14 Analisis Data Dasar - Analisis Regesi PDF
14 Analisis Data Dasar - Analisis Regesi PDF
Y = β0 + β1X
dimana:
• Y adalah variabel terikat (dependent variable)
• X adalah variabel bebas (independent variable)
• β0 disebut intercept – nilai Y ketika X = 0
• β1 disebut slope – perubahan nilai Y (bertambah
atau berkurang) jika X bertambah 1 satuan
REGRESI LINIER SEDERHANA
Model regresi linier sederhana adalah:
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀
dimana:
• 𝛽0 adalah konstanta
• 𝛽1 adalah koefisien arah bagi 𝑋
• 𝜀 adalah eror yang berdistribusi 𝑁(0, 𝜎 2 )
Yi β0 β1Xi ε i
Komponen Linier Komponen Eror
MODEL REGRESI LINIER SEDERHANA
Y Yi β0 β1Xi ε i
Observed Value
of Y for Xi
εi Slope = β1
Predicted Value Random Error
of Y for Xi
for this Xi value
Intercept = β0
Xi X
PERSAMAAN REGRESI LINIER SEDERHANA
Parameter populasi: intercept, slope, dan error
ditaksir dari data.
Taksiran/ Taksiran Taksiran slope
prediksi nilai intercept regresi
observasi y regresi
ke-i
Nilai x untuk
(X i X)(Yi Y)
Cov(X, Y)
b1 i 1
n
s 2X
i
(X
i 1
X ) 2
b 0 Y b1X
Garis regresi selalu melalui titik (𝑥, 𝑦)
ASUMSI MODEL REGRESI LINIER
• Y adalah sebuah fungsi linier dari X, ditambah
random error
• Eror εi adalah saling bebas dangan nilai-nilai x
• Eror adalah variabel acak dengan rata-rata 0 dan
variansi konstan σ2
350
300 219 1550
250
200 405 2350
150
100 324 2450
50
0 319 1425
0 1000 2000 3000
Square Feet 255 1700
CONTOH
Terlihat pada grafik bahwa terdapat 450
𝐻𝑎 : 𝛽1 ≠ 0
(Luas Tanah mempengaruhi Harga
Rumah)
TAMPILAN SOFTWARE
Regression Statistics
Multiple R 0.76211 The regression equation is:
R Square 0.58082
Adjusted R Square 0.52842 house price 98.24833 0.10977 (square feet)
Standard Error 41.33032
Observations 10
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000
350 Slope
300
250
= 0.10977
200
150
100
50
Intercept 0
= 98.248 0 500 1000 1500 2000 2500 3000
Square Feet
t8,.025 = 2.3060
Putusan: Tolak 𝑯𝟎
Tolak H0 Jangan Tolak H0 Tolak H0
Signifikan bahwa Luas
-tn-2,α/2 0 tn-2,α/2 Tanah mempengarui
-2.3060 2.3060 3.329 Harga Rumah
INFERENSI SLOPE
P-value
Coefficients Standard Error t Stat P-value
H0: β1 = 0
Intercept 98.24833 58.03348 1.69296 0.12892
H1: β1 0 Square Feet 0.10977 0.03297 3.32938 0.01039
Y β0 β1X1 β2 X2 βk Xk ε
PERSAMAAN REGRESI LINIER DARAB
yˆ i b0 b1x1i b2 x 2i bk x ki
LATIHAN: Lakukan Interpretasi dari Tampilan berikut.
Regression Statistics
Multiple R 0.72213
R Square 0.52148
Adjusted R Square 0.44172
Standard Error 47.46341 Sales 306.526 - 24.975(Price) 74.131(Advertising)
Observations 15
ANOVA df SS MS F Significance F
Regression 2 29460.027 14730.013 6.53861 0.01201
Residual 12 27033.306 2252.776
Total 14 56493.333
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000