Anda di halaman 1dari 16

1

Regresi Linier Sederhana


Diah Indriani
Bagian Biostatistika dan Kependudukan
Fakultas Kesehatan Masyarakat
Universitas Airlangga
2
Definisi Pengaruh
Jika terdapat 2 variabel, misalkan X dan Y
yang data-datanya diplot seperti gambar
dibawah
Y
X
Y
X
3
Y
X
Y
X
Y
X
4
Definisi Pengaruh
Maka plot data yang membentuk suatu pola
tertentu menunjukkan bahwa variabel X dan Y
membentuk suatu hubungan
X Y hubungan
X Y pengaruh
5
Definisi Pengaruh
Jika sudah jelas arah hubungannya
Mana variabel yang mempengaruhi ?
Mana variabel yang dipengaruhi ?
Maka disebut Pengaruh
Jika belum jelas variabel yang dipengaruhi /
mempengaruhi (belum jelas arah hubungannya),
maka disebut Hubungan
6
Regresi Linier Y Terhadap X
Jika pola yang membentuk hubungan X dan Y
membentuk suatu garis lurus, maka disebut
Pengaruh Linier
Dimana :
variabel X variabel bebas (independent)
variabel Y variabel terikat (dependent)
Nilai-nilai Y ditentukan oleh nilai-nilai X
Variabel Y dipengaruhi oleh variabel X
Variabel X mempengaruhi variabel Y
7
Plot antara X dan Y
Regresi Linier Y Terhadap X
Garis lurus tersebut
membentuk persamaan :
Y = a + bX
a disebut intersep
b disebut slope
Y
X
8
Intersep
Bila X = 0 maka Y = a
Y
X
a
.
Bila a = 0 maka garis akan
melalui titik (0,0)
Y
X
9
Slope
Slope = kemiringan
Y = a + bX
Perubahan 1 satuan pada X mengakibatkan
perubahan b satuan pada Y, sehingga Y
mengukur kemiringan/slope garis tersebut.
10
Slope
1 satuan
b satuan

Y
X
11
Slope
Bila b positif
Bertambahnya nilai X mengakibatkan
bertambahnya nilai Y
Bila b negatif
Bertambahnya nilai X mengakibatkan
berkurangnya nilai Y
12
Regresi Linier Sederhana
Model regresi linier yang hanya melibatkan
satu variabel bebas (X). Model regresinya
sbb:
X Y + =
Dimana :
Y = variabel terikat
X = variable bebas
, = parameter regresi
13
Regresi Linier Sederhana
Sehingga setiap pasangan pengamatan (X
i
, Y
i
)
dalam sampel akan memenuhi persamaan
i i i
X Y + + =
Dimana :

i
= sisaan / galat / eror
Atau dalam persamaan dugaannya
i i i
e bX a Y + + =
14
Sisaan / Galat / Eror
Adalah penyimpangan model regresi dari nilai yang sebenarnya
1
e
Y
X
.
.
.
.
.
.
.
.
.
.
2
e
3
e
4
e
5
e
6
e
7
e
8
e
9
e
10
e
15
Metode Pendugaan Parameter
Regresi
, parameter regresi yang akan diduga dari
data sampel
a, b penduga parameter regresi
Metode Metode Kuadrat Terkecil (MKT)
(suatu metode pendugaan parameter dengan
meminimumkan / Jumlah Kuadrat Eror / SSE )

=
n
i
i
e
1
2
16
Metode Pendugaan Parameter
Regresi
i i i
e bX a Y + + =
i i i
bX a Y e =

= =
=
n
i
i i
n
i
i
bX a Y e
1
2
1
2
) (
Nilai dugaan a dan b diperoleh dari proses sbb :
1. Dilakukan turunan pertama terhadap a dan b
( )

=
=

n
i
i i
i
bX a Y
a
e
1
2
2
) (
( )
i
n
i
i i
i
X bX a Y
b
e

=
=

1
2
2
) (

SSE
17
Metode Pendugaan Parameter
Regresi
2. Kedua persamaan hasil penurunan disamkan
dengan nol

= =
= +
n
i
n
i
i i
Y X b na
1 1

= = =
= +
n
i
i
n
i
i i
n
i
i
Y X X b X a
1 1
2
1


= =
= = =
|
|

\
|

|
|

\
|
|
|

\
|

=
n
i
n
i
i i
n
i
n
i
i
n
i
i i i
X X n
Y X Y X n
b
1 1
2
1 1 1
X b Y a =
18
Metode Pendugaan Parameter
Regresi
Penduga Parameter Regresi ,
Dimana :
= rata-rata X
i
= rata-rata Y
i


= =
= = =
|

\
|

\
|
|

\
|

=
n
i
n
i
i i
n
i
n
i
i
n
i
i i i
X X n
Y X Y X n
b
1
2
1
2
1 1 1
X b Y a =
X Y
19
Uji Model Regresi
Dilakukan dengan pendekatan analisis variansi dengan
menguraikan komponen-komponen total keragaman
dari variabel terikat
SST = SSR + SSE
SST = Sum of Square Total / Jumlah Kuadrat Total
SSR = Sum of Square Regression / Jumlah Kuadrat Regresi
SSE = Sum of Square Eror / Jumlah Kuadrat Eror
20
Uji Model Regresi
SST = J
yy
SSR = b J
xy
SSE = SST SSR = J
yy
b J
xy
J
yy
= J
xy
=


=
=
|
|

\
|

n
i
n
i
i
i
n
Y
Y
1
2
1
2


=
= =
|
|

\
|
|
|

\
|

n
i
n
i
i
n
i
i
i i
n
Y X
Y X
1
1 1
21
Uji Model Regresi
Tahapan uji keberartian model regresi sbb:
1. Hipotesis =
H
0
: = 0
H
1
: 0
dimana
= matriks [
0
,
1
]
22
Uji Model Regresi
2. Tabel Analisis Ragam
Komponen
Regresi
SS db MS F
hitung
Regresi SSR 1 MSR = SSR/1 MSR / s
2
Eror SSE n 2 s
2
= SSE / n-2
Total SST n 1
23
Uji Model Regresi
3. Pengambilan Keputusan
H
0
ditolak jika
pada taraf kepercayaan
F
hitung
> F
tabel(1 , n-2)
24
Uji Parsial Parameter Regresi
Uji parsial untuk menguji apakah parameter
berarti pada model secara parsial
Tahapan Ujinya :
1. Hipotesis =
H
0
: = 0
H
1
: 0
25
Uji Parsial Parameter Regresi
2. Statistik Uji =
Dimana
xx
J s
b
t
/
0

=
n
X
X J
n
i
i
n
i
i xx
2
1
1
2
|
|

\
|
=

=
=
2
=
n
SSE
s
26
Uji Parsial Parameter Regresi
3. Pengambilan Keputusan =
H
0
ditolak jika
pada taraf kepercayaan
t
hitung
> t
/2(db= n-2)
27
Uji Intersep Model Regresi
Uji parsial untuk menguji apakah parameter
berarti pada model secara parsial
Tahapan Ujinya :
1. Hipotesis =
H
0
: = 0
H
1
: 0
28
Uji Intersep Model Regresi
2. Statistik Uji =
Dimana
xx
n
i
i
J n X s
a
t
/
1
2

=

n
X
X J
n
i
i
n
i
i xx
2
1
1
2
|
|

\
|
=

=
=
2
=
n
SSE
s
29
Uji Intersep Model Regresi
3. Pengambilan Keputusan =
H
0
ditolak jika
pada taraf kepercayaan
t
hitung
> t
/2(db= n-2)
30
Selang Kepercayaan Untuk
Selang kepercayaan untuk parameter
dalam persamaan regresi Y = + X
% 100 ) 1 (
2 / 2 /


=
(

+ < <
xx xx
J
s t
b
J
s t
b P
31
Selang Kepercayaan Untuk
Selang kepercayaan untuk parameter
dalam persamaan regresi Y = + X
% 100 ) 1 (
1
2
2 /
1
2
2 /


=
(
(
(
(
(

+ < <

= =
xx
n
i
i
xx
n
i
i
J n
X s t
a
J n
X s t
a P

Beri Nilai