Anda di halaman 1dari 12

ANALISIS REGRESI TERAPAN

ZULAELA

PRODI STATISTIKA, FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM


CLINICAL EPIDEMIOLOGY & BIOSTATISTICS UNIT, FAKULTAS KEDOKTERAN
UNIVERSITAS GADJAH MADA
Materi:
Analisis regresi linier sederhana. Analisis regresi linier ganda,
variabel independen kualitatif, pemilihan variabel independen
dan pembentukan model. Analisis residu. Penekanan pada
penerapannya.
Buku Bacaan:
1. Montgomery, D.C. & Peck, E.A. 1992. Introduction to Linear
Regression Analysis, John Wiley & Sons, New York.
2. Myers, R.H. 1990. Classical and Modern Regression with
Applications, PWS-KENT, Boston.
Pertemuan Topik Substansi
1 Pendahuluan Menjelaskan materi kuliah, buku bacaan, sistem penilaian
dan pengantar regresi
2 Regresi Linier Sederhana Scatter Plot, Estimasi Koefisien Regresi

3 Regresi Linier Sederhana Pengujian Hipotesis Koefisien Regresi dan Korelasi


dan Korelasi

4 Regresi Linier Berganda Estimasi Koefisien Regresi, Pengujian Hipotesis Koefisien


Regresi

5 Regresi Linier Berganda Estimasi Koefisien Regresi, Pengujian Hipotesis Koefisien


Regresi

6 Regresi dalam Bentuk Estimasi Koefisien Regresi, Pengujian Hipotesis Koefisien


Matriks Regresi
7 Variabel Independen Dummy variables
Kategorikal
8 Variabel Independen Dummy variables
Kategorikal

9 Persamaan Regresi Terbaik Kriteria Pemilihan Model Regresi Terbaik

10 Metode Seleksi Variabel Metode Forward, Backward dan Stepwise

11 Analisis Residu Pemeriksaan Asumsi Model Regresi

12 Analisis Residu Pemeriksaan Asumsi Model Regresi

13 Tugas Presentasi Tugas

14 Tugas Presentasi Tugas


Sistem Penilaian:
1. Presensi
2. Tugas rumah
3. Tugas kelas
4. UTS
5. UAS
REGRESI LINIER SEDERHANA

Analisis regresi merupakan metode analisis data yang


memanfaatkan hubungan antara dua variabel atau lebih (Berat
Badan dengan Umur; FEV1 dengan Tinggi Badan; Berat
Badan dengan Umur dan Asupan Gizi).
Y=variabel dependen, tak bebas, tergantung, respon, outcome.
X=variabel independen, bebas, tak tergantung, prediktor.

Tujuan:
•Menyelidiki bentuk/pola hubungan antara Y dengan X.

•Mengestimasi/menduga/meramalkan mean/rata-rata dari Y


populasi berdasarkan X yang diberikan.
Case Summariesa

berat badan umur


1 15. 00 20. 00
2 13. 00 16. 00
3 9. 00 12. 00
4 6. 00 6. 00
5 6. 00 10. 00
6 18. 00 34. 00
7 16. 00 25. 00
8 11. 00 20. 00
9 6. 00 8. 00
10 12. 00 14. 00
11 18. 00 30. 00
12 22. 00 36. 00
13 7. 00 9. 00
14 10. 00 10. 00
15 10. 00 15. 00
16 14. 00 24. 00
17 20. 00 30. 00
Tot al N 17 17
a. Limited to f irst 100 cases .

Scatter Plot
Coeffici entsa

Uns tandardized
Coef f icients
Model B Std. Error t Sig.
1 (Constant) 3. 025 .838 3. 608 .003
umur .507 .040 12. 652 .000
a. Dependent Variable: berat badan

Berat Badan = 3.025 + 0.507 Umur


Untuk seorang anak yang berumur 18 bulan, maka berat anak
tersebut dapat diprediksi sebesar 12.151 kg
y x xy x2 y2
. . . . .
. . . . .
Σy Σx Σxy Σx2 Σy2

n xy   x y
b
n x  ( x)
2 2

a  y  bx

y
 y
x
 x
n n
Pengujian Koefisien Regresi

H0 :   0 H1 :   0
Statistik Uji: b
t 
S (b)
S2
S (b) 

x  n
x)2
2 (

S 2

 y 2
 a  y  b xy
n2

Ho ditolak apabila thitung  t / 2;n  2 atau thitung  t / 2;n  2


Analisis Korelasi
Analisis korelasi merupakan metode analisis data yang
mengukur derajat hubungan antara dua variabel random X
dan Y melalui sebuah bilangan yang disebut koefisien
korelasi r.
n xy   x y
r
[n x 2  ( x) 2 ][n y 2  ( y ) 2 ]

Kuadrat dari koefisien korelasi disebut koefisien determinasi


yang merepresentasikan besarnya proporsi variasi dalam
variabel y yang dijelaskan oleh variabel x dalam model.
Dengan menggunakan pasangan data berat badan dan umur
anak balita, diperoleh nilai koefisien korelasi sebesar 0.956
dan koefisien determinasi sebesar 0.914
Pengujian Koefisien Korelasi

H0 :   0 H1 :   0

Statistik Uji: r n2


t 
1 r2

H0 ditolak apabila: thitung  t / 2; n  2 atau thitung  t / 2; n  2