Model populasi regresi linier menggambarkan hubungan antara variable X dan Y dalam
bentuk fungsi linier.
Perubahan variable Y diasumsikan karena adanya perubahan variable X
A,BENTUK UMUM REGRESI LINIER
Bentuk umum model regresi linier (populasi)
𝑌̂ = 𝛽0 + 𝛽1 𝑋
Dimana
𝛽0 dan 𝛽1 merupakan parameter
X adalah peubah bebas
Y adalah peubah terikat ,:
Y berdistribusi normal : 𝑌 ~ 𝑁(𝛽0 + 𝛽1 X , 𝜎 2 )
Dimana
𝑏0 dan 𝑏1 merupakan statistik atau penduga parameter
X adalah peubah bebas (bukan peubah acak)
Y adalah peubah terikat (peubah acak)
Y berdistribusi normal : 𝑌 ~ 𝑁(𝑏0 + 𝑏1 X , 𝑠 2 )
Contoh
Agen property ingin mengetahui hubungan antara harga rumah dan tipe rumah, khusus untuk
luas tanah 100 𝑚2 . Data sampel dari 6 rumah diambil sebagai berikut
Y = Harga rumah (juta) X = Tipe rumah (𝑚2 )
150 21
175 27
210 35
250 45
300 50
420 70
Jawab :
Hitung nilai 𝑏1
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅) 8668.333
𝑏1 = = = 5.52
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 1569.333
Hitung nilai 𝑏𝑜
𝑏0 = 𝑦̅ − 𝑏1 𝑥̅ = 250.8333 − (5.52)(41.3333) = 22.67
B.KERAGAMAN
Total keragaman disebabkan oleh regresi dan galat :
Jumlah kuadrat Total = Jumlah kuadrat Regresi + Jumlah kuadrat Galat
JKT = JKR + JKG
𝑛
GALAT 𝑛−2 𝐽𝐾𝐺
𝐽𝐾𝐺 = ∑(𝑦𝑖 − 𝑦̂𝑖 )2 𝐾𝑇𝐺 =
𝑛−2
𝑖=1
𝑛
TOTAL 𝑛−1
𝐽𝐾𝑇 = ∑(𝑦𝑖 − 𝑦̅)2
𝑖=1
2
𝐽𝐾𝐺𝑎𝑙𝑎𝑡 ∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̂𝑖 )2
𝜎̂ = 𝑠𝑒2 = 𝐾𝑇𝐺𝑎𝑙𝑎𝑡 = =
𝑛−2 𝑛−2
∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̂𝑖 )2
𝑠𝑒2 =
𝑛−2
C. HIPOTESIS
𝑏1 − 𝛽1
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑠𝑏1
Untuk 𝑡𝑡𝑎𝑏𝑒𝑙 :
𝛼
Taraf signifikan dengan Derajat bebas (db) = v = n – 2.
2
Langkah-4 : Kesimpulan
Untuk 𝑡𝑡𝑎𝑏𝑒𝑙
𝛼
Taraf signifikan dengan Derajat bebas (db) = v = 1.
2
Jawab :
Tentukan persamaan regresi linier, seperti contoh sebelumnya :
𝑦̂ = 22.67 + 5.52 𝑥
Untuk 𝑥 = 21 maka nilai 𝑦̂ = 22.67 + 5.52(21) = 138,59
Untuk nilai x lainnya, nilai 𝑦̂ dapat dihitung dengan cara yang sama dan hasil nilai
𝑦̂ ditampilkan dalam table berikut:
Dari data diperoleh :
𝑥̅ = 41.33333
𝑦 𝑥 𝑦̂ (𝑦𝑖 − 𝑦̂)2 𝑥𝑖 2 (𝑥𝑖 − 𝑥̅ )2
150 21 138.59 130.1881 441 413.4443
175 27 171.71 10.8241 729 205.4443
210 35 215.87 34.4569 1225 40.11107
250 45 271.07 443.9449 2025 13.44447
300 50 298.67 1.7689 2500 75.11117
420 70 409.07 119.4649 4900 821.778
Jumlah 740.6478 11820 1569.333
A.Hipotesis pengujian 𝛽1
Langkah-1 : Hipotesis penelitian dan statistik
𝐻0 : 𝛽1 = 0 (tidak ada hubungan linier antara Y dan X)
𝐻1 : 𝛽1 ≠ 0 ( ada hubungan linier antara Y dan X)
Langkah-2 : Uji Statistik
Hitung 𝑠𝑏1 :
𝑠𝑒2 185.162
𝑠𝑏21 = 𝑛 = = 0.117988
∑𝑖=1 (𝑥𝑖 − 𝑥̅ )2 1569.333
𝑠𝑏1 = 0.343493
Hitung nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 :
𝑏1 − 𝛽1 5.52 − 0
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 16.07018
𝑠𝑏1 0.343493
Hitung nilai 𝑡𝑡𝑎𝑏𝑒𝑙 :
𝛼
Taraf signifikan dengan Derajat bebas (db), v = 6 – 2 = 4.
2
B. Hipotesis pengujian 𝛽0
Langkah-1 : Hipotesis penelitian dan statistik
𝐻0 : 𝛽0 = 0 (Semua nilai Y dapat dijelaskan oleh X)
𝐻1 : 𝛽0 ≠ 0 ( ada nilai Y yang tidak dapat dijelaskan oleh X)
Langkah-2 : Uji Statistik
Hitung 𝑠𝑏0 :
𝑠𝑒2 ∑𝑛𝑖=1 𝑥𝑖 2 (185.162)(11820)
𝑠𝑏20 = 𝑛 = = 232.4357
𝑛 ∑𝑖=1 (𝑥𝑖 − 𝑥̅ )2 6 (1569.333)
𝑠𝑏0 = 15.24584
E.ANALISIS KORELASI
Analisis korelasi digunakan untuk mengukur kekuatan hubungan (hubungan linier)
antara dua peubah
Koefisien determinasi : 𝑅2
Mengukur proporsi keragaman atau variasi total disekitar nilai tengah yang dapat
dijelaskan oleh garis regresi ( mengukur jauh atau dekatnya titik pengamatan ke
garis regresi)
𝐽𝐾𝑅𝑒𝑔𝑟𝑒𝑠𝑖
𝑅2 =
𝐽𝐾𝑡𝑜𝑡𝑎𝑙
0 < 𝑅2 < 1
Koefisien korelasi populasi : 𝜌
Koefisien korelasi sampel : 𝑟 (koefisien korelasi pearson)
𝑠𝑥𝑦
𝑟=
𝑠𝑥 𝑠𝑦
Dimana :
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅)
𝑠𝑥𝑦 =
𝑛−1
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠𝑥 = √
𝑛−1
∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅)2
𝑠𝑦 = √
𝑛−1
𝑟 2 = 1 , diinterpretasikan sebagai
Adanya hubungan linier yang tepat antara X dan Y
Atau
100% keragaman Y dijelaskan oleh keragaman X
Atau
Hubungan antara Y dan X dapat dijelaskan dengan model regresi linier antara Y
dan X sebesar 𝑟 2 𝑥100%
𝑟 2 = 0 , diinterpretasikan sebagai
Tidak Ada hubungan linier yang tepat antara X dan Y
Atau
Tidak ada keragaman Y yang dapat dijelaskan oleh keragaman X
Atau
Hubungan antara Y dan X dapat dijelaskan dengan model regresi linier antara Y
dan X sebesar 𝑟 2 𝑥100%
𝑛−2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑟√ , 𝑑𝑏 = 𝑛 − 2
1 − 𝑟2
Untuk 𝑡𝑡𝑎𝑏𝑒𝑙
𝛼
Taraf signifikan dengan Derajat bebas (db) = v = 1.
2
Langkah-4 : Kesimpulan
Contoh :
Agen property ingin mengetahui hubungan antara harga rumah dan tipe rumah, khusus untuk
luas tanah 100 𝑚2 . Data sampel dari 6 rumah diambil sebagai berikut
Y = Harga rumah (juta) X = Tipe rumah (𝑚2 )
150 21
175 27
210 35
250 45
300 50
420 70
150 21 10167,294
-20.3333 413.4444 2050.278
175 27 -14.3333 205.4444 5750.689 1086.944
210 35 -6.33333 40.11111 1667.358 258.6111
250 45 3.666667 13.44444 0.694 -3.05556
300 50 8.666667 75.11111 2417.361 426.1111
420 70 28.66667 821.7778 28617.372 4849.444
𝑦̅ =250.8333 𝑥̅ = 41.33333 1569.333 48620.769 8668.333
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 1569.333
𝑠𝑥 = √ =√ = 17,72
𝑛−1 6−1
Maka
𝑠𝑥𝑦 𝑠𝑥𝑦 1733,666
𝑟= = = = 0,99
𝑠𝑥 𝑠𝑦 𝑠𝑥 𝑠𝑦 (17,72)(98,61)
0 < (𝑟 2 = 0,98) < 1 , diinterpretasikan sebagai
Adanya hubungan linier yang lemah antara Tipe rumah dan Harga rumah
Atau
Sebagian keragaman Harga rumah dijelaskan oleh keragaman Tipe rumah
Atau
Hubungan antara Harga rumah dan Tipe rumah dapat dijelaskan dengan model
regresi linier antara Harga rumah dan Tipe rumah sebesar 0,98 𝑥 100% = 98 %
Hipotesis untuk korelasi
Langkah-1 : Hipotesis penelitian dan statistik
𝐻𝑜 : 𝜌 = 0 ( tidak ada korelasi )
𝐻1 : 𝜌 ≠ 0 ( ada korelasi )
Langkah-2 : uji statistik
6−2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 0,99√ = 14,0007,
1 − 0,98
𝑑𝑏 = 6 − 2 = 4
UJi dua pihak, pilih 𝛼 = 0,01
𝑡𝑡𝑎𝑏𝑒𝑙 = 4,604
Langkah-3 : Daerah terima dan tolak 𝐻0
(𝑡𝑡𝑎𝑏𝑒𝑙 = 4,604) < (𝑡𝐻𝑖𝑡𝑢𝑛𝑔 = 14,0007)
Maka Tolak 𝐻𝑜 , Terima 𝐻1
Langkah-4 : Kesimpulan
ada korelasi