1 2 3 4 5 6
Xi1 4 4 4 4 6 6
Xi2 2 4 2 4 2 4
Yi 64 73 61 76 72 80
|
7 8 9 10 11 12 13 14 15 16
6 6 8 8 8 8 10 10 10 10
2 4 2 4 2 4 2 4 2
4
71 83 83 89 86 93 88 95 94 100
|
7
Hipotesis:
H0 : 22 = 0
H1: 22 0
| Taraf nyata:
| Statistik Uji:
F=
)
) (n p )
Kriteria Keputusan
H0 ditolak jika Fhit > F(1, n-p)
F=
Kriteria Keputusan
H0 ditolak jika Fhit > F(1, n-p)
) (n p )
F=
Y = 0 + 1 x1 + 2 x2 + 11 x12 +
Bagaimana untuk uji 11 = 0 atau tidak?
Hipotesis:
H0 : 11 = 22 = 12 = 0
H1 : tidak semua k (k = 11, 22, 12) dalam H0
sama dengan nol
Taraf nyata :
Statistik Uji :
JKR (x12 , x22 , x1 x2 x1 , x2 ) 3
11
Kriteria Keputusan
H0 ditolak jika Fhit > F(3, n-p)
) (n p )
10
Latar Belakang
Ingin membandingkan prestasi belajar murid
perempuan dan laki-laki
Ingin meneliti bagaimana pengaruh jenis makanan
terhadap berat ayam
y
Jenis kelamin dan jenis makanan merupakan
peubah yang sifatnya klasifikasi
Semua peubah dalam regresi bersifat kuantitatif
maka peubah kualitatif dijadikan kuantitatif agar
regresi dapat digunakan
DUMMY VARIABLE
((Peubah Boneka))
Dosen Pengampu : Kismiantini
Kismiantini,, M.Si
M.Si..
Kelompok II
1
2
3
4
5
6
7
8
9
10
81
69
51
59
56
78
53
65
53
57
103
104
92
100
98
105
99
102
101
99
11
12
13
14
15
16
17
18
92
84
76
72
60
81
72
52
105
106
103
98
92
101
101
92
X1
X2
81
103
69
104
51
92
59
100
56
98
78
105
53
99
65
102
0
53
101
10
57
99
11
92
105
12
84
106
13
76
103
14
72
98
15
60
92
16
81
101
17
72
101
18
52
92
dengan
p I
0 bila murid masuk kelompok
X1 =
1 bila murid masuk kelompok II
Sehingga diperoleh persamaan regresi sebagai berikut :
= -160,5817 + 12,6466 X1 + 2,2212 X2
dengan R2 = 79,25%.
Terlihat bahwa kecocokan model 2 lebih baik dari model
1, R2 naik sekitar 25,55%. (Keterangan model 1 adalah
model regresi linear sederhana, model 2 adalah model
regresi linear ganda dengan dua peubah bebas).
Untuk kelompok I, masukkan X1 = 0, maka diperoleh :
= -160,5817 + 2,2212 X2
Untuk kelompok II, masukkan X1 = 1, maka diperoleh :
= -147,9351 + 2,2212 X2
b0 n + b1 X i1 + b2 X i 2 = Yi
b0 X i1 + b1 X i21 + b2 X i1 X i 2 = X i1Yi
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 = X i 2Yi
R2 = JKR/JKT = 1- (JKG/JKT)
1
JKT = Y ' Y Y ' J Y
n
X1
X2
1
2
.
.
.
10
0
0
.
.
.
0
0
0
.
.
.
0
II
11
12
.
.
.
20
1
1
.
.
.
1
0
0
.
.
.
0
III
21
22
.
.
.
30
0
0
.
.
.
0
1
1
.
.
.
1
Nilai Matematika
Ujian
Rapor
10
11
Wanita
Lama Bekerja
(tahun)
1
2
3
4
5
6
7
8
9
10
11
28
28
28
21
28
29
33
36
39
39
43
1
2
4
6
6
8
15
20
25
24
30
Lama Bekerja
(tahun)
12
13
14
15
16
17
18
19
20
21
20
24
21
28
23
25
23
21
25
26
1
3
4
6
9
11
17
19
23
28
a. Tentukan p
persamaan regresi
g
dugaan
g
yang
y
g sesuai untuk p
permasalahan tsb.
b. Buat gambar garis regresi untuk masing-masing jenis kelamin karyawan. Apa
10
yang dapat disimpulkan.
Soal 3
Berikut
B
ik adalah
d l h data
d
sampell tentang hubungan
h b
antara lama
l
b l j
belajar
(dalam jam per minggu) terhadap nilai akhir ujian suatu mata
g terdiri dari enam mahasiswa lakikuliah dari 12 mahasiswa yyang
laki (L) dan enam mahasiswa perempuan (P).
Pengamatan
Lama belajar
Nilai akhir ujian
Jeniss kelamin
Je
ea
1
4
9
L
2
3
7
L
3
3
8
L
4
9
10
L
5
5
7
L
6
2
7
L
7
6
9
P
8
5
8
P
9
6
8
P
10
4
6
P
11
8
10
P
12
5
6
P
12
Yan, X. & Su, X.G. 2009.Linear regression analysis : theory and computing.
New Jersey: World Scientific Publishing.
Publishing
13
2
1
Model Kuadratik
Model Kubik
2
Persamaan regresi dugaan : Y = b0 + b1 X + b2 X
Persamaan normal :
nb0 + b1 X i + b2 X i2 = Yi
nb0 + b1 X i + b2 X i2 + b3 X i3 = Yi
x=X X
b0 X i + b1 X + b2 X = X iYi
2
i
3
i
x=X X
b0 X i + b1 X i2 + b2 X i3 + b3 X i4 = X iYi
b0 X i2 + b1 X i3 + b2 X i4 +b3 X i5 = X i2Yi
b0 X i2 + b1 X i3 + b2 X i4 = X i2Yi
b0 X i3 + b1 X i4 + b2 X i5 +b3 X i6 = X i3Yi
Data :
Data :
Model Eksponensial
Persamaan regresi dugaan :
Mencari b0 dan b1 :
l b0 =
ln
ln Y (ln
X
l b)
i
Data :
X
Y = b0 b1
ln Y = ln b0 + (ln b1 )X
ln b1 =
n( X i ln Yi ) ( X i )( ln Yi )
n X i2 ( X i )
ln Y
b1
ln X
b1 =
Data
Y = (377,495) X 0,286
Y = (11,240)(e 0,159 ) X
5
Y = b0 + b1 X + b2 X 2 + b1 X 3
Y = b0 X b1
ln Y = ln b0 + b1 ln X
n( ln X i ln Yi ) ( ln X i )( ln Yi )
n ln 2 X i ( ln X i )
Y =
Model Logistik
1
b0 b1
Model Hiperbola
Y =
Data :
Data :
b0 =
n X i ( X i )
1
b0 + b1 X
1
= b0 + b1 X , jika Y 0
Y
n X i2 ( X i )
b1 =
n( X i Yi ) ( X i ) (1 Yi )
n X i2 ( X i )
160
140
120
100
Y
80
Yduga
60
40
20
Y =
1
(0,089)(0,853) X
Y =
1
0,0066+ 0,000013X
500
1000
1500
2000
Soal 1
Soal 2
2001
2002
2003
2004
2005
2006
2007
Kode Tahun
Hasil Penjualan
(dalam jutaan
rupiah)
83
60
54
21
22
13
13
20
35
60
100
150
300
500
800
150
125
105
100
92
77
62
58
Dengan menggunakan
D
k
model
d l kuadratik,
k d tik tentukan
t t k
b
berapa
prediksi
dik i
hasil penjualan untuk tahun 2008 dan 2009? Gambarkan grafik Y
dan dalam satu gambar.
Soal 3
10
Soal 4
10
20
30
40
50
60
70
80
9,2
8,7
,
9,0
8,9
16,4
15,2
,
16,7
27,3
28,2
,
26,8
27,0
41,8
40,2
,
62,4
63,1
,
60,9
88,5
86,2
,
120,0
119,1
,
120,4
141,8
140,1
,
138,9
Tahun
2002
2003
2004
2005
2006
2007
Kode Tahun
Banyaknya industri
12
18
18
20
11
12
Soal 5
Model
regresi
Linear
Kuadrat
((9,00))
((0,14))
(
(0,33)
)
((1,62))
R2 = 0,018; F = 1,01
Y = 30783,70 + 846,30 X 1 1107,20 X 2 784,20 X 3 61,90 X 12 + 18,00 X 22 + 119,10 X 32
Akar
T
Tentukan
t k model
d l regresii yang terbaik
t b ik dari
d i beberapa
b b
model
d l yang
telah dicobakan dengan memperhatikan nilai thitung, koefisien
determinasi (R2) dan nilai Fhitungg pada tabel diatas. Gunakan
taraf nyata 0,05 bila diperlukan melakukan pengujian.
Logaritmik
P
Persamaan
regresii dugaan,
d
nilai
il i uji
ji t dalam
d l kurung,
k
R2, F
((5,79)
, )
((1,02)
, )
((2,80)
, )
((1,48)
, )
((0,89)
, )
((2,75)
, )
((2,18)
, )
R2 = 0,174; F = 2,13
1
1
1
Y = 72602,7 232 X 1 + 2005 X 2 + 1534 X 3 + 1896 X 1 2 21770 X 2 2 3886 X 3 2
(3 63)
(3,63)
(0 20) (2,72)
(0,20)
(2 72)
(2 94)
(2,94)
(0 36)
(0,36)
R2 = 0,173; F = 2,15
ln Y = 9,90 + 0,013 ln X 1 0,068 ln X 2 + 0,002 ln X 3
(27 7) (0,22)
(27,7)
(0 22)
R2 = 0,006; F = 0,32
13
(0 54)
(0,54)
(2 77)
(2,77)
(2 44)
(2,44)
(0 25)
(0,25)
14
Latar Belakang
Regresi logistik adalah bagian dari analisis regresi yang
di
digunakan
k
k ik peubah
ketika
b h dependen
d
d
(
(respons)
) merupakan
k
peubah dikotomi. Peubah dikotomi biasanya hanya terdiri atas
dua nilai,
nilai yang mewakili kemunculan atau tidak adanya suatu
kejadian yang biasanya diberi angka 0 atau 1.
REGRESILOGISTIK
REGRESI LOGISTIK
Yi = 0 + 1Xi + i , Yi = 0, 1
Karena E(i)=0maka E(Yi )=0 +1Xi
Yi merupakan peubah acak Bernoulli,sehingga fungsi peluangnya
Yi Peluang
1 P(Yi =1)
1) =
i
0 P(Yi =0)=1 i
dengan i menyatakan
d
k peluang
l
b h Yi =1,dan
bahwa
1 d 1
1 i menyatakan
k
peluang bahwa Yi =0.
ModelRegresi
Model
Regresi Logistik Sederhana
Modelregresi logistik sederhana:Yi =E(Yi)+i ,dengan Yi
mer pakan peubah
merupakan
pe bah acak Bernoullidengan
Berno lli dengan E(
E( i )=0.
) 0
E (Yi ) = i =
exp( 0 + 1 X i )
1 + exp( 0 + 1 X i )
Rasio Odds(OddsRatio
Odds(OddsRatio))
Secara umum, rasio peluang (odds ratios) merupakan sekumpulan
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
peluang
l
< 1) ketika
k ik nilai
il i peubah
b h prediktor
dik meningkat
i k sebesar
b
1 unit.
i
Pada data tugas pemrograman, diperoleh rasio odds
OR = exp(0,1615) = 1,175
Peluang menyelesaikan tugas naik sebesar 17,5%
17 5% = (117,5100)%
(117 5100)%
untuk setiap kenaikan 1 bulan pengalaman pemrograman.
9
10
Soal (Datakemampuan
(Datakemampuan bekerja
bekerja)
)
11
10
11
12
13
Xi
474
432
453
320
356
532
587
423
552
403
502
321
453
14
579
Yi
15
16
17
18
19
20
21
22
23
24
25
26
27
Xi
537
402
592
320
337
589
513
413
572
422
562
506
600
Yi
12
ModelRegresi
Model
Regresi
g
Logistik
g
Berganda
g
Yimerupakan peubah acak Bernoulli
Sehingga
S hi
nilai
il i harapan
h
d i Yi adalah
dari
d l h
14