Leastsquare
Leastsquare
Y b b1 X i ( X i ) 0
Fitted Line Plot
Y = 2,046 + 0,1705 X
i 0
10 S
R-Sq
1,32081
65,4%
i 1
9 R-Sq(adj) 58,5% n n n
8 Y X
i 1
i i b X b X
i 1
0 i
i 1
1 i
2
0
7 n n n
X iYi b0 X i b1 X i2 0
Y
6
i 1 i 1 i 1
5
n n n
4 b0 X i b1 X i2 X iYi ........
3 i 1 i 1 i 1
10 15 20 25
X
30 35 40 45
(2)
Persamaan (1) dan (2) dinamai persamaan normal.
Titik-titik merah adalah nilai hasil eksperimen, di-
notasikan Yi , yang diduga membentuk garis lurus iii. Menghitung b0 dan b1 berdasarkan dua persama-
berwarna biru. Garis inilah model yang akan di- an yang terbentuk. Dari persamaan (1) didapat-
taksir, dengan cara menaksir koefisiennya, yaitu b0 kan formula b0,
n n
dan b1, sehingga terbentuk persamaan Yi b0 + b1 n b0 b1 X i Yi
Xi. i 1 i 1
Garis tegak lurus sumbu horisontal yang menghu-
bungkan titik eksperimen dengan garis lurus dugaan 1 n n
dinamai error. b0 =
n
Y b X
i 1
i 1
i 1
i Y b1 X
Metode least square bertujuan mendapatkan penak-
sir koefisien regresi, yaitu b0 dan b1, yang menjadi- Formula b0 ini kemudian disubstitusikan ke
n persamaan (2),
kan jumlah kuadrat error, yaitu i
2
sekecil n n n
i 1
b0 X i b1 X i2 X iYi
mungkin. Prosedur metode kuadrat terkecil adalah i 1 i 1 i 1
sebagai berikut :
n
n n n
Y b X X
2
i. Membentuk
i 1
i sebagai fungsi b0 dan b1,
1 i b1 X X iYi i
2
i 1 i 1 i 1
n n
S = f(b0,b1) =
i 1
i
2
= Y b
i 1
i 0 b1 X i
2 n
Y X i b1 X X i b1 X i2 X iYi
n n n
i 1 i 1 i 1 i 1
ii. Mendiferensialkan S terhadap b0 dan b1, kemudi-
n n
n n
b1
X
i 1
i
2
X X i X iYi Y X i
i 1 i 1 i 1
1
dan didapatkan penaksir koefisien regresi, yaitu b :
n n n
X Y Y X i i i X Y nX Y i i
S
b = A-1g
b1 i 1
n
i 1
n
i 1
n
XY dengan b = (b0 , b1 , ... , bk)T
S XX
Xi 1
i
2
X Xi
i 1
X i 1
i
2
nX 2
Latihan 1
Buktikan persamaan berikut :
Model regresi linier multiple dinyatakan dengan 1. Y Y b1 ( X X )
persamaan berikut :
2. Buktikan titik ( X , Y ) terletak pada garis regresi.
Yi = 0 + 1X1i + ... + kXki + i, n
n n n
kemudian dideferensialkan terhadap b0, b1, ... bk,
dan hasilnya disamakan dengan nol,
X iYi Y X i X Y nX Yi i
S XY
S S S b1 i 1
n
i 1
n
i 1
n
S XX
b0
0,
b1
0, . . . ,
bk
0,
X
i 1
i
2
X Xi
i 1
X i 1
i
2
nX 2
i 1 i 1 i 1 i 1 i 1
X i X Yi X i X Y
n
n n
n
X i X Yi
n
n X 1i X ki Y i
b0
i 1
i 1 i 1
X
i 1
X Y X X Y ... X X Y
n n n
n
X 1i X k1 b1
X X 1iYi
2 1 1 2 2 n n
X 1i 1i
i 1 i 1 i 1
i 1 Formula variansi b1 menjadi sebagai berikut :
b n
2 k
n
n n n
X X X k1 X ki
X kiYi X i Yi nXY
n
var i 1
ki 1i
1
i 1 i 1 i 1 i 1 var X i Yi nXY
n 2
X i2 nX 2
n
A( k 1)( k 1) b( k 1)1 = i 1
g( k 1)1
i 1
X
i 1
i
2
nX 2
2
X 1 X var Y1 X 2 X var Y2 ... X n X var Yn
2 2 2
n
=
X Y nXY
i i n
2 Xi X
1
var
2
X
i 1
1 X X 2 X ... X n X
2 2 2 2 2 2
= n
2
X
n
nX 2
X
2 i 1
i 2
nX 2
i 1
i
X X
n i 1
2
2
i
i 1
n
X Y nXYi i
1 n
2 Xi X
2
var i 1
n
2
nX 2
X
n
(X
2 i 1
i
X ) 2
i 1 i 1
i
2
n
(X i 1
i X )2
2 2 s2
var(b1 ) n
; bila 2 tidak diketahui, maka menjadi : b1 )
var( n
n
(X
i 1
i X )2 (X
i 1
i X )2 (X
i 1
i X )2
s
Penaksir Simpangan Baku (b1) = 1/ 2
n
( X i X ) 2
i 1
s2 = jumlah kuadrat error/n-2
1 n n
b0 =
n
Y b X
i 1
i 1
i 1
i Y b1 X
1 n
2
var( Yi ) X 2 n
= n2 i 1
(X
i 1
i X )2
2
1 2
= n2
2 ... 2 X 2 n
(X
i 1
i X )2
1 2
2
( n 2 ) X 2 n
= n
(X
i 1
i X )2
Setelah ke dua suku disamakan penyebutnya, dan 2 diganti dengan s2, didapatkan penaksir var(b0) sebagai
berikut :
n
n
s2
( X i X ) 2 nX 2
i 1
s 2 X i2
var(b0 ) n n
i 1
n ( X i X ) 2 n ( X i X ) 2
i 1 i 1
3
1/ 2
n
s 2
X i
2
Penaksir simpangan baku (b0) = i 1
n
n ( X i X )
2
i 1
Diketahui : Yi variabel random saling independen dan identik, dengan var(Yi) = 2, i = 1, 2, ... , n.
Akan dilakukan penurunan cov(a,b), a dan b masing-masing fungsi variabel random Yi., sbb :
n n
a = a i Yi a1Y1 a 2 Y2 . . . a n Yn , b= b Y i i b1Y1 b2 Y2 . . . bn Yn
i 1 i 1
ai dan bi masing-masing konstanta.
a 2
= 2
i
i 1
b 2
= 2 i
i 1
n n n
= (ai bi 2aibi ) 2 ai 2 b
2 2 2 2 2
i
i 1 i 1 i 1
n
= 2 2a b
i 1
i i
n
cov(a,b) = 2
a b
i 1
i i
Penurunan cov(b0,b1)
Cara Pertama,
cov(b0,b1) = cov ((Y b1 X ), b1 ) cov(Y Xb1 , b1 ) , digunakan review rumus 6, dengan 1 = Y ,
1 = X , 2 = 0, dan 2 = 1.
X 2
= cov( X cov(b1 , b1 )) X var(b1 ) = n
(X
i 1
i X )2
Cara Kedua,
Menggunakan logika penurunan cov(a,b). Cara ini lebih panjang, tetapi merupakan latihan pemahaman
operasi variabel random yang sangat baik. Variabel random b0 dan b1 masing-masing merupakan fungsi
variabel random Yi.
Logika penurunan ini kemudian digunakan untuk mendapatkan cov(b0,b1); keduanya merupakan fungsi
variabel random Yi..
n n
n ( X i X )Yi (X X )Yi i
cov(b0,b1) = cov
1
n Yi i 1
n
X , i n1
2
i 1
(X
i 1
i X )2 i 1
(Xi X )
n
(X
i 1
i X ) 2 tidak memuat variabel random, dan hasilnya sudah tertentu, sehingga dapat dianggap
konstanta, dinotasikan k. Begitu pula dengan X , juga konstanta, boleh dikeluarkan dari sigma.
n n
n
X ( X i X )Yi (X i X )Yi
cov(b0,b1) = cov
i 1
1
n Yi i 1
k
, i 1
k
n n
n
1
n kYi X ( X i X )Yi X )Yi (X i
= cov i 1
i 1 , i 1
k k k
n n n
n kYi X ( X i X )Yi ( X i X )Yi
1
= cov i 1 i 1
, i 1
k k
n
1 1 1 n
1
= cov k ( n k ) k X ( X i X ))Yi , k ( X i X ) Yi
i 1 i 1
5
1 1
n
1 1
=
2
( n k ) X ( X i X )
(Xi X )
i 1 k k k
1 1
n
1
= k ( X i X ) 2 X ( X i X ) 2
2
2 n
i 1 k k
2 2
n n
1 1
= 2 1n k ( X i X ) 2 X ( X i X )
i 1 k i 1 k
2 1 2
n n n
1
= 2 1n k ( X i X ) 2 X ( X i X ) dapat diturunkan bahwa ( X i X ) 0
k i 1 k i 1 i 1
2 2
n n
1
= 2 X (Xi X ) pada awal penurunan disebutkan k = ( X i X )
2
k i 1 i 1
X
= n
2
2
(Xi X )
i 1
X 2
n
=
( X i X )2
i 1
2X
n
cov(b0,b1) =
(X
i 1
i X )2
Apabila diketahui atau ditentukan nilai variabel bebas sebesar X0 , maka didapatkan penaksir atau dugaan nilai
respon, Y0 sebesar :
Yi b0 b1 X i .
n
n
( X 0 X ) ( X i X )Yi
cov(Y , b1 ( X 0 X )) = cov(Y , ( X 0 X )b1 ) = cov
n Yi ,
1
n
i 1
i 1
i 1
(Xi X ) 2
6
n
n ( X 0 X ) ( X i X )
=
2
( 1n )
n
i 1
i 1
i 1
(Xi X ) 2
n
= 0, karena (X
i 1
i X) 0
2 2 ( X 0 X )2 2
( X X ) 2
var( b ) n
var( Y0 ) = var(Y ) var(b1 ( X 0 X ) 0 = n 0 1
n
( X i X )2 i 1
s 2 ( X 0 X )2 s 2 2
n 2 1 (X X )
Penduga var( Y0 ) = n 2 = s
n 0
i 1
(Xi X ) n
2
(Xi X )
i 1
1/ 2
1 ( X X )2
Penduga simpangan baku Y0 = s n 0
n 2
i 1
(Xi X )