LINEAR
REGRESSION
1. HIKMALIA
2. MAYASARI
3. RUMINDA
4. TUANI M.
NAPITUPULU
BAB - I
Pemodelan
matematika
adalah
bahasa
matematika
yang
digunakan
untuk
menyederhanakan
suatu fenomena atau
kejadian nyata hampir di segala bidang di suatu
kondisi
tertentu
untuk
memudahkan
penyelesaian.
Fase dalam melakukan pemodelan matematika
sebelumnya telah dijelaskan kelompok satu
dimana fase satu dimulai dari konsep
atau
logika yang ada pada fenomena dilanjutkan
formulasi, kemudian simulasi atau uji coba dan
yang terakhir aplikasi. Dalam dunia penelitian,
kerap kali metode statistika digunkan sebagai
Page 3
metode
untuk
mengumpulkan,
mengolah,
BAB - II
Pemodelan
matematika
memprediksi
jawaban
angka
yang
mendekati
kebenaran,
hal
ini
dinamakan ketepatan. Analisis regresi mungkin
sering meningkatkan ketepatan terhadap ketepatan
dari model regresi linier sederhana dengan adanya
variabel tambahan. Kebenarannyapun lebih akurat.
Contoh :(Mayer:1985, h:180)
Dapatkah kamu mengukur berat badan seseorang
dengan menggunakan alat ??...
Kita semua tahu bahwa orang yang lebih tinggi
akan lebih berat badannya, jadi jika kamu tahu
tinggi seseorang mungkin kamu bisa lebih cepat
memprediksi berat badan seseorang
Page 4
Contoh:
Pada tabel 1 berikut menunjukkan berat dan
tinggi untuk 10 orang siswa.
Sisw
Ukura
Ukuran
Ukuran
Tinggi
Berat
Pinggang
Leher
Badan
Badan
(Inchi)
(pon)
Sepatu
1
34
15,5
68
160
10
32
15,5
70
160
10,5
31
16
71
150
7,5
29
14,5
68
120
34
16
68
175
10,5
34
15,5
76
190
12
38
16,5
73,5
205
12
34
17,5
75,5
215
11
36
16,5
73
185
10
9,5
32
15,5
72
170
A
Tabel 1
Tbl 1
Page 5
sambungan
Page 8
Z = ax + by + c
Pers -3
Page 10
Gambar 2
Pers -5
Page 12
Contoh 2
Mari kita perhatikan versi singkat dari tabel 1, yang
hanya terdiri dari lima siswa pertama. Kita perlu
menghitung 12 koefisien untuk disubsitusi ke dalam
persamaan (6). Seperti sebelumnya x = ukuran
pinggang, y= tinggi badan, dan z = berat badan.
Untuk persamaan pertama kita perlukan:
Pers -8
Pers -9
Pers. (1) dan (9) memberikan dua model yang
terpisah
yang
memungkinkan
kita
untuk
membuat prediksi berat badan dengan pengukur
yang mana lebih baik?
Page 15
Pers
-10
Page 16
Contoh
Kita hitung R2 ke dalam persamaan regresi
pers.(9):
Z = 6,35x + 4,59y 368
.
.
.
Maka di dapat;
Page 17
TABEL 2
City
Cancer
Mortality
rate
Number of
years
fluoridates
Percent
age 65 or
more
New York
215
0,70
12,1
Chicago
204
14
1,15
10,6
Philadelphia
217
16
1,20
11,7
Detroit
213
0,48
11,5
Baltimore
223
17
1,23
10,6
Dallas
191
0,60
7,9
Washington
200
18
1,26
9,4
Cleveland
219
14
1,15
10,6
Page 20
City
Cancer
Number of years
Percent age 65 or
mortality
fluoridated
more
14
1,1
10,6
rate
Cleveland
219
5
Milwaukee
189
16
1,2
11,0
0
San
249
17
Fransisco
St. Louis
1,2
14,0
3
207
14
1,1
14,7
5
Pittsburgh
243
17
1,2
13,5
3
Denver
157
16
1,2
11,5
0
Buffalo
248
15
1,1
13,3
8
Minneapolis
228
12
1,0
8
15,0
Page 21
City
Cancer
Number of years
Percent age 65 or
mortality
fluoridated
more
0,7
9,6
rate
Fort Worth
169
0
Oklahoma
170
15
City
Louisville
1,1
9,8
8
230
18
1,2
12,4
6
Miami
266
18
1,2
14,5
5
Tulsa
159
16
1,2
9,1
Page 22
Page 25
50
10
24
43
5,8
20
35
2,8
11
62
15,2
50
15
Page 26
Page 29
Page 30
Thank You