Resume Wqwqwqperhitungan Regresi Linear Sederhana
Resume Wqwqwqperhitungan Regresi Linear Sederhana
SEDERHANA
Dosen Pengampu:
Lina Mu’awanah, M.Pd.
Disusun oleh
Kelompok 5:
1. Siti Mutimatus Sa’adah (12204173078)
2. Nia Ayu Anggraini (12204173)
3. Sonna Sasmitha Dewanti (12204173259)
TADRIS MATEMATIKA
FAKULTAS TARBIYAH DAN ILMU KEGURUAN
INSTITUT AGAMA ISLAM NEGERI TULUNGAGUNG
2019
A. Metode Kuadrat Terkecil.
Dalam metode penaksiran regresi dapat dilakukan dengan berbagai
metode namun yang akan dibahas disini adalah tentang penaksiran regresi
dengan metode kuadrat terkecil. Keuntungan penggunaan metode kuadrat
terkecil adalah mudah, paling luas, dan populer digunakan dari pada
metode yang lain. Metode kuadrat terkecil ini memiliki sifat Best Linear
Unbiase Estimator (BLUE). Best artinya terbaik, hasil regresi dikatakan
baik jika garis regresi yang dihasilkan guna melakukan estimasi atau
peramalan dari sebaran data menghasilkan error yang terkecil. Linear
berkaitan dengan analisis regresi model OLS berarti variabel-variabel
penduganya hanya berpangkat satu sedangkan OLS dalam parameter
adalah menjelaskan bahwa parameter yang dihasilkan merupakan fungsi
linear dari sampel. Unbiased atau tidak bias, suatu estimator dikatakan
unbiased jika nilai harapan dari estimator b sama dengan nilai yang benar
dari b, dengan kata lain rata-rata b=b, jika tidak maka selisih antara b dan
rata-rata b disebut sebagai bias. Estimator yang efisien dapat ditentukan
jika ketiga kondisi sebelumnya dapat tercapai.
1. Asumsi Dasar Regresi Linear.
Metode kuadrat terkecil atau Ordinary Least Square (OLS)
dikemukakan oleh seorang ilmuwan matematika Jerman bernama Carl
Friedrich Gauss
a. Asumsi 1 𝐸(𝜀𝑖 |𝑋𝑖 ) = 0.
Asumsi ini menyatakan bahwa nilai ekspektasi bersyarat dari
𝜀𝑖 dengan syarat bahwa variabel X sebesar 𝑋𝑖 atau 𝐸(𝜀𝑖 |𝑥𝑖 )
adalah sama dengan nol. Yang digambarkan seperti gambar
dibawah yang menunjukkan beberapa nilai variabel X dan Y,
dimana setiap nilai X tertentu ada nilai Y.
Seperti yang ditunjukkan pada gambar dibawah nilai 𝑋
tertentu misal 𝑋1, 𝑋2, 𝑋3, atau 𝑋4. Terdapat nilai Y yang
berdekatan dengan rata-ratanya atau nilai harapannya, dimana
nilai Y ada yang berada diatas maupun dibawah dari nilai
harapannya. Jarak dari tiap Y terdapat rata-ratanya, untuk nilai 𝑋
yang ke-i kita beri simbol 𝜀𝑖 . Jika menurut asumsi ini maka rata-
rata atau nilai harapan dari 𝜀𝑖 terhadap nilai X atau 𝑋𝑖 harus sama
dengan nol, untuk semua 𝑖 = 1,2,3, … , 𝑛
b. 𝐴𝑠𝑢𝑚𝑠𝑖 2
= 0 ,𝑖 ≠ 𝑗
= 𝜎2
d. Asumsi 4
Yi = a+bXi +ei
Ŷ = a+bXi
∑ ei = ∑(Yi – Ŷ)
2
∑ ei 2 = ∑(Yi – Ŷ)
∑ ei 2 = ∑(Yi – a - b Xi )2
Diturunkan terhadap a :
∂ ∑ ei 2 ∂[∑(Yi – a – b Xi )2 ]
= =0
∂a ∂a
→ 2 ∑(Yi – a – b Xi ) (−1) = 0
→ −2 ∑ Yi + 2na + 2b ∑ Xi = 0
→ 2na + 2 ∑ Yi = 2 b ∑ Xi
→ na + b ∑ Xi = ∑ Yi ......................................(5.1)
Diturunkan terhadap b ∶
∂ ∑ ei 2 ∂[∑(Yi – a – b Xi )2 ]
= =0
∂b ∂b
→ 2 ∑(Yi – a – b Xi ) (−Xi ) = 0
→ −2 ∑ Xi Yi + 2a ∑ Xi + 2b ∑ Xi 2 = 0
→ 2a ∑ Xi + 2b ∑ Xi 2 = 2 ∑ Xi Yi
→ a ∑ Xi + b ∑ Xi 2 = ∑ Xi Yi ...................................(5.2)
∑ Yi na ∑ Xi
∑ Yi = na + b ∑ Xi → = +b
n n n
→ Y = a + bX
∑ Yi ∑ Xi
a = Y − bX , dengan Y = , dan X =
n n
a ∑ Xi + b ∑ Xi 2 = ∑ Xi Yi
∑ Yi ∑ Xi
( −b ) ∑ Xi + b ∑ Xi 2 = ∑ Xi Yi
n n
∑ Xi Yi ∑ Xi 2
−b + b ∑ Xi 2 = ∑ Xi Yi
n n
∑ Xi 2 ∑ Xi Yi
b ∑ Xi 2 − b = ∑ Xi Yi −
n n
∑ Xi 2 ∑ Xi Yi
b (∑ Xi 2 − ) = ∑ Xi Yi −
n n
∑ Xi Yi
∑ Xi Yi −
n
b= ∑ Xi 2
..............................................(5.3)
2
∑ Xi −
n
∑ Xi 2 ∑ Xi Yi
b ∑ Xi 2 − b = ∑ Xi Yi − xn
n n
bn ∑ Xi 2 − b ∑ Xi 2 = n ∑ Xi Yi − ∑ Xi Yi
b(n ∑ Xi 2 − ∑ Xi 2 ) = n ∑ Xi Yi − ∑ Xi Yi
n ∑ Xi Yi −∑ Xi Yi
b= .........................................(5.4)
n ∑ Xi 2 −∑ Xi 2
∑ x i yi
b= ∑ xi 2
Tahun X Y 𝑋2 𝑌2 XY
2010 20 24 400 576 480
2011 25 30 625 900 750
2012 40 48 1600 2304 1920
2013 44 55 1936 3025 2420
2014 48 60 2304 3600 2880
2015 62 75 3844 5625 4650
2016 78 96 6084 9216 7448
2017 83 108 6889 11664 8964
∑𝑋𝑖 ∑𝑌𝑖 ∑𝑋𝑖 2 ∑𝑌𝑖 2 = 36910 ∑𝑋𝑌
= 400 = 496 = 23682 = 29552
X̄ = 50 Ȳ = 62
Pemecahan
Menggunakan Persamaan 5.3
(∑𝑋𝑖 ∑𝑌𝑖 )
∑𝑋𝑖 𝑌𝑖 −
𝑏= 𝑛
(∑𝑋 )2
∑𝑋𝑖 2 − 𝑛𝑖
400 . 496
29552 − 8
𝑏=
(400)2
23682 − 8
4752
𝑏= = 1.2906
3682
Menggunakan Persamaan 5.4
𝑛∑𝑋𝑖 𝑌𝑖 − ∑𝑋𝑖 ∑𝑌𝑖
𝑏=
𝑛∑𝑋𝑖 2 − (∑𝑋𝑖 )2
8(29552) − (400 . 496)
𝑏=
8(23682) − 4002
38016
𝑏= = 1,2906
29456
𝑏 = 1,2906, berarti bahwa kalau biaya iklan naik Rp. 1.000.000, maka konsumsi
rumah tangga bertambah Rp. 1.290.690.
𝑎 = Ȳ − 𝑏X̄
𝑎 = 62 − (1,2906 . 50)
𝑎 = 62 − 64,53
𝑎 = −2.53
Persamaan garis regresinya adalah :
Ŷ = −2,53 + 1.2906𝑋