Risa Nofiani
Regresi Linier
• Definisi: metode statistika yang digunakan untuk mengetahui
pengaruh antara variabel dependent dan independent
• Contoh Hubungan antara jumlah pekerja dengan output produksi
• Model Persamaan regresi linier:
Y=a +bX
Dimana:Y= variabel respons/akibat/dependent
X= variabel predictor atau variabel faktor penyebab/independent
A=konstanta
b=koefisien regresi
σ 𝑦 σ 𝑥 2 − σ 𝑥 σ 𝑥𝑦
𝑎= 𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑛 σ 𝑥2 − σ 𝑥 2 𝑏=
𝑛 σ 𝑥2 − σ 𝑥 2
KOEFISIEN DETERMINASI (R2)
Koefisien determinasi merupakan ukuran untuk mengetahui
kesesuaian atau ketepatan antara nilai dugaan dengan data sampel.
Koefisien determinasi didefinisikan sebagai berikut.
Koefisien determinasi adalah bagian dari keragaman total variabel
tak bebas Y (variabel yang dipengaruhi atau dependent) yang dapat
diterangkan atau diperhitungkan oleh keragaman variabel bebas X
(variabel yang mempengaruhi, independent)
Jadi koefisien determinasi adalah kemampuan variabel X
mempengaruhi variabel Y. Semakin besar koefisien determinasi
menunjukkan semakin baik kemampuan X mempengaruhi Y.
NILAINYA ANTARA 0 (NOL) DAN 1 (SATU), ATAU PERSENTASE 0% -
100%
Koefisien Determinasi =
Contoh soal
• Suatu mahasiswa melakukan pengukuran kekerasan terhadap beberapa
kandungan logam tanah jarang dari beberapa lokasi di Indonesia. Hasil
pengukuran adalah sebagai berikut:
Gambarkan model hubungan kedua variabel tersebut
3 10
7 19
8 21
5 13
5 14
3 9
7 19
7 18
5 14
5 14
Uji Linieritas
• Uji linearitas bertujuan untuk mengetahui
apakah dua variabel mempunyai hubungan
yang linear atau tidak secara signifikan. Uji ini
biasanya digunakan sebagai prasyarat dalam
analisis korelasi atau regresi linear.
Uji Linearitas menggunakan Bantuan Tabel Anova
SUMBER DERAJAT JUMLAH RATA RATA F HITUNG F TABEL
KERAGAMAN BEBAS (Degree QUADRAT JUMLAH
of Fredom) (Square KUADRAT
(Source of Varians) Number)
db atau df (RJK)
JK
Regresi {b/a} 1 JK Reg b/a S2 reg b/a = S2 reg
JK Reg b/a __________
S2 sisa
Residu (sisa) n-2 JK (S) S2 Sisa =
JK (S) / n –
k
Ketidaksesuaian k–2 JK (TC) S2 TC = S2 TC
(Ketidakcocokan) _________
(k =
kelompok S2 (G)
atau
JK (TC) /
ulangan k-2
Error (Galat) n-k JK (G) S2 (G) =
JK (G) / n -
k
NORMALITAS
• Uji normalitas adalah uji untuk melihat apakah data terdistribusi
“NORMAL” atau tidak.
• Uji normalitas digunakan sebagai syarat atau asumsi dari berbagai uji
parametris, misalnya uji regresi linear, uji Anova, Uji Ancova,
Uji Manova, Uji Independen T Test, Uji Paired T Test dan berbagai uji
lainnya, baik analisis multivariat ataupun univariat.
• Uji normalitas pada berbagai uji tersebut berbeda-beda caranya dan
berbeda juga apa yang diuji. Misalkan pada uji regresi linear berganda,
yang diuji normalitas adalah residual. Pada uji independen t test, yang
diuji adalah variabel terikat per kelompok. Sedangkan pada uji paired t
test, yang diuji adalah selisih antara dua data yang berpasangan. Untuk
lebih detail silahkan baca artikel-artikel kami yang membahas uji-uji di
atas.
NORMALITAS
• Tentunya karena sebagai syarat uji parametris, maka jika asumsi
normalitas tidak terpenuhi atau dengan kata lain TIDAK BERDISTRIBUSI
NORMAL atau terima H1 (hipotesis alternatif), maka harus dilakukan
normalisasi data melalui transformasi atau pembobotan. Misalnya asumsi
normalitas tidak terpenuhi pada uji regresi linear berganda, kita bisa
melakukan teknik transformasi. Jika asumsi normalitas tidak terpenuhi
pada uji independen t test, maka kita bisa menggunakan uji alternatif
dengan uji non parametris, misalnya uji mann whitney u test.
• Keterangan
– X2=NIlaiX2
– O1=Nilai Observasi
– Ei=Nilai ecpected/harapan, luas interval kelas
berdasarkan tabel normal dikalikan N (total
frekuensi)(pixN)
– N=Banyaknya angka pada data (total frekuensi)
• d
Syarat Uji Chi Square
• a. Data tersusun berkelompok atau
dikelompokkan dalam tabel distribusi
frekuensi.
b. Cocok untuk data dengan banyaknya angka
besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5
digabungkan.
Signifikansi uji Chi-Square
•
Signifikansi uji, nilai X2 hitung dibandingkan
dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho
diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka
Ho ditolak ; Ha diterima.
Uji Liliefors
• Umumnya menggunakan data yang belum
diolah
• Data yang diperoleh ditransformasikan dalam
nilai Z. Rumus: 𝑥𝑖 − 𝑥ҧ
𝑍𝑖 =
𝑠
• Hipotesis Uji
– Ho: Data Pupulasi berdistribusi normal
– Ha: Data populasi berdistribusi tidak normal
Signifikansi Uji Lilliefors
• Signifikansi uji, nilai | F (x) – S (x) | terbesar
dibandingkan dengan nilai tabel Lilliefors.
• Jika nilai | F (x) – S (x) | terbesar < nilai tabel
Lilliefors, maka Ho diterima ; Ha ditolak.
• Jika nilai | F(x) – S(x) | terbesar > dari nilai
tabel Lilliefors, maka Ho ditolak ; Ha diterima.
Statistik Uji Liliefors
X Fkum Z Fz Sz