RINGKASAN RUMUS ANALISIS REGRESI Analisis Regresi merupakan salah satu metode statistika yang banyak digunakan, terutama untuk menjelaskan hubungan fungsional (relatin ship) antara variable tak bebas (dependent, response variable) dan satu atau beberapa variable bebas (independent, predictor, explanatory variable) Variabel tak bebas Variabel bebas : x : y (tergantung pada x) 1 . . n Jumlah rerata
y x ( x ) ( y )
i
i i i
( x )
i
yi
xi
( xi ) ( y i )
( xi ) 2
Asumsi Model Regresi sederhana : 1. i merupakan variable acak dengan nilai tengah nol dan variansi
y = o + xi + i , dengan 1
i = ,2,3,.. n 1
E ( i ) = 0 dan V ( i ) =
2.
(yang
umumnya
2
tidak
diketahui
nilainya).
Dimana :
o dan 1
: koefisien regresi yang merupakan 2 parameer yang akan ditaksir harganya berdasarkan data sample. : Galat, yang bersifat acak, penyimpangan model dari keadaan sesungguhnya. Metode Kuadrat Terkecil (Last Square Method)
nilai
nol
dan
variansi
2 ,
atau
Ada tidaknya otokorelasi dapat diteksi antara lain dengan Durbin Watson (DW) yang dapat dinyatakan dengan rumus :
y = o + xi + i , dengan 1
i = ,2,3,.. n 1
d =
Sehingga
y i = b0
(e e ) e
i i 1 2 i
0 dan 1
y1 ,
KECOCOKAN MODEL Simpangan baku galat (standard Error of Estimate) dinotasikan dengan Se. digunakan untuk mengukur sebaran data atau penyimpangan harga y i disekitar rerata untuk harga x tertentu. Se =
Galat adalah selisih antara harga y1 dengan harga taksiran dan bisa bernilai positif atupun negative. Galat : JKG : b1 b1
i = ( y1 y i )
( )
i
( y
y) 2
: koefisien regresi :
i i
x y ( x y ) / n x ( x ) / n
i i 2 i 2 i
n 2
od el , dimana y = m
Makin kecil nilai standard error of estimate Se, maka sebaran data makin mendekati garis regresi atau model regresi makin baik. Simpangan untuk variable x
b1
S xy S xx
S =
( x
x )
dengan
( S xy = xi x ) ( y i y )
S xx = xi x ) 2 (
:
n 1
2
atau
S =
nx1 (x1 ) 2 n (n 1)
i
bo
y b1 x
Contoh bentuk table : No 1 . . n Jumlah rerata (yi) (xi) (xi) (yi) (xi)2
S =
( y
y)
n 1
yi
yi
x ( x
i
) ( y i ) ( xi )
rxy =
xi
( xi ) ( y i )
( xi ) 2
(x x) ( y y) ( x x ) ( y y )
i i 2 i i
Koefisien Determinasi ;
R
Tabel juga dapat berbentuk : No (yi) (xi) ( x i x )( y i y ) i x ) 2 (x -1-
( y = (y
y)
y)
JKR JKT
JKT =
jumlah variansi total yang menyatakan jumlah penyimpangan yi disektar nilai reratanya y . JKR =
(y
y)
Apabila Fhit>Ftabel = F(1,n-2) maka H 0 : sebaliknya. Ftabel diperoleh dari table distribusi f. Hipotesis : Ho :
1
1 = 0
ditolak, dan
( y i
( y
y)
> 0 atau
H0 :
<0
menyatakan galat dari variable total yang tidak dapat dijelaskan oleh variable x atau merupakam bagian yang sifatnya acak. JKT = JKR + JKG Nilai JKR adalah 0 JKR JKT dan karena itu nilai R2 adalah 0 R 2 1 R2 = 0, jika JKR = 0 atau JKG = JKT berarti berapapun nilai x i yang diberikan, nilai taksiran untuk yi, yaitu y i akan selalu sama dengan y . Dengan kata lain y tidak berpengaruh oleh xi.
H1 : 1 < 0: H1 : 1 > 0 t2(n-2) = F(1,n-2) ttabel = t(n-2;1- /2) apabila nilai harga mutlak thitung lebih besar daripada ttabel (ditulis t > ttabel, yang berarti ada pengaruh variable bebas x secara individu terhadap variable tak bebas y, dan juga sebaliknya. Selang kepercayaan 1 dan 0 Variansi b1 = v (b1 ) =
( x
e2
1
x)2
2 e
S xx
e
S xx
Se
1
dengan
b1 t ( n 2, 1 / 2 ) S ( b1 )
atau
adalah :
b1 t ( n 2,1 / 2) S (b1 ) b1 +t ( n 2 ,1 / 1
Simpangan baku untuk bo :
S (bo ) = Se
x n (x x)
i 2 i
bo t ( n 2, 1 / 2 ) S ( b0 )
Atau
JG K
JT K
bo t ( n 2, 1 / 2) S ( b0 ) 0 b0 +t ( n 2,1 / 2 ) S
Fhit= RKR/RK G Uji Hipotesis
1
dan
Bentuk uji hipotesis terhadap 1 dinyatakan sebagai berikut : Ho : 1 = 10 Hi : 1 10 10 bisa berharga nol atau bilangan tertentu. Jika 10 = 0, sehingga bentuk uji hipotesis : Ho : 1 = 0 Hi : 1 0 thitung =
n y2
b1 10 S (b1 )
atau thit =
t hitung =
b1 10 S / Sxx
b1 S/ Sxx
Derajat bebas (degree of freedom), yaitu bilangan yang menujukkan berapa banyak informasi yang bebas diantara n amatan y1, y2, y3,,yn yang dibutuhkan untuk mendapatkan jumlah kuadrat itu. Hipotesis dengan F hitung ;
karena
10 = 0, maka
H 0 : 1 = 0
H 1 : 1 0, untuk i =1,2,3, k
-2-
1 = 0
1 = 0
= 0 ditolak, artinya
Bentuk Umum :
Dimana, 00 bisa berharga nol atau bilangan tertentu. Misalkna harga 0 = 0, sehingga bentuk uji hipotesis menjadi : Ho : 0 = 00 H1 : 0 = 0 H1 : 0 0
y i = o + 1 x1 + 2 x 2 + ... + k x k +
Model diatas merupakan model linier, berkaitan dengan variable bebas dan parameternya, yaitu apabila diamati secara visual melalui plot data, maka pencaran datanya cenderung meiliki trend/ pola linier. Disebut berganda karena variable bebas yang diamati ada dua atau lebih. Contoh table data hasil pengamatan :
hitung =
0 00
S ( bo )
atau t hitung = S
b0 00
x n( x x )
i 2 i
variabel bebas x1 x11 x12 : x1n x2 x21 x22 : x2n x3 x31 x32 : x3n xk xk1 xk2 : xkn
Jika t > t tabel , mka hipotesis Ho ditolak. Selang kepercayaan = b1 Adjusted R Square
=1
Masing masing derajat kebebasan dari JKG dan JKT. Fungsinya sama dengan R2 dan dianjurkan untukdigunakan pada analisis regresi ganda yang memiliki lebih dari 2 variabel bebas. Selang Kepercayaan Variabel Respon
Jika pengamatan mengamsusikan bahwa variable bebas x menjelaskan variable terikat y secara linier , maka model regresi linier yang dapat digunakan itu adalah :
y = o + 1 x1 + 2 x 2 + ... + k x k +
( y)
Variansi :
( x x ) 2 Se 2 Se 2 V ( y0 ) = + 0 n ( xi x ) 2
Simpangan baku :
S ( y ) = Se
1 + n
( x0 x ) 2 2 ( xi x )
Dengan yi = variable terikat pengamatan ke-i , i = 1,2,3,4,,n ; n k + 1 n = banyaknya pengamatan / jumlah sampel. = variable variable bebas ke k untuk pengamatan ke i xki i = galat dari model, yang diamsusikan bersifat bebas berdistribusi normal dengan rataan 0 dan varians homogen 2 , atau ditulis dengan N(0, 2 ) Asumsi model yang diperlukan untuk pendugaan parameter dengan metode kuadrat terkecil adalah bahwa komponen galat bersifat bebas, antar pengamatan tidak berkorelasi, memiliki distribusi normal, dan memiliki ragam homogen (homoskedastistas). Selain itu xki merupakan nilai-nilai yang fix/ diketahui (ditetapkan terlebih dahulu).
adalah :
y t ( n 2, 1 / 2 ) S ( y ) atau
( y0
y0 )
merupakan nilai dari suatu variable acak. Dengan demilian, nilai ramalan untuk suatu amatan individual x = x0 tetap diberikan oleh y = y 0 , tetapi dengan variansi yang lebih besar, yaitu :
1 V ( y 0 y o ) = Se 2 1 + + n
( x
( x0 x ) 2
i
x)2
simpangan
baku
( y0
y 0 ) adalah ;
S ( y 0 y 0 ) = Se
1 + 1 + n
( x0 x ) 2 2 ( x i x )
-3-