LAPORAN PRAKTIKUM
Praktikum Analisis Regresi Terapan
Modul 3 : Regresi Non Linier
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2020/2021
i
Daftar Isi
ii
5 Daftar Pustaka ............................................................................................ 19
iii
Daftar Gambar
iv
1 Pendahuluan
1.1 Pengertian
Regresi non linier adalah suatu metode untuk mendapatkan model non linier
yang menyatakan hubungan variabel dependen dan variabel independen. Regresi
non linier dapat mengestimasi model hubungan variabel dependen dan
independen dalam bentuk non linier dengan keakuratan yang lebih baik daripada
regresi linier, karena dalam mengestimasi model dipakai iterasi algoritma. Secara
umum model regresi non linier dapat dinyatakan dalam persamaan :
2. Regresi logistic;
3. Regresi logaritma
1
Untuk menduga bentuk regresi polynomial berpangkat atau berderajat dua, tiga,
dan empat serta seterusnya dibutuhkan persyaratan sebagai berikut :
1. N > pangkat +1 (pasangan data) harus lebih banyak dari jumlah
pangkat+1;
2. Ei atau nilai error harus berupa variabel random;
3. Garis persamaan atau persebaran datanya mengikuti persamaan lengkung
(cekung atau cembung) tergantung nilai koefisien regresi yang ada.
4. Model ini lebih banyak berlaku pada dunia ekonomi, pendidikan, dan
menyangkut kemampuan manusia.
2
3. Regresi logistic amat bermanfaat digunakan apabila distribusi respon atas
variabel terikat diharapkan non linier dengan satu atau lebih variabel
bebas.
Karena model yang dihasilkan dengan regresi logistic bersifat non linier,
persamaan yang digunakan untuk mendeskripsikan hasil sedikit lebih kompleks
disbanding regresi berganda. Variabel Y adalah probabilitas mendapatkan 2 hasil
atau lebih berdasarkan fungsi non linier dari kombinasi linier sejumlah variabel
bebas.
3
Huruf b0sering juga dituliskan dengan huruf a, a, atau juga b0. Secara
substansi penulisan itu mempunyai arti yang sama, yaitu menunjukkan konstanta
atau intercept yang merupakan sifat bawaan dari variabel Y. Konstanta ini
mempunyai angka yang bersifat tetap yang sekaligus menunjukkan titik potong
garis regresi pada sumbu Y. Jika konstanta itu bertanda positif maka titik
potongnya di sebelah atas titik origin (0), sedang bila bertanda negatif titik
potongnya di sebelah bawah titik origin. Nilai konstanta ini merupakan nilai dari
variabel Y ketika variabel X bernilai nol. Atau dengan bahasa yang mudah, nilai
konstanta merupakan sifat bawaan dari Y.
Huruf b1, b2, bn merupakan parameter yang menunjukkan slope atau
kemiringan garis regresi. Parameter ini sering juga dituliskan dengan bentuk b,
atau b1, b2, bn. Meskipun dituliskan dengan tanda yang berbeda, secara substansi
parameter ini menunjukkan beta atau koefisien korelasi yang sekaligus
menunjukkan tingkat elastisitas dari variabel X tersebut. Nilai beta ini
memungkinkan untuk bernilai positif maupun negatif. Tanda positif menunjukkan
hubungan yang searah antara variabel X dengan variabel Y. Artinya jika X
mengalami peningkatan maka Y juga mengalami peningkatan. Sebaliknya jika X
mengalami penurunan maka Y pun akan menurun. Arah hubungan seperti itu
tidak terjadi pada beta yang berangka negatif. Karena jika tandanya negatif arah
hubungan X terhadap Y saling berlawanan. Jika X meningkat maka Y menurun,
sebaliknya jika X menurun maka nilai statistik t meningkat.
Demikian pula, karena nilai koefisien korelasi ini juga menunjukkan
tingkat elastisitas, maka dari besarnya nilai koefisien korelasi (b) tersebut dapat
ditentukan jenis elastisitasnya. Jika nilai b besarnya lebih dari satu (b>1) maka
disebut elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y
akan mengalami perubahan yang lebih besar dari perubahan yang ada pada
variabel X tersebut. Jika nilai b besarnya sama dengan angka satu (b=1) disebut
uniter elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y
akan mengalami perubahan yang sama besar dengan perubahan yang ada pada
variabel X tersebut. Jika nilai b besarnya lebih kecil dari angka satu (b<1 ada=""
akan="" artinya="" dari="" disebut="" inelastis.="" jika="" kecil="" lebih=""
4
maka="" mengalami="" o:p="" pada="" perubahan="" tersebut.="" variabel=""
x="" y="" yang="">
Huruf e merupakan kependekan dari error term atau kesalahan
penggganggu. Simbol error ini tidak jarang dituliskan dalam huruf e atau m.
Simbol ini merupakan karakteristik dari ekonometrika yang tidak dapat
dilepaskan dari unsur-unsur stokhastik atau hal-hal yang mengandung probabilita,
karena hasil yang ditunjukkan oleh model ekonometrika hanya bersifat perkiraan,
dalam arti tidak menunjukkan kebenaran yang mutlak. Oleh karena itu nama lain
dari simbol ini tidak terlepas dari sifat dasar itu seperti: disturbance error
atau stochastic disturbance.
Kesalahan pengganggu ini sendiri mempunyai banyak sebab yang dapat
menimbulkannya seperti:
1. Tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi
variabel terikat dapat disebutkan dalam model.
2. Kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model.
3. Ketidaklengkapan data yang dianalisis.
4. Ketidaktepatan model yang digunakan. Misalnya, seharusnya digunakan
model kuadratik tetapi justru yang digunakan adalah model linier, atau
sebaliknya. (Pengetahuan, 2013)
5
2 Deskripsi Kerja
6
2.2 Langkah Kerja
7
2.2.3 Mengestimasi Plot
1. Praktikan memanggil data yang telah disimpan dengan format CSV
dengan syntax seperti dibawah ini :
Syntax read.csv digunakan untuk memanggil data dalam format csv. Jika data
tidak dalam format csv maka data tidak akan bisa ditampilkan. Kemudian syntax
file.choose () itu artinya kita dapat memilih file yang akan ditampilkan dalam R
dan yang akan dianalisis. Dan syntax sep digunakan untuk memisahkan data excel
atau menghilangkan ; agar data dapat terpisah.
2. Pratikan melakukan identifikasi variabel dependen (Y) dan variabel
Independen
Analisis tersebut untuk melakukan pendugaan apakah data yang telah ada
termasuk data dalam bentuk linier atau tidak. Dengan analisis ini jika data
diketahui tidak linier maka akan dilakukan analisis lanjutan dengan analisis
regresi non linier.
8
4. Pratikan melakukan estimasi plot
9
2.2.6 Interprestasi Model Terbaik
1. Praktikan melakukan interpretasi dari model yang telah didapatkan dari
analisis yang telah dilakukan.
10
3 Pembahasan
Tingkat Signifikansi
= 5% = 0,05
Daerah Kritis
Tolak H0 jika p-value ≤
Statistik Uji
Diperoleh p-value = 0.693
Keputusan
Karena nilai p-value > = 0,05 , maka keputusannya gagal tolak H0.
Kesimpulan
Dengan tingkat kepercayaan 95% maka data yang ada mendukung untuk gagl
tolak H0, jadi dapat disimpulkan bahwa model regresi tidak layak digunakan.
11
Karena hasil yang didapat menyatakan bahwa model tidak layak
digunakan, kemudian untuk meyakinkan bahwa model tidak layak yang dilakukan
praktikan ialah dengan melihat nilai R2 sebesar 0.02783 atau 2.783%, berarti
sudah jelas bahwa model tidak layak digunakan karena kemampuan model untuk
menyelesaikan masalah hanya sebesar 2.783%. Dilihat dari Gambar 3.2, data
tidak mengikuti garis linier (lurus) sehingga model yang digunakan adalah model
nonlinier.
12
Karena bentuk kurva tersebut berbentuk parabola maka model yang
mungkin adalah kuadratik atau kubik. Langkah selanjutnya adalah praktikan
melakukan analisis regresi menggunakan analisis non linier kuadratik dan kubik.
Berikut adalah hasil analisis regresi non linier dengan metode kuadratik dan
kubik.
2. Tingkat Signifikansi
= 5% = 0,05
3. Daerah Kritis
Tolak H0 jika p-value ≤
4. Statistik Uji
Diperoleh p-value = 0.04054
5. Keputusan
Karena nilai p-value < = 0,05 , maka keputusannya tolak H0.
6. Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% maka data yang ada
tolak H0. Jadi model tersebut layak untuk digunakan.
13
Uji Parsial
1. Hipotesis
: = 0 (i=0,1,2) (koefisien regresi tidak signifikan dalam model)
: ≠ 0 (i=0,1,2) (koefisien regresi signifikan dalam model)
2. Taraf Signifikansi
α = 5% = 0,05
3. Daerah Kritis
Tolak H0 jika p-value ≤
4. Statistik Uji dan Keputusan
koefisien p-value tanda alfa keputusan
X 0,0158 < 0,05 Tolak H0
X2 0,0166 < 0,05 Tolak H0
5. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada mendukung
untuk tolak H0 maka dapat dinyatakan bahwa koefisien X dan X2 regresi
signifikan dalam model.
14
Uji Overall :
Hipotesis Uji
H0: 0 , 1 = 0 (model tidak layak digunakan)
Tingkat Signifikansi
= 5% = 0,05
Daerah Kritis
Tolak H0 jika p-value ≤
Statistik Uji
Diperoleh p-value = 0.1256
Keputusan
Karena nilai p-value > = 0,05 , maka keputusannya gagal tolak H0.
Kesimpulan
Dengan menggunakan tingkat kepercayaan sebesar 95% maka data yang ada
mendukung untuk gagal tolak H0. Jadi model tersebut tidak layak untuk
digunakan.
Uji Parsial
Hipotesis
: = 0 (i=0,1,2) (koefisien regresi tidak signifikan dalam model)
: ≠ 0 (i=0,1,2) (koefisien regresi signifikan dalam model)
Taraf Signifikansi
α = 5% = 0,05
Daerah Kritis
Tolak H0 jika p-value ≤
Statistik Uji dan Keputusan
koefisien p-value tanda alfa keputusan
X 0,696 > 0,05 Gagal Tolak H0
X2 0,966 > 0,05 Gagal Tolak H0
X3 0,796 > 0,05 Gagal Tolak H0
15
Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada mendukung untuk
gagal tolak H0 maka dapat dinyatakan bahwa koefisien X, X2 , dan X3 regresi
tidak signifikan dalam model.
Dari kedua hasil analisis regresi non linier dengan menggunakan kedua
metode yaitu metode kuadratik dan kubik maka didapatkan hasil model terbaik
dimana model yang memenuhi semua uji baik uji overall maupun uji parsial.
Model terbaik diperoleh dari metode kubik yaitu sebagai berikut :
16
Dengan menggunakan model regresi non linier kuadratik maka didapatkan data
prediksi seperti gambar 3.6. Dengan data tersebut jika dibandingkan data prediksi
tidak terlalu menyimpang jauh dari data aktualnya. Kemudian untuk menguji data
prediksi apakah menyimpang terlalu jauh maka dapat digunakan pengujian mape.
17
4 Penutup
4.1 Kesimpulan
Berdasarkan praktikum yang telah praktikan lakukan yaitu melakukan
analisis regresi non linear dengan menggunakan softwere R dan SPSS maka kini
praktikan dapat mengambil kesimpulan dari apa yang telah praktikan lakukan,
antara lain:
1. Didapatkan model regresi non linear yaitu
18
5 Daftar Pustaka
Tri Utari, Dina.,. (2017). Modul Praktikum Analisis Regresi Terapan: UII
Tarigan, E. Y. (2009, Maret 9). Analisis Regresi Nonlinier Dengan Model
Kuadratik. skripsi.
https://repository.usd.ac.id/35474/2/143114025_full.pdf
19