P. 1
regresi

regresi

|Views: 47|Likes:
Dipublikasikan oleh Habiburrahman MuhZa

More info:

Categories:Types, Research
Published by: Habiburrahman MuhZa on May 11, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

12/22/2012

pdf

text

original

Analisis Regresi Linier Sederhana

Analisis Regresi
Alat statistika yang digunakan untuk mencari hubungan satu atau lebih variabel sehingga salah satu varibel dapat ditaksir oleh variabel yang lain Variabel yang ditaksir = variabel dependen, tak bebas, tergantung, respons Variabel penaksir = varibel independen, bebas, respons Sifat hubungan antar variabel dalam regresi ‡ fungsional (berhubunga dengan kepastian) ‡ statistika (berhubungan dengan kekeliruan/ketidakpastian) Tujuan analisis regresi ‡ diskripsi ‡ kontrol ‡ memprediksi Data untuk analisis regresi ‡ observasional ‡ ekspeimental

Jenis Analisis Regresi
I. Regresi linier jika hubungan antara variabel bebas terhadap variabel tak bebas berbentuk linier
‡ Regresi linier sederhana ‡ Regresi linier berganda

II, Regresi tak linier jika hubungan antara variabel bebas terhadap variabel tak berbentuk linier
‡ Regresi kuadratik ‡ Regresi kubik ‡ dst

Regresi Linier Sederhana

Regresi Linier Sederhana
Dinyatakan dalam fungsi :

Yi = ß0 + ß1Xi + i:
ß0 , ß1, i = parameter ß0 = intercept ß1 = slope Yi dan Xi = nilai yang diukur

Estimasi regresi
Yi = b0 + b1Xi
¯ (Xi X)((Yi Y) ¯ (Xi X)2 XiYi Xi2 1 ¯( Y b X) n i 1 i Xi Yi n ( Xi2) n

b1 =

= =

b0 =

Yi b1X¯ =

Persamaan Regresi untuk nilai yang diprediksi (nilai fit)
Yi = b0 + b1Xi:
^

Beda antara nilai prrediksi dan nilai respon yang sebenarnya dinamakan residu ^ ei = Y¡, - Yi:

Variansi sample (s2) yang diestimasi dari populasi dihitung ( 2) melalui persamaan :

s2 =

^ Y¡, - Yi: n-2

Variansi sample (s2) dinamakan mean square error (MSE)

Data Konsumsi dan Bobot Badan Leghorn

Konsumsi Pakan (lb) 87,8 93,2 98,0 89,8 94,0 83,0 88,3 82,4 80,2 80,2

Bobot badan (lb) 4,15 4,76 5,23 4,75 5,13 4,24 4,66 4,41 4,50 4,23

Pengamatan (n) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, Rataan b1 = 0,05

Konsumsi Pakan (x) 87,8 93,2 98,0 89,8 94,0 83,0 88,3 82,4 80,2 80,2 876,,9 87,69 b0 = 2,23

Bobot Badan (y) 4,15 4,76 5,23 4,75 5,13 4,24 4,66 4,41 4,50 4,23 46,06 4,606

xy

x2

Y2

364,37 443,63 512,54 426,55 482,00, 351,,92 411,48 363,38 360,90 339,,5 4056,24

7708,84 8686,24 9604,00 8064,40 8836,00 6889,00 7796,89 6789,76 6432,04 6432,01 77238,5

17,22 22,66 27,35 22,56 26,32 17,98 21,72 19,45 20,25 17,89 213,40

Y = 2,23 + 0,05 Xi

Variansi Bobot Badan (Y) 4,15 4,76 5,23 4,75 5,13 4,24 4,66 4,41 4,5 4,23 e
2

Konsumsi Pakan (X) 87,8 93,2 98 89,8 94 83 88,3 82,4 80,2 80,2

Y = 2,23 + 0,05 Xi ^

e =Yi - Yi -2,47 -2,13 -1,9 -1,97 -1,8 -2,14 -1,985 -1,94 -1,74 -2,01

e2 6,10 4,54 3,61 3,88 3,24 4,58 3,94 3,76 3,03 4,04 40,72

6,62 6,89 7,13 6,72 6,93 6,38 6,645 6,35 6,24 6,24

s2 =

40,72 10 - 2

= 5,09

Analisis Regresi Inferensial
Uji Hipotesis
H0 : 1= 0 H1 : 1 0

Uji Statistika
1 0

t= s2(b1) =

b1 ± s2(b1)

1

t=

b1 ± s2(b0)

1

MSE Ø ™(Xi ± X)2

s2(b1) = MSE

(

Ø X2 1 _ Ø n + ™(Xi ± X)2

)

Mengikuti distribusi t dengan db = n ± 2)

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->