• Dalam Analisis Regresi akan dibuat kurva atau fungsi berdasarkan sebaran titik data.
• Kurva yang terbentuk diharapkan mewakili titik data tersebut
• Seringkali, setelah kurva terbentuk juga dilakukan intrapolasi atau ekstrapolasi untuk mendapatkan
nilai y yang berkaitan dengan nilai x yang berada di dalam dan diluar rangkaian data.
• Metoda yang digunakan adalah metoda Least Square (metoda kuadrat terkecil). Metoda ini
memungkinkan untuk membuat kurva yang paling mendekati titik-titik data.
• Penetapan bentuk kurva, apakah kurva linier, logaritmik atau kuadratik bergantung dari
kecenderungan (trend) dari penyebaran titik data.
• Analisis regresi dengan metoda kuadrat terkecil banyak menggunakan beberapa notasi dan teori
statistik. Oleh karena itu sebelum mempelajari regresi kuadrat terkecil lebih mendalam perlu diingat
kembali beberapa prinsip statistik.
Metoda Least Square (Kuadrat Terkecil)
• Akan dicari suatu kurva g(x) yang dapat mewakili titik percobaan
tersebut.
𝑋
CONT’D
• Metode yang lebih pasti untuk mendapatkan kurva tersebut adalah dengan membuat kurva yang meminimumkan perbedaan (selisih) antara titik-titik
data dengan kurva. Teknik ini disebut regresi kuadrat terkecil.
1. Titik-titik percobaan digambar pada suatu sistem kordinat. Dari gambar sebaran titik data tersebut dapat diketahui trend atau pola secara umum dari
kumpulan titik-titik data, sehingga dapat ditentukan apakah kurva yang mewakili berupa garis lurus (linier) atau lengkung.
2. Dipilih suatu fungsi g(x) yang dianggap bisa mewakili f(x) yang memiliki bentuk umum sebagai berikut:
• Dipilih suatu fungsi g(x) yang mempunyai kesalaha E terkecil, maka dalam metode ini i
Agar supaya nilai D² (error kuadrat) adalah minimum, maka persamaan diatas diturunkan
terhadap parameter a dan b, dan kemudian disama-dengankan nol ( fungsi minimum).
CONT’D
• Ternyata nilai a bergantung pada nilai b, jadi harus mencari nilai b dulu:
CONT’D
• Persamaan tersebut untuk menghitung koefisien a dan b, sehingga fungsi g (x) dapat dicari.
• Untuk mencari derajat kesesuaian dari persamaan yang didapat, dihitung nilai koefisien korelasi sebagai berikut:
• Dengan r adalah koefisien korelasi, sedang D² (kuadrat terkecil dari selisih nilai data dengan persamaan hasil regresi) dan
Dt² (kuadrat terkecil dari selisih nilai data dengan nilai rata-rata) diberikan dalam bentuk:
• Jika bernilai mendekati +1 artinya persamaan yang diambil dari data y dan x𝑖 berkorelasi positif kuat.
Jika bernilai mendekati -1 artinya y dan x berkorelasi negatif kuat.
CONTOH : REGRESI LINIER 2
Data sebaran cukup banyak. Persamaannya:
Yi = a + bxi
dimana: Yi = variabel dependen/tidak bebas
xi = variabel independen/variabel bebas
a = Intersep/nilai trend pada periode dasar.
b = tingkat perkembangan nilai.
Data sebaran.
• Contoh :
• Diberikan tabel data hasil pengamatan sebagai berikut: Y
No 1 2 3 4 5 6 7 8 9 10 35
X 4 6 8 10 14 16 20 22 24 28 30
𝑌 = 𝑎 + (−𝑏𝑋)
Y 30 18 22 28 14 22 16 8 20 8 25
15
Penyelesaian:
10
1. Gambarkan titik-titik data tersebut dalam kordinat X-Y.
5
• Pilih mana data independen dan dependen, jika data pengamatan tersebut
adalah curah hujan dan debit air, tentukan mana yang dependen dan 0 𝑋
0 5 10 15 20 25 30
independen.
• Berarti Debit air bergantung pada curah hujan artinya variable
dependennya adalah debit air dan independennya adalah curah hujan.
• Dependen Y dan independen X (Y bergantung pada X, atau Y adalah fungsi
dari X)