Anda di halaman 1dari 7

REGRESI NON LINEAR SEDERHANA

STATISTIKA PENDIDIKAN MATEMATIKA

Dosen Pengampu: Dra. Endang Retno Winarti, M.Pd

Disusun oleh:
Kelompok 6
1. Akhmad Faid Murtadlo (4101415012)
2. Devy Kurniawati (4101415024)
3. Laela Sih Harti (4101415043)
4. Isnaeni Umi Sakinah (4101415077)
5. Azizah Galuh P. (4101415120)

Rombel 03

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2018
MODEL REGRESI NON LINEAR SEDERHANA

A. Model Parabola Kuadratik

B. Model Parabola Kubik

C. Model Eksponen
Model eksponen adalah salah satu model yang juga banyak digunakan
apabila situasi tidak memungkinkan model linear atau polinom. Perkiraan untuk
modelini , yang persamaannya adalah :

𝑌̂ = 𝑎𝑏 𝑥
ternyata dapat dikembalikan kepada model linear apabila diambil logaritmanya.
Dalam logaritma persamaannya menjadi :
log 𝑌̂ = log 𝑎 + (𝑙𝑜𝑔𝑏)𝑋
̂ = 𝑙𝑜𝑔𝑌̂, 𝑎′ = log 𝑎 dan 𝑏 ′ = 𝑙𝑜𝑔𝑏, maka diperoleh model
Apabila diambil 𝑌′
𝑌̂ ′ = 𝑎′ + 𝑏′𝑋 (model linear)

Dengan menggunakan rumus koefisien regresi linear sederhana, 𝑎′ dan 𝑏′


dapat dihitung , dan selanjutnya 𝑎 dan 𝑏 dapat ditentukan.Dalam bentuk logaritma,
𝑎 dan 𝑏 dapat dicari dengan rumus:
∑ 𝑙𝑜𝑔𝑌𝑖 ∑ 𝑋𝑖
𝑙𝑜𝑔𝑎 = − ((log 𝑏) ( ))
𝑛 𝑛

𝑛(∑ 𝑋𝑖 𝑙𝑜𝑔𝑌𝑖 ) − (∑ 𝑋𝑖 )( ∑ 𝑙𝑜𝑔𝑌𝑖 )


𝑙𝑜𝑔𝑏 =
𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2

Model eksponen tersebut sering pula disebut model pertumbuhan karena


sering banyak digunakan dalam menganaliss data sebagai hasil pengamatan
mengenai gejala yang sifatnya tumbuh. Dalam hal ini, modelnya diubah sedikitdan
persamaannya menjadi: 𝑌̂ = 𝑎𝑒 𝑏𝑥 , dengan 𝑒 = bilangan pokok logaritma natural,
yang nilainya hingga empat decimal adalah 2,7183. Penyelesaian model ini
dilakukan dengan mengambil logaritma natural, sehingga menjadi:
ln 𝑌̂ = ln 𝑎 + 𝑏𝑋
Logaritma biasa juga dapat digunakan, tetapi persamaan regresinya menjadi:
log 𝑌̂ = log 𝑎 + 0,4343 𝑏 𝑋
Contoh :
Data berikut adalah hasil produksi home industri krupuk rambak di Tulungagung
(kg) dan lama waktu kerja (jam) pada tiap bulannya mulai Januari sampai
Desember 2011.
Lama Waktu Kerja (jam) Hasil Produksi (kg)
Bulan ke-
X Y
1 2000 750
2 2100 780
3 2175 800
4 2250 820
5 2350 850
6 2400 880
7 2475 900
8 2575 930
9 2625 970
10 2700 1000
11 2850 1050
12 3000 1180
Pendugaan Parameter Model Regresi
Pengujian ini dengan menggunakan Regresi Non Linier Model Eksponen sehingga
dalam pengerjaannya, data akan ditransformasikan dalam bentuk linier. Dengan
mengubah 𝑦 menjadi 𝑙𝑜𝑔 𝑦, diperoleh data sebagai berikut:

Lama Waktu Kerja


Bulan Hasil Produksi (kg)
(jam) log Y
ke- Y
X
1 2000 750 2,8751
2 2100 780 2,8921
3 2175 800 2,9031
4 2250 820 2,9138
5 2350 850 2,9294
6 2400 880 2,9445
7 2475 900 2,9542
8 2575 930 2,9685
9 2625 970 2,9868
10 2700 1000 3,0000
11 2850 1050 3,0212
12 3000 1180 3,0719

ln 𝑌̂ = ln 𝑎 + 𝑏𝑋

𝑛(∑ 𝑋𝑖 𝑙𝑜𝑔𝑌𝑖 ) − (∑ 𝑋𝑖 )( ∑ 𝑙𝑜𝑔𝑌𝑖 )


𝑙𝑜𝑔𝑏 =
𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2
12(87366,62) − (29500)(35,46)
=
12(73545000) − (870250000)
= 0,000189539

∑ 𝑙𝑜𝑔𝑌𝑖 ∑ 𝑋𝑖
𝑙𝑜𝑔𝑎 = − ((log 𝑏) ( ))
𝑛 𝑛

35,46 29500
= − ((0,000189539) ( )) = 2,48905
12 12
Karena nilai log 𝑏 = 0,000189539 dan nilai log 𝑎 = 2,48905 maka
Nilai 𝑎 = 102,48905 = 308,354 dan 𝑏 = 100,000189539 = 1,0004
Jadi persamaannya adalah 𝑌̂ = (308,354)(1,0004)𝑥

Grafik
Pengujian Model Regresi
Hipotesis
𝐻0 : model yang diperoleh tidak sgnifikan (tidak bermakna)
𝐻1 : modek yang diperoleh signifikan (bermakna)

Kriteria pengujian :
Terima 𝐻0 jika 𝐹𝑡𝑎𝑏𝑒𝑙 > 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 , selainnya tolak 𝐻0

Dengan menggunakan uji F :

ANOVA

Sum of Squares df Mean Square F Sig.

Regression 166611,398 1 166611,398 315,536 ,000


Residual 5280,269 10 528,027
Total 171891,667 11

The independent variable is Lama_Waktu_Bekerja.

Dari hasil ANOVA diperoleh F hitung = 315,536 dan dari tabel dengan 𝛼 = 0,05
dan derajat bebas (1,10) diperoleh F tabel = 4,96. Karena F hitung lebih besar dari
F tabel maka menolak 𝐻0 . Kesimpulannya model yang diperoleh yaitu model
eksponen signifikan artinya bermakna.
Pengujian Koefisien Regresi
Hipotesis
𝐻0 : 𝑏1 = 0 (tidak ada pengaruh lama waktu kerja terhadap hasil produksi)
𝐻1 : 𝑏1 ≠ 0 (ada pengaruh lama waktu kerja terhadap hasil produksi)

Kriteria pengujian :
Terima 𝐻0 jika 𝑠𝑖𝑔.(Constant) > 𝑎 = 0,05, selainnya tolak 𝐻0

Coefficients

Standardized
Unstandardized Coefficients Coefficients

B Std. Error Beta t Sig.

Lama_Waktu_Bekerja ,000 ,000 ,994 28,071 ,000


(Constant) 310,611 11,875 26,156 ,000

The dependent variable is ln(Hasil_Produksi).

Dari hasil output coefficients diperoleh nilai sig. Pada Constant sebesar
0,000 dan nilai sig. pada variable lama waktu bekerja sebesar 0,000. Karena nilai
sig, (constant) = 0,000 < 𝑎 = 0,005 maka 𝐻0 ditolak. Jadi ada pengaruh lama
waktu kerja terhadap hasil produksi (koefisien regresi signifikan).
Karena asumsi model eksponen dan signifikansi koefidien regresi telah
dipenuhi, maka persamaan regresi model eksponen tersebut dapat digunakan. 𝑌̂ =
(308,354)(1,0004)𝑥 .

D. Model Geometrik

E. Model Logistik

F. Model Hiperbola