DISUSUN OLEH :
KELOMPOK 3
JURUSAN MATEMATIKA
2021
KATA PENGANTAR
Segala puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Esa. Yang
telah memberikan nikmat akal dan pikiran kepada hambanya, sehingga dapat
menyelesaikan tugas makalah ini dengan baik. Penulisan makalah ini adalah untuk
melengkapi tugas dari mata kuliah Analisis Regresi dan Varians.
Ucapan terima kasih juga tidak lupa penyusun hanturkan kepada dosen
pembimbing yakni Ibu Prihatin Ningsih Sagala, S.Pd., M.Si yang telah membimbing
langkah-langkah dalam penyelesaian makalah ini. Makalah ini jauh dari
kesempurnaaan dan masih banyak terdapat kekurangan dalam penulisan laporan ini
karena penulis menyadari hanya Tuhan Yang Maha Esa lah yang paling sempurna.
Untuk itu, penulis harapkan Ibu dosen serta para pembaca untuk memakluminya dan
memberi masukan yang membangun serta ide-ide bagi penulis.
Demikianlah pengantar dari penulis, semoga laporan dari makalah ini dapat
bermanfaat bagi kita semua.
Kelompok 3
ii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
Statistik adalah suatu disiplin ilmu yang mempelajari sekumpulan konsep dan
metode pengumpulan, penyajian, analisis, dan interpretasi data, sampai data
pengambilan keputusan pada situasi dimana terdapat ketidakpastian. Ditinjau dari segi
waktu, dalam statistik dikenal 3 (tiga) jenis data, yaitu data cross section (data
antarkejadian), data time series (data runtun waktu dan data deret berkala), dan data
panel (gabungan antara data cross section dan data time series). Dalam pemodelan
statistika, analisisregresi.
Analisis regresi pertama kali diperkenalkan sebagai analisis data statistik pada
tahun 1877 oleh Sir Francis Galton yang meneliti hubungan antara tinggi badan orang
tua (ayah) dengan anaknya. Beliau mengungkapkan bahwa terdapat kecenderungan
orang tua yang tinggi badannya akan memiliki anak yang tinggi pula, atau sebaiknya
orang tua yang pendek badannya akan memiliki anak yang pendek pula, tetapi
distribusi (penyebaran) rata-rata tinggi badan dari generasi ke generasi adalah tetap.
4
BAB II
Analisis regresi linier sederhana adalah analisis regresi linier yang hanya
melibatkan dua variabel, yaitu satu variabel independen dan satu variabel dependen.
Disebut linier sederhana karena variabel dependen diasumsikan berhubungan linier
dalam parameter dan linier dengan variabel independen.
Secara umum terdapat 4 (empat) tahap yang dilakukan dalam analisis regresi dalam
rangka memperoleh model yang baik, yaitu:
1. Identifikasi Model
Pada tahap ini dilakukan perumusan model secara umum termasuk pemilihan
variabel baik variabel independen maupun variabel dependen terhadap
permasalahan yang harus dipecahkan, serta menspesialisasikan hubungan
fungsional antar variabel (pilihan model sementara). Cara mudah yang dapat
dilakukan adalah dengan melihat diagram sebar (scatter diagram).
4. Penerapan
5
Tahap terakhir ini merupakan tujuan utama dari analisis regresi, yaitu
melakukan prediksi (perkiraan) yang dapat dipercaya, sehingga dapat dijadikan
sebagai dasar dalam pengambilan keputusan. Kemungkinan kesalahan adalah
penggunaan yang tidak pada tempatnya.
Y = α + βX + ɛ (2.1)
Di mana
Yi = α + βXi + ɛi (2.2)
6
Faktor gangguan dari setiap pengamatan yang berbeda tidak saling
mempengaruhi (bersifat independen). E [ ɛi ɛj ] = 0 , untuk i # j Asumsi ini
dikenal sebagai asumsi nir-autokorelasi . Pelanggaran terhadap asumsi ini
disebut autokorelasi
5. Faktor gangguan tidak dipengaruhi oleh variabel independen E [ ɛi Xj ] = 0
, untuk i,j = 1,2,……,n
̂ + 𝛽̂ Xi + Ui → Ui = Yi – (∝
Yi = ∝ ̂ + 𝛽̂ Xi)
Metode ini berusaha menemukan nilai-nilai estimasi (taksiran) α dan β
dengan meminimumkan jumlah kuadrat residual atau residual atau factor
gangguan.
7
∑𝑛𝑖=1 𝑈1 2 = ∑𝑛𝑖=1(𝑌1−∝̂ + 𝛽̂Xi )2 (2.3)
1. Linier.
8
Dari persamaan (2.8) dam (2.9), tampak bahwa α dan β linier terhadap Y.
9
3. Terbaik (Best)
Suatu penaksir dikatakan best, jika penaksir tersebut memiliki nilai variansi
terkecil dibanding dengan penaksir lain yang juga linier dan tidak bias.
̂ dan 𝛽̂ .
Pertama - tama akan cari variansi dari ∝
10
2.4 Penaksir Tidak Bias untuk σ2
(dibaca berdistribusi normal dengan mean 0 dan varians σ2, untuk semua –i).
Dari asumsi tersebut, dengan menggnskan MGF (moment gereration function)
dapat ditunjukan bahwa:
A. Inferensi tentang α
11
Yang berdistribusi t dengan derajat bebas (n-2).
B. Inferensi tentang β
12
C. Inferensi Tentang ηi
13
2.7 Uji Kesesuaian Model(Uji Liniearitas)
Meskipun untuk mengestimasi α dan β tidak diperlukan observasi berulang
dengan Y untuk suatu harga X, namun ada suatu keuntungan jika terdapat
observasi berulang dengan Y, yaitu dapat melakukan uji apakah model regresi
yang dipilih cukup baik (cocok) atau tidak. Untuk itu JKS dapat dipecah
menjadi dua komponen yaitu:
Dimana
14
Ho ditolak jika F* > F tabel atau disimpilkan model yang diestimasi cenderung
tidak sesuai (tidak linier) dengan data yang ada. Dengan kata lain, ada
kemungkinan model yang sesuai adalah model kuadrat , kubik, atau model
nonlinier lainnya.
15
BAB III
PENUTUP
Analisis regresi linier sederhana adalah analisis regresi linier yang hanya
melibatkan dua variabel, yaitu satu variabel independen dan satu variabel dependen.
Disebut linier sederhana karena variabel dependen diasumsikan berhubungan linier
dalam parameter dan linier dengan variabel independen.
1. Variabel tergantung minimal berskala interval (kenaikan Berat Badan Ibu saat
hamil)
2. Variabel bebas minimal berskala interval (Berat Badan Bayi saat sahir)
3. Linieritas pola hubungan var. tergantung dan var. bebas berbentuk linier
4. Homoscedasticity
Kesimpulan dari simulasi analisis tentang pengaruh kenaikan berat badan ibu
terhadap berat badan bayi saat lahir di Puskesmas Kota Kab. Timor Tengah Selatan
Bulan Januari Sampai Dengan April Tahun 2017 sebanyak 97 ibu adalah Kenaikan
Berat Badan Ibu Saat Hamil berpengaruh terhadap Berat Badan (BB) Bayi saat Lahir.)
dan Model yang didapatkan adalah y = 1.906 + 0,112 (Berat Badan Ibu)
16
DAFTAR PUSTAKA
Yogyakarta.
Surabaya.
17