INISIASI 3

PEMERIKSAAN MODEL REGRESI

 TUJUAN INSTRUKSIONAL KHUSUS

Setelah mempelajari materi ini diharapkan mahasiswa

mampu:
1. melakukan pemeriksaan asumsi normalitas;
2. melakukan pemeriksaan asumsi kehomogenan varian;
3. melakukan pemeriksaan asumsi independensi;
4. Menentukan ukuran kekurangsesuaian model regresi.
 ASUMSI-ASUMSI REGRESI

Untuk model regresi

Y  β 0  β1x  ε

Ada 3 asumsi mengenai 𝜀 (sesatan acak/error) yang

harus dipenuhi :
1.Error berdistribusi normal
2.Varian eror konstan (homogenitas varian)
3.Error antar observasi saling independen
 ASUMSI-ASUMSI REGRESI
Model regresi garis lurus Y  β 0  β1x  ε
Untuk data sampel i=1,..,n, model regresi garis lurus
tersebut menjadi : y  b  b x  e
i 0 1 i

Persamaan dugaan :
ŷ i  b 0  b1x
Sisaan

Sehingga, sisaan dapat dihitung dengan rumus:

 ASUMSI NORMALITAS
Asumsi normalitas sisaan dapat diperiksa dengan menggunakan plot titik
atau histogram dari sisaan. Jika plot titik atau histogram membentuk kurva
normal, maka asumsi normalitas sisaan dianggap terpenuhi.

Gambar plot sisaan

terlihat membentuk
kurva normal.

Sisaan

Gambar plot sisaan terlihat

membentuk kurva normal. Pencilan
Namun ada satu data yang
menjadi pencilan.

Pencilan Sisaan
membutuhkan
perhatian lebih serius.
 ASUMSI HOMOGENITAS VARIAN
Asumsi homogenitas varian dapat diperiksa melalui plot sisaan (𝑒) dengan
nilai 𝑦. Jika titik-titik data tersebar secara random disekitar 0, maka dapat
dikatakan bahwa asumsi homogenitas varian terpenuhi.

Gambar No 1
Terpenuhi asumsi
0 homogenitas
varian.

Gambar No 2, d,
dan 4 tidak
terpenuhi asumsi
0 homogenitas
varian.
 ASUMSI INDEPENDENSI
Asumsi independensi antar observasi dapat diperiksa dengan membentuk
plot titik antara sisaan dengan urutan observasi. Jika titik-titik data
menyebar secara random atau tidak membentuk pola tertentu maka
dapat dikatakan bahwa asusmsi independensi terpenuhi.

S Terlihat titik-titik data

i
menunjukkan pola sistematik
s
a
(tidak random). Nilai-nilai
Urutan
a yang tinggi cenderung diikuti
observasi
n oleh nilai-nilai yang rendah. Ini
menunjukkan adanya korelasi
Grafik sisaan vs urutan observasi negatif. Sehingga dapat
dicurigai adanya pelanggaran
asumsi independensi.
 UJI KEKURANGSESUAIAN

Statistik Uji Penduga koefisien

kemiringan pada
persamaan regresi

Jika 𝐹 > 𝐹(𝛼, 𝑑𝑏 = 𝑘 − 2 𝑛 − 𝑘 ) maka

berarti bahwa kekurangsesuaian untuk
model garis lurus signifikan. Sehingga, harus
dicari model alternatif untuk memodelkan
hubungan antara kedua variabel yang
S2, S3, .., Sk dihitung dengan
sedang dikaji. formula yang sama dg S1
 UJI KEKURANGSESUAIAN
Contoh 3.1
Empat tingkat variabel independen 𝑥 diikutkan dalam suatu percobaan,
beberapa diantaranya dengan observasi replikasi dalam 𝑦 sehingga
memberikan 9 titik-titik data seperti dalam tabel berikut :
x y y bar JK db
3 5 4 7 5,333 4,667 2
4 8 12 10 8 1
6 14 20 22 18,667 34,667 2
7 23 23 0 0
jumlah 47,333 5

Hitunglah ukuran ketidaksesuan berdasarkan data tersebut.

Lalu simpulkan dengan menggunakan taraf signifikansi 5%.
 UJI KEKURANGSESUAIAN
Jawaban Contoh 3.1

Menggunakan rumus-rumus yang telah kita pelajari untuk menaksir

persamaan regresi garis lurus dari 9 pasang nilai (x, y), kita peroleh:
𝛽 = 4,417
𝛼 = −7,833
𝑆𝑦𝑦 = 437,556
𝐽𝐾𝑆 = 47,417 dengan 𝑑𝑏 = 9 − 2 = 7
𝐽𝐾𝑆𝑘𝑠 = 47,417 − 47,333 = 0,083 dengan
Jadi, ukuran untuk kekurangsesuaian adalah
0,083
2
𝐹= 47,333 = 0,004 dengan 𝑑𝑏 = (2; 5) dimana 𝐹(0,05;2;5)=5,78.
5
Karena nilai 𝐹 < 𝐹(0,05;2;5), dapat disimpulkan bahwa model telah sesuai.
Jangan lupa selalu berdoa sebelum
dan sesudah belajar.