ANALISIS REGRESI
3
Kurva Data
0
0 2 4 6 8 10 12 14 16 18
Series1
Contoh Data
55
50
Data Bisa diabaikan
45
(data terlalu tinggi dari rata2 data lainnya)
40
35
Axis Title
Trend Line
30 “Linier”
25
20
15
10
5
Data Bisa diabaikan
(data terlalu rendah dari rata2 data lainnya)
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Axis Title
BENTUK –BENTUK ANALISIS REGRESI
1. REGRESI LINIER
yt a b.x
Dalam hal ini :
n. xi . y i xi . y i
b
n. xi ( xi )
2 2
a y b.x
n jumlah data
Yi
_
n
D yi y
2 2
t berdasarkan nilai y rata-rata
i 1
n
D yi yt
2 2
berdasarkan nilai hasil regresi
i 1
X 1 2 3 4 5 6 7 8
Y 19 39 68 106 148 214 288 288
Penyelesaian
Menghitung nilai a dan b
n. xi . y i xi . y i
b
n. xi ( xi )
2
yt a b.x
2
a y b.x
Penyelesaian
_
Table Perhitungan 1197
y 149,63
`No Xi Yi Xi.Yi Xi2 8.
1 1 19 19 1.00
_
36
2 2 39 78 4.00
x 8.
4,5
3 3 68 204 9.00
4 4 116 464 16.00
5 5 165 825 25.00
6 6 214 1284 36.00
7 7 288 2016 49.00
8 8 288 2304 64.00
Ʃ 8 36 1197 7194 204.00
n. xi . y i xi . y i
b
n. xi ( xi ) 2
2
Sehingga
y t a b.x
y t 44,04 43,04.x
_
Menghitung Deviasi Standar 1197
y 149,63
y t 44,04 43,04.x 8.
Tabel hitungan
`No Xi Yi Yt Dt2 D2
1 1 19 -1.00 17062.89 400.000
2 2 39 42.04 12237.89 9.216
3 3 68 85.07 6662.64 291.434
4 4 116 128.11 1130.64 146.583
5 5 165 171.14 236.39 37.735
6 6 214 214.18 4144.14 0.032
7 7 288 257.21 19147.64 947.760
8 8 288 300.25 19147.64 150.063
Σ 79769.88 1982.821
n
D yi yt
n
D yi y
2 2 2 2
t
i 1 i 1
Menghitung Koefisien Korelasi
(Tingkat kesesuaian data awal dengan nilai hasil regresi)
Dt D 2
2
R2 2
Dt
79.769,88 1982,82
R
2
0,975
79.769,88
Gambar Kurva
Contoh soal 1
350
300
0
0 2 4 6 8 10
-50
2. LINIERISASI KURVA TAK LINIER
Ada dua cara untuk melinierisasi kurva tak
linier yaitu
yt a.x b
Jika persamaan tersebut ditransformasi linier bentuk
fungsi logaritma akan menghasilkan bentuk persamaan
sebagai berikut :
Jika dimisalkan ;
p = log y ; B = b
A = log a ; q = log x
p A B.q
Dalam hal ini:
log .xi log . y i
q p
n n
n. qi . pi qi . pi
B
n. qi qi
2
2
A p B.q
n = jumlah data
Contoh soal ( Transformasi Log ) X Y
1 0.2
Tentukanlah persamaan garis 2 1.2
regresi dari pasangan data berikut 3 2.8
4 6
60
5 15
6 22
50
7 38
8 48
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9
1. Hitung parameter p dan q
n. qi . pi qi . pi
B A p B.q
n. qi qi
2 2
Dalam hal ini p = log y
q = log x
Transformasi log
`No Xi Yi qi pi qi.pi qi2
1 1 0.2 0 -0.699 0.000 0.000
2 2 1.2 0.301 0.079 0.024 0.091
3 3 2.8 0.477 0.447 0.213 0.228
4 4 6 0.602 0.778 0.468 0.362
5 5 12 0.699 1.079 0.754 0.489
6 6 22 0.778 1.342 1.045 0.606
7 7 38 0.845 1.580 1.335 0.714
8 8 48 0.903 1.681 1.518 0.816
Σ 36 130.2 4.605 6.288 5.358 3.305
2. Menentukan bentuk persamaan Linier
4.605 n = 8
= = 0.576
8 ΣX = 36
ΣY = 130.2
6.288
= = 0.786 Σq = 4.605
8
Σp = 6.288
Σ q.p = 5.358
B
n. qi . pi qi . pi Σ (q2} = 3.305
n. qi qi
2
2
(Σ q)2 = (4.605)2
8 × 5.358 − 4.605 × 6.288 13.904
𝐵= = = 2.661
8 × 3.305 − 4.6052 5.226
A p B.q p A B.q
𝐴 = 0.786 − 2.661 × 0.576 = −0.746
3. Menghitungan nilai bilangan a dan b
Bentuk persamaan linier hasil transformasi
p A B.q
Dalam hal ini
p = log y ; B = b
A = log a ; q = log x
yt a.x b
4. Menentukan bentuk persamaan non-linier
2.661 = 𝑏 𝒃 = 𝟐. 𝟔𝟔𝟏
yt a.x b
𝒀𝒕 = 𝟎. 𝟏𝟖𝟎 . 𝑿𝟐.𝟔𝟔𝟏
5. Menentukan nilai koefisien korelasi (R2)
n
. 𝑿𝟐.𝟔𝟔𝟏 D yi y
2
𝒀𝒕 = 𝟎. 𝟏𝟖𝟎 t
2
i 1
𝑌𝑖 130.2 n
D 2 yi yt
2
𝑌= = = 16.275
𝑛 8
i 1
`No Xi Yi Yt Dt2 D2
1 1 0.2 0.18 258.406 0.000
2 2 1.2 1.14 227.256 0.004
3 3 2.8 3.34 181.576 0.292
4 4 6 7.18 105.576 1.394
5 5 12 13.00 18.276 1.004
6 6 22 21.12 32.776 0.775
7 7 38 31.83 471.976 38.104
8 8 48 45.40 1006.476 6.742
Σ 130.2 2302.315 48.316
2302.315 − 48.316
𝑅2 =
2302.315
𝑹𝟐 = 𝟎. 𝟗𝟕𝟗
Penggambaran
60
50
40
30
20
10
y = 0.180x2.661
R² = 0.979
0
0 1 2 3 4 5 6 7 8 9
yt a.e b. x
Jika persamaan tersebut ditransformasi linier
bentuk fungsi logaritma natural akan
menghasilkan bentuk persamaan sebagai
berikut :
y a.e b. x
ln . y ln a.e b. x ln y ln a b.x. ln e
Karena ln e = 1 , maka
ln y ln a b.x
Jika dimisalkan ;
p = ln y ; B = b
A = ln a ; q = x
Dt2 D 2
r
Dt2
Contoh soal ( Transformasi Ln ) X Y
0.1 60
Tentukanlah persamaan garis 0.8 70
regresi dari pasangan data berikut 1.5 120
2.3 140
2.9 200
600 3.6 275
4.7 370
500 5.5 545
Kurva Data
400
300
200
100
0
0 1 2 3 4 5 6
n. qi . pi qi . pi
B A p B.q
n. qi qi
2
2
Dalam hal ini p = ln y
q = x
Transformasi ln
No Xi = qi Yi qi2 pi = ln yi qi.pi
A p B.q p A B.q
𝐴 = 5.150 − 0.413 × 2.675 = 4.046
3. Menghitungan nilai bilangan a dan b
Bentuk persamaan linier hasil transformasi
p A B.q
Dalam hal ini
p = ln y ; B = b
A = ln a ; q = x
yt a.e b. x
4. Menentukan bentuk persamaan non-linier
𝐴 = 𝑙𝑛. 𝑎
4.046 = 𝑙𝑛. 𝑎 𝒂 = 𝒆𝟒.𝟎𝟒𝟔 = 𝟓𝟕. 𝟏𝟖𝟏
𝐵=𝑏
0.413 = 𝑏 𝒃 = 𝟎. 𝟒𝟏𝟑
yt a.e b. x
n
D yi y
𝟎.𝟒𝟏𝟑 . 𝑿 2 2
𝒀𝒕 = 𝟓𝟕. 𝟏𝟖𝟏. 𝒆 t
i 1
𝑌𝑖 1780 n
𝑌= = = 222.50
D 2 yi yt
2
𝑛 8
i 1
`No Xi Yi yt Dt2 D2
1 0.1 60 59.59 26406.25 0.168
2 0.8 70 79.55 23256.25 91.185
3 1.5 120 106.19 10506.25 190.627
4 2.3 140 147.73 6806.25 59.820
5 2.9 200 189.24 506.25 115.710
6 3.6 275 252.63 2756.25 500.500
7 4.7 370 397.77 21756.25 771.363
8 5.5 545 553.38 104006.25 70.161
Σ 1780 196000 1799.534
2
196000 − 1799.534
𝑅 =
196000
𝑹𝟐 = 𝟎. 𝟗𝟗𝟎𝟖
Penggambaran
600
500
400
y = 57.181e0.4127x
R² = 0.9908
300
200
100
0
0 1 2 3 4 5 6
y a0 a1 .x a2 .x 2
y a0 a1 .x a2 .x a3 .x
2 3
Sehingga bentuk persamaan polinomial order r dapat
ditulis sebagai berikut :
y a0 a1 .x a2 .x a3 .x .......... . a r .x
2 3 r
Sedangkan jumlah kuadrat dari kesalahan dapat dihitung
n
D yi a0 a1.x a2 .x a3 .x ........... ar .x
2 2 3 r 2
i 1
D 2
n
2 xi yi a0 a1 .x a2 .x 2 a3 .x 3 ........... ar .x r 0
r
ar i 1
Jika dimatrikskan akan berbentuk sbb :
n xi xi , , xi a 0 y i
2 r
r 1
a x .y
xi xi 2
xi . . x i 1 i i
3
2 r 2
xi . y i
2
xi xi xi . . xi a 2
3 4
, . . .
, . . .
x r x r 1 r 2 r r
r
i i xi . . xi ar xi . yi
n xi 1 xi 2 a 0 y i
1 3
xi xi xi a1 xi . yi
2
x 2 x 3 x 4 a x 2 . y
i i i 2 i i
yt a0 a1 .x a2 .x 2
4. REGRESI LINIER DENGAN BANYAK VARIABEL
Secara umum persamaan regresi dengan m variabel ( m =
jumlah variabel ) mempunyai bentuk
y a0 a1.x1 a2 .x2 ...... am .xm
dimana untuk nilai a0, a1, a2 sampai am dapat dihitung dari
sistem persamaan berikut
n
x1,i x 2 ,i ...... xm ,i
a0
a i
y
x1,i x1,i x1,i. x2,i ..... 1,i. m,i
x x
2
1 x1,i. yi .
a2 x y
x2,i x2,i. x1,i 2 ,i x x . 2 ,i . i
2
x ........ 2 ,i . m , i
*
. . . . .
.
. . . . . .
x xm,i. yi
m,i xm,i. x1,i m,i. 2,i m,i
2
x x x a m
Dalam hal ini n adalah jumlah data
# REGRESI LINIER BERGANDA ( DUA VARIABEL )
y a0 a1 .x1 a2 .x2
Dengan menurunkan persamaan kuadrat dari kesalahan
terhadap tiap-tiap koefisien dari polinomialnya ( seperti
yang dilakukan pada pasal sebelumnya ), maka akan
diperoleh suatu persamaan dalam bentuk matriks seperti
dibawah ini
n x1 x2 a0 yi
x x 2 x .x a x . y
1 1 1 2 1 1