Resume Statistik
Resume Statistik
SEMESTER 4
REGRESI LINIER DAN KORELASI
NAMA KELOMPOK
FRANSISKUS HONAMONE
SANDRA OKYNAWA
YULIUS YOGA PRATAMA
FAK/JUR : EKONOMI / AKUNTANSI
KELAS : A2
BAB XI
REGRESI LINIER
Tujuan utama dari kebanyakan penyelidikan statistik dalam dunia bisnis
dan ekonomi adalah mengadakan prediksi, Misalnya ramalan tentang pasar
potensi dari produk baru,nilai. Bagian milik perusahaan di waktu yang akan
datang, pertumbuhan suatu industri dan segala macam kondisi ekonomi.
Dalam ilmu ekonomi misal persamaan yang sederhana dan luas
penggunaannya untuk menunjukan hubungan variable-variable adalah
persamaan linier dengan persamaan dasarnya adalah:
Y
=a+
Y=
k
X
Dimana : Y
K = Bilangan Konstan
X = Tekanan / desakan
YI
= 21,9 + 3,3x
Dimana : X = Menunjukan curah hujan dalam ukuran nilai dalam bulan tertentu
di tempat tertentu.
Y = Menunjukan hasil panenan padi dalam kuintal setiap Ha
Jika di ketahui curah hujan tersebut 5 inci, maka hasil panenan diramalkan
sebesar:
YI
Nilai Uji
X
48
32
40
34
30
50
26
50
22
43
Y =a+bx .dimana:
X
a
b = n ( X I .Y I ) (
i=1
i=1
YI
i=1
XI
n
n(
n
2
i=1
i=1
YI
a=
b.
i=1
YI
i=1
n
Tabel 11.2
Menghitung nilai-nilai a dan b
X
X2
XY
48
312
3.304
14.976
32
164
1.024
5.248
40
280
1.600
11.200
34
196
1.152
6.664
30
200
900
6.000
50
288
2.500
14.400
20
146
676
3.796
50
361
2.500
18.050
22
149
484
3.278
43
252
1.849
10.836
375
2.348
14.993
94.448
Berdasarkan formula ini sekarang kita dapat meramalkan besarnya sales yang
dapat dicapai seorang salesman baru pada tahun pertama berdasarkan score
yang diperoleh pada optitude test. Bila diperoleh score 45, kita dapat
meramalkan bahwa besarnya sales adalah :
Y I =23,20+ 6,88 ( 45 )=286,4
B. Regresi Linier
Oleh karena garis regresi ini adalah ramalan, maka kita mengenal garis
regresi yang senyatanya, yakni yang terdiri dari rata rata yang senyatanya
dari y untuk nilai nilai x tertentu. Dinyatakan dengan persamaan :
Y = a + x
Sedangkan estimated regression line dinyatakan dengan persamaan:
I
Y = + bX
Dimana :a
b
Pendugaan tersebut hanya di dasarkan pada sampel, oleh karnanya ada faktor
kebetulan.
C. LIMITS OF PREDICTION
Dengan anggapan bahwa deviasi standart senyatanya dari Y adalah sama
untuk nilai X, maka kita dapat melihat deviasi standart vertikal dari garis
regresinya.
Deviasi standart dari distribusi dinyatakan dengan rumus:
SY . X
I
Y I Y
=
n
i=1
Y . X
Dari rumus di muka, Y.X digunakan untuk menyatakan bahwa kita menduga
deviasi standart senyatanya dari pada Y untuk nilai nilai X tertentu. Menduga
Sedangkan S Y . X di namakan standart error of estimate. Jumlah kuadrat
Tabel 11.3
X
YI
I
Y Y
48
312
307,04
4,96
24,6016
32
164
196,96
-32,96
1,086.3616
40
280
252,00
28,00
784,0000
34
196
210,72
-14,72
216,6784
30
200
183,20
16,80
282,2400
50
288
320,80
-32,80
1.075,8400
20
146
155.68
-9.68
93,7024
50
361
320,80
40,20
1,616,0400
22
149
128,16
20,84
434,3056
43
252
272,64
-20,64
426,0096
Y Y
6.039,7792
A=
t 0,025
SY . X
X
X
n+1
+
n
Dimana
D. UJI HIPOTESIS
Apabila kita menginginkan membuat estimasi garis regresi populasi,kita
harus memahami adnya distribusi sampling nilai 6. Distribusi sampling
nilai 6 tersebut dianggap berdistribusi normal dengan mean = dan
deviasi standart.
n
Xi
i=1
Sb
2
X i
n
i=1
SY . X
Dimana :
Sb
SY . X
Hipotesis nihil yang akan di uji adalah B=0, artinya tidak ada hubungan antara 2
variable. Apabila n < 20 maka distribusi sampling nilai 6 mengikuti distribusi
nialai t. Dengan degress of freedom n 2.
Kriteria pengujian :
H 0 diterima apabila: -2,306 < t < 2,306
H 0 ditolak apabila : t > 2,036 atau t < -2,036
Perhitungan nilai t:
Dari perhitungan di muka telah ditemukan:
b
= 6,88
SY . X
= 27,5
XI
n
i=1
SY . X
= 27,5
2
X
i=1
3752
10
14,993
14.99314.062,5
950,5
= 30,5
Sb
27,5
30,5
= 0,9
b
S6
6,88
0,9
=7,64
X 1 , X 2 ...
b1 X 1
+ b2 X 2
+ ... +
bk X k
b1 X 1 +
b2 X 2
+ ... + bk X k
Dimana :
Y
= Gaji tahunan
X1
X2
= Jenis kelamin
1 laki laki
0 jika perempuan
Bab XII
KORELASI
a) KOEFISIEN KORELASI
Ukuran besar kecilnya / kuat tidaknya hubungan variable
variable apabila bentuk hubungan linier disebut dengan koefisien korelasi.
Koefisien korelasi yang dinyatakan dengan bilangan, bergerak antara 0 sampai
+ 1 / 1 sampai 1. Apabila koefisien korelasi (r) mendekati + 1 / -1 berarti
terdapat hubungan yang kuat , sebaliknya apabila mendekati 0 berarti terdapat
hubungan yang lemah / tidak ada hubungan . Apabila r sama dengan + 1 / - 1
berarti terdapat hubungan posiif sempurna / hubungan negatif sempurna.
b) MENGHITUNG KOEFISIEN KORELASI
Dapat dihitung dengan beberapa metode yaitu:
1. Last Squares
2. Pearson product
3. Rank Correlation
Jumlah kuadrat dari deviasi vertikal dari nilai nilai Y dengan garis
regresi adalah hanya merupakan suatu ukuran terhadap goodness of fit.
i Y 1i
Y 2
i=1
Bila perbedaan antara nilai yang sebenarnya (Y) dan nilai yang di perkirakan (
Y I ) kecil dan bila perbedaaannya bear maka ukuran jumlah kuadratnya jga
besar. Besarnya ukuran ini tergantung pada unit unit Y. Apakah unit itu dalam
puluhan,ratusan,.
2. Metode Pearson product moment
Rumus:
Xi
n
i=1
Yi
n
i=1
2
Y 2i
X 2i
r=
n .
i=1
)( )
n . X i . Y i
i=1
X i ( Y i )
i=1
i=1
d 2i
rI
=1-
i=1
Bila dihitung nilai r, akan di peroleh nilai yang tinggi. Yakni 0,67
bahwa sebenarnya tidak ada hubungan antara hasil lemparan 2 dadu tersebut.
Dengan demikian pengujian nilai r adalah untuk apakah benar benar terdapat
hubungan variable X dan Y.
Apabila r dihitung berdasarkan suatu sample maka nilai r nya
merupakan harga estimate P(rho) yakni koefisien korelasi populasinya. Untuk
menguji hipotesis nihil yang mengatakan bahwa tidak ada hubungan antara
g) Korelasi Berganda
Merupakan alat ukur untuk mengetahui pertautan antara variable tidak
bebas (variable Y) dengan beberapa variable bebas (variable X 1 , X 2 ,.. X k )
secara serempak. Koefisien korelasi berganda yang di beri
r y 1,2 k
dihitung
melalui jalur terjadinya hubungan antara satu variable tidak bebas (Y) dengan
beberapa variable bebas ( X 1 , X 2 X k ) yakni yang berapa regresi linier
berganda
Dimana :
X1
Y
X 1 y
X 1 y=
b1 X 1 y +b 2 X 2 y ++ bk X k y
y2
X2
Y
X 2 Y
X 2 Y =
Xk
Y
X k Y = X k Y
Y
Y 2
Y 2=
h) Korelasi Parsial
Adalah korelasi antara sebuah variable tak bebas (dependent variable)
dengan sebuah variable bebas tertentu (independent variable).
Sementara sejumlah variable bebas lainnya yang ada / di duga ada
pertautanya dengan variable tak bebas tersebut sifatnya tetap / kontans.
Ini berarti jika variable tak bebas Y ada dalam pertautan dengan variable
bebas