3

‐3‐
– DATA BERPASANGAN & PERSAMAAN
GARIS LURUS
1. GARIS RESISTEN
2. PROSES ITERASI DALAM GARIS RESISTEN

D10F-3003 / 4 (3-1) SKS

ADE (Analisis Data Eksplorasi)

Tim Teaching ADE
 DATA BERPASANGAN &
PERSAMAAN GARIS LURUS

• Berbagai metode telah dikembangkan untuk

menjelaskan hubungan antara dua peubah Y
dan X melalui persamaan garis lurus:

• Persoalan ini muncul bila kita memiliki data

berpasangan (xi,yi) yang merupakan hasil
pengamatan terhadap dua ciri sekaligus.
• Perubahan yang terjadi pada Y sehubungan
dengan berubahnya nilai X menjadi inti
persoalan
l d l
dalam b
banyak k masalah
l h penelitian.
liti

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 2

 DATA BERPASANGAN &
PERSAMAAN GARIS LURUS

ƒ Untuk X yang bersifat kategori (nominal atau

ordinal) perbedaan karakteristik Y dapat
ordinal),
dilihat melalui box-plot.
ƒ Untuk X berupa hasil pengukuran dan bersifat
kontinu, kita dapat merumuskan pola
hubungan Y dan X secara lebih kuantitatif
dalam bentuk persamaan garis,
garis sehingga
dapat dilihat besarnya perubahan Y untuk
setiap perubahan nilai X. Bahkan dengan
adanya persamaan garis dapat dilakukan
interpolasi atau menduga nilai Y untuk X
tertentu yang tidak diamati tetapi masih
berada dalam selang X yang diteliti.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 3

 DATA BERPASANGAN &
PERSAMAAN GARIS LURUS

• Langkah awal dalam penelusuran pola

hubungan Y dengan X adalah melalui scatter
plot (xi,yi). Beberapa kemungkinan tampilan
yang
y g nampak:
p
– Titik-titik memencar di sekitar garis lurus
tertentu,
– Titik-titik berpencar mengikuti suatu kurva,
– Titik-titik berpencar tak beraturan
– Sebagian besar dari titik-titik
titik titik membentuk pola
garis atau kurva, dengan beberapa
penyimpangan dari pola utamanya.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 4

 DATA BERPASANGAN &
PERSAMAAN GARIS LURUS

• Jika berdasarkan pencaran titik terlihat adanya suatu

pola garis lurus tertentu,
tertentu pertanyaan yang muncul
adalah:
“APAKAH BENAR POLA TERSEBUT MERUPAKAN
GARIS LURUS?”
• Untuk memeriksa apakah pola tersebut lurus atau
lengkung, diperlukan
i paling
i sedikit
i i tiga
i titik
i i yang
dapat mewakili seluruh titik-titik yang ada. Dengan
menghubungkan ketiga titik tersebut dengan dua
penggalan garis, masing-masing menghubungkan
dua titik yang berdekatan, pola garis lurus itu dapat
diperiksa.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 5

 DATA BERPASANGAN &
PERSAMAAN GARIS LURUS

• Pemeriksaan:
– Jika rasio koefisien b kedua penggalan garis tersebut,
tersebut
sangat jauh dari nilai 1, maka hal tsb. menunjukkan
adanya pola lengkung.
– Jika semua titik-titik (xi,yyi) mengumpul di sekitar garis
lurus, maka perhitungan koefisien a dan b dapat
dilakukan dengan “Metode Kuadrat Terkecil” (Draper
dan Smith, 1981) yang merupakan metode baku
dalam analisis regresi
– Teknik eksplorasi data sangat berguna sebagai
pendahulu bagi analisis regresi terutama dalam
keadaan beberapa pengamatan berada di luar pola
utamanya atau kelurusannya tidak terlalu jelas terlihat
di dalam scatter plot nya.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 6

 GARIS RESISTEN

• Pembahasan pola hubungan antara Y dan X

disini, lebih mentikberatkan pada bentuk dan arti
hubungan itu sendiri.
• Prosedur perhitungan yang ditempuh adalah
sbb. :
1. Urutkan data (xi,yi) menurut besarnya nilai X.
2. Bagilah kumpulan pasangan (xi,yi) yang telah
diurutkan menjadi tiga bagian yang kurang
lebih sama banyaknya,
banyaknya sehingga membentuk
kelompok B (bawah), T (tengah) dan A (atas).
Aturan sederhana untuk pembagiannya
adalah sbb:

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 7

 GARIS RESISTEN
Aturan pembagian 1/3 data:
• Pertigaan atas dan bawah masing-masing harus
mengandung paling banyak sepertiga dari seluruh
titik.
• Pertigaan atas dan bawah masing-masing
masing masing harus
mempunyai rentang kurang dari setengah rentang
keseluruhan X.
• Bila
Bil ada d beberapa
b b titik yang sama harganya,
h maka
k
titik-titik tersebut harus dimasukkan ke dalam
kelompok yang sama.
• Selama
S l masih
ih memenuhi hi ketiga
k ti aturan
t di atas,
t
masukkan sebanyak mungkin titik-titik pada pertigaan
atas dan bawah (karena kedua bagian ini merupakan
b i
bagian t
terpenting).
ti )

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 8

 GARIS RESISTEN
3. Carilah titik yang mewakili setiap kelompok (gunakan Me),
sehingga
gg nilai Me X dan Me Y dari masing-masingg g
kelompok sebagai koordinat titik-titik tersebut, yaitu :
(xB,yB) , (xT,yT) dan (xA,yA). Titik-titik ini belum tentu berupa
titik pengamatan, karena penentuan median X dan Y
dilakukan secara terpisah.
terpisah
4. Hitung koefisien b berdasarkan dua titik yang mewakili
bagian A dan B, sehingga mencerminkan rentang nilai X
yang paling besar,
besar melalui:

5. Hitung koefisien a, sehingga diharapkan garis tersebut

melalui titik (xT,yT), yaitu melalui perumusan sbb:

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 9

 GARIS RESISTEN
• Akan tetapi untuk menghindari nila a terlalu dipengaruhi oleh
nilai pengamatan dalam kelompok T, maka digunakan ketiga
titik sebagai patokan, dan nilai a ditentukan sebagai rata-rata
dari ketiganya, sehingga didapat :
aB = y B – b xB
aT = y T – b x T
aA = yA – b xA,
• Selanjutnya menghasilkan :
a = (aB + aT + aA) / 3
• Adapun persamaan taksiran regresinya adalah :
Ŷ = a + bX
• Persamaan garis yang didapat dengan cara di atas, disebut
GARIS RESISTEN (Tukey,
(Tukey 1977).
1977)

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 10

 CONTOH

Data berikut menunjukkan Berat Badan (kg) dan

Lingkar Dada (cm) kerbau jantan yang tidak dikebiri
pada saat gigi seri belum ada,
ada yang telah diteliti oleh
Putra (1985) dalam tesis S2 di Fak. Pasca Sarjana IPB.
Data dalam Tabel 1. ini telah disusun berdasarkan
Lingkar Dada, sehingga membentuk tiga kelompok,
yaitu kelompok B (bawah), T (tengah) dan A (atas).

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 11

 CONTOH
Tabel 1. Berat Badan (Y) dan Lingkar Dada (X) kerbau jantan yang
tidak dikebiri (gigi seri belum ada)
B T A
Kelompok
X Y X Y X Y
149 245 161 260 169 350
150 200 161 275 169 335
153 200 162 295 170 345
154 200 163 310 170 335
155 265 164 280 170 340
156 220 164 330 170 320
156 265 165 330 172 345
156 225 166 300 173 350
157 265 167 325 175 325
158 270 168 295 175 340
159 255 168 305 176 365
160 275 168 300 176 345
160 305 168 315 177 360
160 290
Median X 156 165 172
Median Y 260 300 345

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 12

 PLOT DATA TABEL 1.
400

300

200
BADAN
BERAT B

100
140 150 160 170 180

LINGKAR DADA
ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 13
 INTERPRETASI

• Berdasarkan p
pencaran titik p
pada Gambar 1,,
nampak adanya suatu pola garis lurus tertentu

• Dengan tahapan untuk memperoleh garis resisten,

didapat koefisien b adalah sbb. :
b = (345 – 260) / (172 – 156) = 5,3
a = [ (260+300+345) – 5,3 (156+165+172) ] / 3 = ­569,3

• Sehingga persamaan garis resisten yang diperoleh

adalah sbb:

Ŷ = ­569,3 + 5,3 X

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 14

 GARIS RESISTEN

Untuk pemeriksaan kelengkungan garis, dapat dilihat

dari rasio kelengkungan dua penggalan garis berikut:
• Penggalan garis sebelah kiri (yang menghubungkan
titik B dengan T) adalah :
bB = 40/9 = 4,4
• Penggalan
gg garis sebelah kanan (y
g (yang
g
menghubungkan titik T dengan A) adalah :
bA = 45/7 = 6,4
• Rasio kelengkungan = bA/bB = 1,45 . Nilai rasio ini tidak
memberikan indikasi cukup kuat akan adanya
g g
kelengkungan, hal ini dapat
p p pula dilihat dari scatter
plot pada Gambar 1.
ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 15
 GARIS RESISTEN

• Selanjutnya masihkah perlu untuk memeriksa

ketepatan model tersebut terhadap data yang
dimiliki? Proses ini dapat pula diartikan sebagai
cara ppenguraian
g komponen
p data menjadi
j :

Data = dugaan + residu , atau

Yi = (a + bXi) + (Yi – a – bXi)

• Ketepatan model disini sangat dipengaruhi oleh

asumsi keaditifan dan komponen taksirannya
merupakan persamaan garis lurus.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 16

 GARIS RESISTEN

• Komponen residu (Y – Ŷ) dapat digunakan untuk memeriksa

berbagai ketidakcocokan antara data dengan model,
melalui antara lain :

1. Plot antara sisa dengan X atau dengan nilai taksiran,

untuk
t k memeriksa
ik apakah
k h keseluruhan
k l h k
keragaman Y telah
t l h
dapat diterangkan oleh keragaman X, atau untuk
memeriksa apakah rentang penyebaran residu
dipengaruhi oleh besarnya nilai dugaan? (Keheterogenan
Varians).
2. Diagram dahan-daun atau box-plot dari nilai residu dapat
digunakan untuk memeriksa kesimetrikan bentuk
sebarannya, yang akan diperlukan dalam tahap
konfirmasi model atau uji hipotesis dalam analisis statistika
parametrik.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 17

 GARIS RESISTEN
• Beberapa hal yang perlu diperhatikan dalam plot antara
residu dengan nilai taksiran atau dengan peubah X
adalah :
1. Adanya beberapa nilai residu yang relatif besar
dibandingkan dengan yang lainnya.
lainnya
2. Adanya bentuk kurva antara residu terhadap taksiran Y
atau terhadap X, dan
3 Adanya
3. Ad k
kecenderungan
d b h
bahwa residu
id membesar
b
sehubungan dengan nilai taksiran atau dengan peubah
X.
• Jika model yang dipakai sudah tepat, maka pola
keragaman Y dapat diterangkan sepenuhnya oleh
keragaman
g X dan sisanya
y sudah tidak memiliki p
pola
hubungan lagi dengan X.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 18

PROSES ITERASI DLM GARIS RESISTEN

• Persamaan garis resisten yang didapat melalui

prosedur di atas, memiliki kelemahan dalam
penaksiran koefisien a dan b. Kedua nilai ini sering
kali bukan taksiran yang paling cocok. cocok
Kekurangan ini dapat diperbaiki dengan
melakukan iterasi.

• Proses iterasi melibatkan nilai residu, karena

dalam komponen
p ini masih tersisa informasi y
yang
g
dapat digunakan untuk memperbaiki nilai taksiran
a dan b.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 19

PROSES ITERASI DLM GARIS RESISTEN

• Proses iterasi dapat dilakukan sebagai berikut :

Tahap pertama :
¾ Setelah mendapatkan nilai residu atau ri = Yi – Ŷi , susun
pasangan data baru berupa (xi,ri) dan kembali lakukan
penaksiran garis. Jika nilai b nya nol, atau relative kecil sekali,
maka
k proses ini
i i selesai,
l i artinya
ti nilai
il i taksiran
t k i a dan
d b pada
d tahap
t h
pertama sudah cukup tepat.
¾ Dalam prakteknya sering ditemukan bahwa taksiran a dan b yang
berasal dari pasangan (xi,rri) tidak sama dengan nol,
nol meskipun
kemungkinan besar memiliki nilai yang lebih kecil dari nilai
taksiran sebelumnya.
y p
¾ Seandainya pada tahapp awal didapat
p p penaksir a1 + b1 X, dengan
g
residu r(1) = Y – a1 – b1 X. Berdasarkan pasangan baru (x,r(1))
kemudian didapatkan a1’ dan b1’ , sehingga nilai taksiran yang
sudah diperbaiki menjadi :

a2 = a1 + a1’ dan b2 = b1 + b1’

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 20

PROSES ITERASI DLM GARIS RESISTEN
• Tahap kedua :
¾ Didapat nilai taksiran beserta residunya, sbb. :

Ŷ(2) = a2 + b2 X dan r(2) = Y – Ŷ(2)

yang menghasilkan pasangan baru (x, ( r(2)) yang dapat

dipergunakan untuk proses iterasi selanjutnya.

¾ Akan
Ak t t i untuk
tetapi t k beberapa
b b k
kasus t t t perubahan
tertentu, b h nilai
il i
tersebut dapat berjalan sangat lambat sekali, atau
berfluktuasi karena nilai b’ selalu berganti tanda dengan
besaran yang kurang lebih sama.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 21

PROSES ITERASI DLM GARIS RESISTEN

¾ Untuk mengatasi
g hal tersebut, diperlukan
p penyesuaian,
p y
yaitu setelah mendapatkan b2’ , maka :

b3 = b2 – b2’ [ ( b2 – b1 ) / ( b2’ – b1’ ) ]

atau secara umum

bn+1 = bn – bn’ [ ( bn – bn-1 ) / ( bn’ – bn-1’ ) ]

¾ Proses iterasi ini dapat dihentikan jika nilai bn+1’ sudah

cukup kecil. Sebagai patokan, jika nilainya sudah lebih
kecil dari 1% kali nilai b awal.

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 22

PROSES ITERASI DLM GARIS RESISTEN

• Lihat contoh yang lalu :

• Tahap I :
Ŷ = ­569,3 + 5,3 X
• Tahap II :
– Pasangkan (x,r(1) sehingga didapat :

X r(1)
156 ­0,9
165 ­9,0
172 2,4

– b1’ = 3,3 / 16  =  0,20 
– b2 = 5,3 + 0,2  =  5,5

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 23

PROSES ITERASI DLM GARIS RESISTEN

• Tahap III :
r(2) = Y – ((­569,3 + 5,5 X)
569,3   5,5 X)
sehingga didapat pasangan:

X r(2)
156 ­32,7
165 ­41,2
172 ­32,2
32 2

– b2’ = 0,5 / 16  =  0,03    (sudah < 1 % dari b awal )

– b3 = b2 – b2’ [ ( b2 – b1 ) / ( b2’ – b1’ ) ]
=  5,5 + 0,03 =  5,53

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 24

PROSES ITERASI DLM GARIS RESISTEN
• Tahap IV :
r(3) = Y – (­569,3 + 5,53 X)
sehingga
hi did
didapat
t pasangan:

X r(2)
156 ‐32,7
165 ‐41,2
172 ‐32 2
‐32,2

Sehingga didapat model :

Ŷ = ­569,3 + 5,53 X +  (­37,47 – 46,03  ­ 37,39) / 3
Atau :
Ŷ = ­609,59 + 5,53 X
  609 59 + 5 53 X

ADE 3: Data Berpasangan dan Persamaan Garis Lurus Page 25