Sesi 9.

Analisis Regresi Linier Sederhana

Ki Hariyadi, 2010/2011

Analisis Regresi Linier

Tujuan Pembelajaran
Mahasiswa dapat memanfaatkan Alat Regresi Linier untuk menjawab pertanyaan (1) Pengaruh (2) Model Linier antara 2 Variabel pada kasuskasus secara tepat Mahasiswa dapat mengetahui rumus topik ini dan mempraktekan pada pengolahan data dengan SPSS
Analisis Regresi Linier

Metode Pembelajaran
Ceramah Diskusi Latihan Kasus/pembahasan output spss

Analisis Regresi Linier

PENGANTAR

Analisis Regresi Linier

Regresi Linier Sederhana

Teknik analisis yang mencoba menjelaskan hubungan antara variabel (X) yang dipakai untuk memprediksi variabel (Y). Hubungan yang mengandung sebab akibat (Dari teori bidang terkait). X independen, variabel prediktor Y dependen, variabel respon Asumsi sampel berpasangan sebagai observasi, (Xi, Yi) untuk i=1,2,3,..,n.
Analisis Regresi Linier

Tujuan Analisis Regresi

1. Untuk mengetahui pola/Model dan mengukur hubungan antara dua atau lebih peubah (variabel) 2. Mengetahui hubungan sebab akibat. 3. Menghasilkan model matematika untuk kebutuhan peramalan/Estimasi.

Analisis Regresi Linier

Hubungan antara X dan Y secara khusus terdiri dari 2 komponen:

Komponen Sistematik & Komponen Random

E(Yi | Xi) = i

Xi +

Analisis Regresi Linier

Model
E(Yi | Xi) = = intercept = slope /kemiringan + Xi +i

X
Analisis Regresi Linier

Kasus I

Analisis Regresi Linier

Kasus II

Analisis Regresi Linier

Kasus III

Analisis Regresi Linier

Pertanyaan Kasus
Pendekatan Regresi pada 3 kasus tersebut, yang memberikan pendekatan penyelesaian paling baik pada kasus nomor berapa? Jelaskan alasannya!

Analisis Regresi Linier

Diskusi

Analisis Regresi Linier

Model Regresi berdasar Tipe Data

Variabel Dependen (Y) Kuantitatif /Numerik (Continuous) Kategorik

Regresi Linier Logistik Inde- Kuantitatif Sederhan penden /Numerik a (Continuous (X) ) Berganda Kategorik Regresi Linier Logistik
Analisis Regresi Linier

Asumsi Regresi Linier

yi ~ populasi N(i,2) ei ~ var random (Tidak berpola) ei ~ N(0,2) (berdistribusi normal) E(ei)=0 dan E(ei2)= 2 (harga harapan residu adalah
0, dan variansi residu adalah 2)

Analisis Regresi Linier

METODE KUADRAT TERKECIL

yi=a+bxi

Analisis Regresi Linier

Tabel Penolong Perhitungan

No 1 2 . . N X= Y= XY= X2= X Y XY X2

Analisis Regresi Linier

Uji Kemaknaan Estimasi

Hipotesis : Ho : =0 H1 : 0 Pengujian dua sisi dengan kesalahan 5% Maka daerah kritisnya Ho ditolak jika p < 0,05 atau t hitung > t tabel
Analisis Regresi Linier

Uji Kemaknaan Estimasi

Hipotesis: H0 : =0 H1 : 0
Daerah kritis Ho ditolak jika nilai p<0,05 atau t hitung > t tabel

Analisis Regresi Linier

Distribusi Students t Uji dua arah H0 : HA : =0 0 > 0 atau <0)

(dua arah karena

Analisis Regresi Linier

Persentil atas dari distribusi t

Area =
0

df 1 5 1 0 1 5

0.10 0.01 0.05 3.07 31.82 6.313 8 1 8 1.47 3.365 2.015 6 2.764 0 1.37 2.602 1.812 Ini untuk tes one-tailed yaitu: 2 5 H0 : dan H1 1.34 0 Analisis Regresi:Linier > 0 1.753

Studi Kasus
Biaya Iklan (X)
50 80 20 90 10 80 10 80 20 50 90 20

Hasil Penjualan (Y)

1000 1800 500 1800 300 1500 400 1600 700 1200 2000 600
Analisis Regresi Linier

Y = a+bx
Y

X =0 X= 1
b

Y=a Y a+b

0 X

Analisis Regresi Linier

Hasil Regresi Linier

diperoleh model linier y = 197,17 + 18,39 x

Analisis Regresi Linier

Model Linier ? R-Squared? b? constans ?

Hipotesis Regresi Linier

Y=+X Tabel Anova
Ho : =0 atau =0 H1 : 0 atau 0 (Model Regresi Linier Tepat)

Daerah Kritis /Penolakan H0 ditolak jika F hitung > F (Tabel) atau p < 0,05
Analisis Regresi Linier

Hasil Analisis
Dengan nilai R sebesar 96,9% di peroleh persamaan penjualan y=197,17 + 18,39 x
2

Analisis Regresi Linier

Uji Kemaknaan dengan Uji T dan

Uji Beta
Ho : =0 H1 : 0

Uji Alpha
Ho : =0 H1 : 0

Daerah Kritis Ho ditolak jika sig (t) < 0,05

Analisis Regresi Linier

Analisis
Pengujian Beta Sig (t) untuk =0,00 < 0,05 artinya Ho ditolak. Nilai tidak sama dengan Nol (=18,39) Pengujian Alpha (Constanta) Sig (t) untuk =0,009 < 0,05 artinya Ho ditolak. Nilai tidak sama dengan Nol (=197,175)
Analisis Regresi Linier

a=197,175 b=18,39 Y =a + b X Y = 197,175+ 18,39 X Jika nilai X= 200 berapa nilai Y?

Y = 197,175 + 3.678 = 3.875,175
Analisis Regresi Linier

Koefisian Determinasi (R

2)

Total variansi yang disebabkan hubungan linier antara X dan Y Contoh 2 R =0,969 artinya 96,9% dari total variansi disebabkan oleh hubungan linier antara X dan Y
Analisis Regresi Linier

Tugas Individu Buatlah Judul topik!

Terkait dengan masalah-masalah yang dapat diselesaikan dengan analisis regresi. Minimal ada 5 topik/judul penelitian yang dapat diselesaikan dengan alat analisis ini.

Analisis Regresi Linier

Kerangka Penelitian I

Umur Jenis Kelamin Berat Badan Konsumsi Buah

Tekanan Darah Sistolik (SBP)

Faktor-faktor yang mempengaruhi tekanan darah sistolik

Analisis Regresi Linier

Kerangka Penelitian II

Biaya Iklan Jumlah Produksi Penjualan Kepuasan Pelanggan Barang Kemampuan Masyarakat Faktor-faktor yang mempengaruhi penjualan barang

Analisis Regresi Linier

Sumber Belajar
Kartiko, H. 1986, Analisis Data Statistik, UT Jakarta Myers, RH. 1989, Classical and Modern Regression With Aplications, PWS-Kent Publishing Company-Boston. Wibisono, Y. 2005, Metode Statistik, Gadjah Mada University Press.

Analisis Regresi Linier

Kontak Person
Ki Hariyadi (Eky)
Statistisi, Peneliti & Konsultan, Dosen LB. Lembaga Bernaung Saat ini di Pusat Manajemen Pelayanan Kesehatan (PMPK), Fakultas Kedokteran Universitas Gadjah Mada. email: kihariyadi.ugm@gmail.com kihariyadi@yahoo.com blog : http://kihariyadi.wordpress.com