ANALISIS REGRESI

(REGRESSION ANALYSIS)
Oleh:
Agung Priyo Utomo, S.Si., MT.(agung@stis.ac.id)
Sekolah Tinggi Ilmu Statistik (STIS)

Agung Priyo Utomo (STIS Jakarta)

PERAMALAN NILAI RATA-RATA Y (Y|X) PADA X=X0

syaratnya X yg ditentukan berada dalam interval data
yg dimiliki
E(y) = y|x = 0 + 1x
^ = b0 + b1x
y
_
_
^
Var(y) = var[y+b1(x-x)]
var( y )

2
n

( x x )2

x )2

[ x n ]
(

s2
est. var( y ) s
( x x )2
n
[
2
y

s2

x )2

x n ]
2

Confidence Interval (1-)100% untuk rata-rata y pada

x=x0 adalah

P[ y t ,n2 .sy y|x x0 y t ,n2 .sy ] (1 )100%

2

Agung Priyo Utomo (STIS Jakarta)

PERAMALAN NILAI INDIVIDU Y (Yi) PADA X=X0

yi = 0+ 1xi + i
Berdasarkan n pengamatan, maka
yi = b0+ b1xi + i = ^
y i + i
var( y i )

2
n

( x x)

x )2

[ x n ]
(

2
s
est. var( y i ) s2yi
( x i x )2
n
[

2
s2

x i )2

x n ]
2
i

s2

Confidence Interval (1-)100% untuk rata-rata y pada

x=x0 adalah

P[ y i t ,n2.syi yi|x x0 y i t ,n2 .syi ] (1 )100%

2

Agung Priyo Utomo (STIS Jakarta)

DIAGNOSTICS AND
REMEDIAL MEASURES
REGRESI LINIER SEDERHANA

PEMERIKSAAN RESIDUAL (SISAAN)

Bermanfaat untuk memeriksa adanya penyimpangan pada
model regresi linier sederhana dengan asumsi error
menyebar normal, diantaranya adalah:
Fungsi regresi tidak linier
Suku error tidak memiliki varian yang konstan
(heteroscedastic)
Suku error tidak saling bebas
Outlier yang dapat menggangu model regresi
Error tidak menyebar normal
Satu atau beberapa variabel bebas yang telah
dihilangkan dalam model.

BEBERAPA PLOT RESIDUAL YG

BERMANFAAT

Plot antara residual vs variabel bebas

Plot antara residual vs nilai estimasi yi (fitted values)
Plot antara residual vs waktu
Plot antara residual vs variabel yang
dihilangkan/dibuang
Box plot dari residual
Normal probability plot dari residual

6,0

5,0

5,0

4,0

4,0

3,0

3,0

2,0

2,0

Residual

6,0

1,0
0,0
-10
-1,0

40

90

1,0
0,0
-1,0 0

-2,0

-2,0

-3,0

-3,0

-4,0

10

-4,0
Lot Size (Xi)

Production Run

Normal Probability Plot

180
160

Man-Hours (Yi)

Residual (ei)

Contoh: Westwood Company

140
120
100
80
60
40
20
0
0

50
Sample Percentile

100

LACK OF FIT TEST

agung@stis.ac.id

Agung Priyo Utomo - agung@stis.ac.id

Data ada di Neter & Wasserman p. 123

Agung Priyo Utomo agung@stis.ac.id

Soal 2.20

Agung Priyo Utomo agung@stis.ac.id

ASUMSI-ASUMSI
Yi saling bebas (independent) pada setiap
nilai X
Yi terdistribusi Normal
Var(Yi) = 2

SYARAT:
Ada amatan berulang pada satu atau lebih
nilai X.

Agung Priyo Utomo agung@stis.ac.id

HIPOTESIS

H0: Model linier cocok untuk menjelaskan hubungan

antara X dan Y
H1: Model linier tidak cocok untuk menjelaskan
hubungan antara X dan Y

Bila H0 tidak ditolak, artinya model linier cocok untuk

menjelaskan hubungan antara X dan Y

Agung Priyo Utomo agung@stis.ac.id

ANOVA
SoV

SS

df

MS

Regresi

SSR

MSR

Error:

SSE

n-2

MSE

SSLoF

n-2-ne

MSLoF

SSPE

ne

MSPE

SST

n-1

Simpangan dari model

(Lack of Fit)
Pure Error

Total (terkoreksi)

Statistik Uji Lack of Fit: Fob = MSLoF/MSPE

H0 tidak ditolak jika Fob < F(1-;n-2-ne;ne)
Agung Priyo Utomo - agung@stis.ac.id

NOTASI
y11 y12 y1n1
y 21 y 22 y 2n2

mpk nilai ulanganpada x 1 sebanyak n1

mpk nilai ulanganpada x 2 sebanyak n2

y k1 y k 2 y kn k

mpk nilai ulanganpada x k sebanyak nk

yiu mpk nilai ulangan u (u = 1, 2, , nk) pada xi; i = 1, 2, , k

Agung Priyo Utomo agung@stis.ac.id

NOTASI
k

ne (ni 1)
i1

2
nk

y iu
n
k nk
k
k 2 u1
2
SSPE ( y iu y i. ) y iu

ni
i1 u 1
i1 u 1

SSLoF SSE SSPE

ni = banyaknya amatan pada xi yang berulang

k = banyaknya xi yang mengandung pengulangan
Agung Priyo Utomo agung@stis.ac.id

CONTOH
xi

yi

200

120
190

n1 = 3

k =2
ne= (n1 1) + (n2 1)
=2+1
=3

205
300

200
250

n2 = 2

Agung Priyo Utomo - agung@stis.ac.id