PRAKTIKUM
ANALISIS REGRESI
OLEH :
NAMA : MUH. HASDAL HUSEIN D.
NIM : F1A2 20 088
KELOMPOK : I (SATU)
Notasi matriks untuk jumlah kuadrat error (∑𝜀𝑖2) adalah sebagai berikut,
Seperti yang kita ketahui bahwa didalam analisis regresi, terdapat beberapa
kali pengamatan, sehingga terdapat beberapa (n) persamaan liner, yang
bergantung dari jumlah pengamatan yang dilakukan,
Agar dapat mendapatkan nilai minimum dari 𝜀𝑖′𝜀𝑖, maka persamaan 𝜀𝑖′𝜀𝑖
diturunkan terhadap 𝛽, didapatkan :
3. Dalam analisis regresi linear variabel X dan Y harus bersifat kontinu, karena
di dalam analisis regresi linear yang kita analisis adalah fungsi regresi sampel
sebagai perkiraan fungsi regresi populasi.
Fungsi regresi inilah yang sering digunakan untuk meramalkan Y jika
variabel bebas diketahui. Maka, variabel x dan y haruslah bersifat kontinu
karena variabel kontinu merupakan variabel yang datanya bisa dioperasikan
secara matematika dan variabel kontinu juga merupakan peubah acak yang
mengandung titik sampel yang tidak terhingga banyaknya. Contoh dari
variabel kontinu yaitu seperti tinggi badan yang hasil pengukurannya 175.5
cm, berat badan 56 kg, jarak 24.5 km, volume 35.2 L, dan lain-lain.
4. Data tersebut terdiri dari tiga variabel bebas dan satu variabel terikat. Variabel-
variabel tersebut tentang Kinerja (Y) yang dipengaruhi oleh Profesionalisme (X1),
Motivasi (X2) dan Optimis (X3).
Data:
X1 X2 X3 Y
86 71 54 71
88 83 55 88
81 75 63 77
63 68 86 70
79 63 69 73
63 62 40 67
77 80 56 80
80 72 88 80
85 72 83 88
77 77 68 79
75 69 23 75
63 74 55 77
83 79 60 80
80 72 88 80
(https://www.scribd.com/doc/249219376/Contoh-Soal-Regresi-Linier-Berganda)
Program:
MTB > set C1
DATA> 86 88 81 63 79 63 77
DATA> 85 77 75 63 83 80 80
DATA> end
MTB > set C2
DATA> 71 83 75 68 63 62 80
DATA> 72 72 77 69 74 79 72
DATA> end
MTB > set C3
DATA> 54 55 63 86 69 40 56
DATA> 83 68 23 55 60 88 88
DATA> end
MTB > set C4
DATA> 71 88 77 70 73 67 80
DATA> 80 88 79 75 77 80 80
DATA> 3.33 3 3 3 3
DATA> end
MTB > NAME C1 'X1' C2 'X2' C3 'X3' C4 'Y'
MTB > #ANALISIS REGRESI LINEAR BERGANDA
MTB > REGRESS;
SUBC> RESPONSE 'Y';
SUBC> NODEFAULT;
SUBC> CONTINUOUS 'X1','X2','X3';
SUBC> TERMS X1 X2 X3;
SUBC> CONSTANT;
SUBC> UNSTANDARDIZED;
SUBC> TMETHOD;
SUBC> TCOEFFICIENTS;
SUBC> TEQUATION;
SUBC> TDIAGNOSTICS 0.
Output:
Regression Analysis: Y versus X1, X2, X3
Coefficients
Regression Equation
R Large residual
Interpretasi:
Dari persamaan diatas maka didapat / diperoleh persamaan Regresi Linear
berganda adalah: Yˆ 0 1 X 1 2 X 2 3 X 3
berganda adalah: Yˆ 0 1 X 1 2 X 2 3 X 3