Pokok Bahasan :
Review
Regresi Linier Sederhana dan
Berganda
n
y1 n Xk 1 k 1 1 n 1 , k banyaknya p penjelas
Y β 0 β1x1 β 2 x 2 ε
n
y1
n X k 1 k 1
1
n 1
dengan :
s2 = KT sisaan
KOEFISIEN DETERMINASI
b' X ' Y b' X ' Y nY 2
R 2
R adj
2
Y 'Y Y ' Y nY 2
7x3
Itasia Dina S & Dian K, Departemen Statistika FMIPA IPB
Contoh : Menduga parameter regresi
linier berganda dg matriks
lanjutan
Dengan perhitungan cara matriks didapat :
7.0 216
. 200.0 6.683 - 1.529 - 0.064
X X 216
. 68.3 626.0 ( X' X) 1 - 1.529 0.760 - 0.028
200.0 626.0 5950.0 - 0.064 - 0.028 0.005
Hipotesisnya :
H0 : j 0 Peubah penjelas Xj tidak berhubungan linier dg Y
H 0 : 1 2 ... k 0
OUT PUT MINITAB : DATA TEKANAN DARAH H1 : min ada 1 j 0, j 1,2,.., k
H 0 : 1 2 3 0 Statistik uji-nya:
H1 : min ada satu j 0, j 1,2,3 Fhit KTregresi 24,71
KTsisaan
F tabel : F (3,28), 5% =2,95
Keputusan:
Tolak H0
a = .05
Kesimpulan:
Cukup bukti untuk mengatakan
bahwa minimum ada satu peubah
0 F penjelas yg berhubungan linier dg Y
Terima H0 Tolak H0
F.05 = 2,95
Itasia Dina S & Dian K, Departemen Statistika FMIPA IPB
Uji-F Parsial dan uji-F Sekuensial
Total
n-1 Y’Y – Y’11’Y/n
(terkoreksi)
Solusi: Adjusted R2
Setiap penambahan peubah penjelas akan menurunkan nilai
adjusted R2.
2 n 1 SSE SSE 2
Ra 1 1 R
n k 1 SS yy SSyy
PRESS yi yˆ i , i
2 2
n
ei R 2 PRED 1 PRESS
=
1 h yi y
ei,-i
2 2
i 1 ii
Langkah-langkahnya:
1. Sisihkan amatan ke-1, amatan ke-1 tidak digunakan, data tinggal n-1.
2. Dugalah semua ”kemungkinan model regresi” thdp n-1 data tersebut. (jika
k=1 banyaknya ”kemungkinan model” hanya 1)
3. Ramal y1 dengan model yang didapat pd no.2. (lakukan untuk semua
kemungkinan model hanya 1 jika k=1)
4. Hitung perbedaan y1 yg disisihkan tadi dengan hasil no.3. y1 y1k
ˆ
5. Ulangi langkah 1-4 dengan menyisihkan amatan ke-2, ke-3,...., ke-n.
Didapat y2 yˆ 2k , y3 yˆ3k , ..., yn yˆ nk
n 2
7. Pilih model yang relatif memiliki nilai PRESS terkecil, dan melibatkan
peubah penjelas sedikit.
Output Minitab untuk data contoh tsb • Hasil PRESS melalui proses
The regression equation is = hasil Minitab
Y = 3,00 + 0,500 X • Untuk k=1 hanya ada 1 model
• Amatan ke-3 memberikan
Predictor Coef SE Coef T P
Constant 3,002 1,124 2,67 0,026
simpangan ramalan terbesar
X 0,4997 0,1179 4,24 0,002 • Amatan ke-3 dapat dipandang
sebagai amatan berpengaruh
S = 1,23631 R-Sq = 66,6% R-Sq(adj) = 62,9% • Dugaan parameter regresi
PRESS = 23,6210 R-Sq(pred) = 42,70% tanpa amatan ke-3 sangat
berbeda dg lainnya dugaan
Analysis of Variance yg ini relatif yg benar/baik
Source DF SS MS F P
Regression 1 27,470 27,470 17,97 0,002
Residual Error 9 13,756 1,528
Total 10 41,226 Keluarkan amatan ke-3 dari analisis.
Cek nilai PRESS-nya. Cek nilai R2nya
Output Minitab data lengkap Output Minitab data tanpa amatan ke-3
12
11
8
10
Y tnp 3
7
Y
6 6
4 5
5,0 7,5 10,0 12,5 15,0 5,0 7,5 10,0 12,5 15,0
X X tnp 3
Semakin kecil nilai PRESS-nya model semakin valid semakin baik untuk
memprediksi. Setiap 1 model regresi thdp 1 set data memiliki 1 nilai PRESS
1. Kondisi Gauss-Marcov
1. E[ i ] 0 nilai - harapan/rataan sisaan nol
2. E[ i ] var [ ] 2 , ragam sisaan homogen untuk setiap nilai x
2
( homoscedas ticity )
3. E[ i j ] 0, i j sisaan saling bebas/tdk ada autokorelasi