ESTIMASI KURVA
9:31 PM ariyoso
Model regresi linier yang kita ketahui dalam pemodelan variabel dependen (Y) dengan
beberapa variabel independen (X) adalah seperti berikut ;
Kalau kita plotkan grafik dalam bentuk scatterplot bisa kita lihat pola sebaran data
variabel independen mengikuti garis linier terhadap variabel dependen,
Kita lihat plot residual untuk regresi linier, tersebar secara merata, ini merupakan asumsi
dari regresi linier,
Y =𝑓(X1, β1) + 𝜀
dimana :
Y = variabel dependen yang akan digunakan untuk menghitung pemodelan
f = fungsi dari model regresi
X1 = vektor variabel bebas (independen)
β1 = vektor parameter yang belum diketahui
𝜀 = residual atau error
Michaelis-Menten
Model Logistik
Regresi non linier menggunakan estimator model kuadrat terkecil (least square) non linier
untuk membuat estimasi terhadap parameter. Seperti halnya estimator model kuadrat
terkecil regresi linier, estimator NLS berguna untuk meminimalkan jumlah sum of squared
errors (SSE). Formulanya seperti berikut ini :
dimana :
X* adalah matriks turunan parsial dari model terkait dengan parameter
Parameternya dihitung secara terus menerus dengan persamaan tersebut hingga mendapatkan
nilai SSE yang paling kecil. Prosedur ini dikenal sebagai iterasi.
Bagaimana menentukan model non linier untuk data yang kita miliki, kita akan lakukan
prosedur curve fit pada SPSS versi 25, bagi yang belum punya softwarenya bisa beli disini.
Kita memiliki data efek waktu pemasangan iklan terhadap penjualan produk kosmetik "BELLA
LUNA", waktu pemasangan iklan dinyatakan dalam bulan, sedangkan variabel bebas kita
gunakan nilai penjualan sesaat setelah iklan berhenti ditayangkan atau masih ditayangkan.
Nilai negatif (-) mengindikasikan bulan sesudah iklan ditayangkan terhadap waktu penjualan,
nilai 0 mengindikasikan waktu penayangan iklan pada bulan yang sama dengan penjualan,
sedangkan nilai positif (+) mengindikasikan waktu iklan masih tayang setelah penjualan. Nilai
penjualan dinyatakan dalam Ribuan Dollar US.
Untuk mengambil data dari excel, seperti biasa kita pilih File - Import Data - Excel,
Mari kita lihat nilai R-square = 0,001, dan nilai signifikansi sangat tidak signifikan, 0,916 lebih besar
dari nilai kritik α = 0,05, sangat mengerikan bukan??lebih lagi plot datanya,